Forståelse av forretningstrender, kundeadferd, salgsinntekter, økning i etterspørsel og kjøpertilbøyelighet starter med data. Å utforske, analysere, tolke og finne trender i data er avgjørende for at bedrifter skal oppnå vellykkede resultater.
Forretningsanalytikere spiller en sentral rolle i å legge til rette for datadrevne forretningsbeslutninger gjennom aktiviteter som visualisering av forretningsberegninger og prediksjon av fremtidige hendelser. Rask iterasjon og raskere tid-til-verdi kan oppnås ved å gi disse analytikerne et visuelt BI-verktøy for enkel analyse, støttet av teknologier som maskinlæring (ML).
Amazon QuickSight er en fullstendig administrert, skybasert BI-tjeneste som gjør det enkelt å koble til dataene dine, lage interaktive dashboards og rapporter, og dele disse med titusenvis av brukere, enten i QuickSight eller innebygd i applikasjonen eller nettstedet ditt. Amazon SageMaker Canvas er et visuelt grensesnitt som gjør det mulig for forretningsanalytikere å generere nøyaktige ML-spådommer på egenhånd, uten å kreve noen ML-erfaring eller å måtte skrive en enkelt linje med kode.
I dette innlegget viser vi hvordan du kan publisere prediktive dashboards i QuickSight ved hjelp av ML-baserte spådommer fra Canvas, uten eksplisitt å laste ned spådommer og importere til QuickSight. Denne løsningen vil hjelpe deg med å sende spådommer fra Canvas til QuickSight, slik at du kan ta raskere beslutninger ved å bruke ML for å oppnå effektive forretningsresultater.
Løsningsoversikt
I de følgende delene diskuterer vi trinn som vil hjelpe administratorer med å konfigurere de riktige tillatelsene for sømløst å omdirigere brukere fra Canvas til QuickSight. Deretter beskriver vi hvordan du bygger en modell og kjører spådommer, og demonstrerer erfaringen fra forretningsanalytikere.
Forutsetninger
Følgende forutsetninger er nødvendige for å implementere denne løsningen:
Sørg for å bruke samme QuickSight-region som Canvas. Du kan endre region ved å navigere fra profilikonet på QuickSight-konsollen.
Administratoroppsett
I denne delen beskriver vi trinnene for å sette opp IAM-ressurser, forberede dataene, trene dataene med opplæringsdatasettet og utlede valideringsdatasettet. Deretter sender vi dataene til QuickSight for videre analyse.
Opprett en ny IAM-policy for QuickSight-tilgang
For å opprette en IAM-policy, fullfør følgende trinn:
- Velg på IAM-konsollen Policy i navigasjonsruten.
- Velg Opprett policy.
- På JSON fanen, skriv inn følgende tillatelsespolicy i redigeringsprogrammet:
For detaljer om IAM-policyspråket, se IAM JSON-policyreferanse.
- Velg Neste: Tagger.
- Du kan legge til metadata i policyen ved å legge ved tagger som nøkkelverdi-par, og deretter velge Neste: Gjennomgang.
For mer informasjon om bruk av tagger i IAM, se Merking av IAM-ressurser.
- På Gjennomgå retningslinjene side, skriv inn et navn (f.eks.
canvas-quicksight-access-policy
) og en valgfri beskrivelse av policyen. - Gjennomgå Oppsummering for å se tillatelsene som er gitt av retningslinjene dine.
- Velg Opprett policy for å lagre arbeidet ditt.
Etter at du har opprettet en policy, kan du knytte den til utførelsesrollen din som gir brukerne de nødvendige tillatelsene til å sende batch-forutsigelser til brukere i QuickSight.
Legg ved policyen til Studio-utførelsesrollen din
For å knytte policyen til Studio-utførelsesrollen din, fullfør følgende trinn:
- Velg på SageMaker-konsollen Domener i navigasjonsruten.
- Velg ditt domene.
- Velg Domeneinnstillinger.
- Kopier rollenavnet under Utførelsesrolle.
- Velg på IAM-konsollen Roller i navigasjonsruten.
- I søkefeltet skriver du inn utførelsesrollen du kopierte, og velg deretter rollen.
- På siden for brukerens rolle, naviger til Retningslinjer for tillatelser seksjon.
- På Legg til tillatelser meny, velg Legg ved retningslinjer.
- Søk etter den tidligere opprettede policyen (
canvas-quicksight-access-policy
), velg den og velg Legg til tillatelser.
Nå har du en IAM-policy knyttet til utførelsesrollen din som gir brukerne de nødvendige tillatelsene til å sende batch-prediksjoner til brukere i QuickSight.
Last ned datasettene
La oss laste ned datasettene som vi bruker til å trene modellen og lage spådommene:
Bygg en modell og kjør spådommer
I denne delen dekker vi hvordan vi kan bygge en modell og kjøre prediksjoner på lånedatasettet. Deretter sender vi dataene til QuickSight-dashbordet for å få forretningsinnsikt.
Start Canvas
For å starte Canvas, fullfør følgende trinn:
- Velg på SageMaker-konsollen Domener i navigasjonsruten.
- Velg ditt domene.
- På Start meny, velg Lerret.
Last opp opplærings- og valideringsdatasett
Fullfør følgende trinn for å laste opp datasettene dine til Canvas:
- På Canvas-hjemmesiden velger du datasett.
- Velg Import datoer, og last opp
lending_club_loan_data_train.csv
oglending_club_loan_data_test.csv
. - Velg Lagre og lukk, velg deretter Import datoer.
La oss nå lage en ny modell.
- Velg Mine modeller i navigasjonsruten.
- Velg Ny modell.
- Skriv inn et navn til modellen din (
Loan_Prediction
) og velg Opprett.
Hvis dette er første gang du lager en Canvas-modell, vil du bli ønsket velkommen av en informativ pop-up om hvordan du bygger din første modell i fire enkle trinn. Du kan lese dette gjennom, og deretter komme tilbake til denne veiledningen.
- I modellvisningen, på Plukke ut Kategorien, velg
lending_club_loan_data_train
datasett.
Dette datasettet har 18 kolonner og 32,000 XNUMX rader.
- Velg Velg datasett.
- På Bygge fanen, velg målkolonnen, i vårt tilfelle
loan_status
.
Canvas vil automatisk oppdage at dette er en 3+ kategoriprediksjon problem (også kjent som flerklasseklassifisering).
- Hvis en annen modelltype oppdages, endre den manuelt ved å velge Endre type.
- Velg Rask bygging, og velg Start hurtigbygging fra pop-up-en.
Du kan også velge Standard konstruksjon, som går gjennom hele AutoML-syklusen, og genererer flere modeller før du anbefaler den beste modellen.
Nå bygges modellen din. Hurtigbygging tar vanligvis 2–15 minutter.
Etter at modellen er bygget, kan du finne modellstatusen på Analyser fanen.
Gjør spådommer med modellen
Etter at vi har bygget og trent modellen, kan vi generere spådommer på denne modellen.
- Velg forutsi på Analyser fanen, eller velg forutsi fanen.
- Kjør en enkelt prediksjon ved å velge Enkel prediksjon og gi oppføringer.
Du vil se lånestatus-prediksjonen på høyre side av siden. Du kan kopiere spådommen ved å velge Kopier, eller last den ned ved å velge Last ned prediksjon. Dette er ideelt for å generere hva-hvis-scenarier og teste hvordan ulike kolonner påvirker spådommene til modellen vår.
- For å kjøre batch-prediksjoner, velg Batch prediksjon.
Dette er best når du vil lage spådommer for et helt datasett. Du bør lage spådommer med et datasett som samsvarer med inndatadatasettet ditt.
For hver prediksjon eller sett med spådommer returnerer Canvas de predikerte verdiene og sannsynligheten for at den predikerte verdien er korrekt.
La oss lage spådommer fra den trente modellen ved å bruke valideringsdatasettet.
- Velg Velg datasettet.
- Plukke ut
lending_club_loan_data_test
Og velg Generer spådommer.
Når spådommene dine er klare, kan du finne dem i datasett seksjon. Du kan forhåndsvise prediksjonen, laste den ned til en lokal maskin, slette den eller sende den til QuickSight.
Send spådommer til QuickSight
Du kan nå dele spådommer fra disse ML-modellene som QuickSight-datasett som vil fungere som en ny kilde for dashbord for hele bedriften. Du kan analysere trender, risikoer og forretningsmuligheter. Gjennom denne funksjonen blir ML mer tilgjengelig for forretningsteam, slik at de kan akselerere datadrevet beslutningstaking. Deling av data med QuickSight-brukere gir dem eiertillatelser på datasettet. Flere utledede datasett kan sendes samtidig til QuickSight.
Merk at du bare kan sende spådommer til brukere i standardnavneområdet til QuickSight-kontoen, og brukeren må ha rollen Forfatter eller Admin i QuickSight. Forslag sendt til QuickSight er tilgjengelig i samme region som Canvas.
- Velg det utledede batch-datasettet og velg Send til Amazon QuickSight.
- Skriv inn ett eller flere QuickSight-brukernavn å dele datasettet med, og trykk Enter.
- Velg sent å dele data.
Etter at du har sendt batch-spådommene, QuickSight feltet for datasettene du sendte vises som Sendt.
- I bekreftelsesboksen kan du velge Åpne Amazon QuickSight for å åpne QuickSight-applikasjonen.
- Hvis du er ferdig med å bruke Canvas, logge ut av Canvas-applikasjonen.
Du kan sende batch-prediksjoner til QuickSight for numeriske, kategoriske prediksjons- og tidsserieprognosemodeller. Du kan også sende spådommer generert med ta med egen modell (BYOM) metode. Enkeltetikettbildeprediksjonsmodeller og tekstprediksjonsmodeller med flere kategorier er ekskludert.
QuickSight-brukerne som du har sendt datasett til kan åpne QuickSight-konsollen og se Canvas-datasettene som er delt med dem. Deretter kan de lage prediktive dashboards med dataene. For mer informasjon, se Komme i gang med Amazon QuickSight-dataanalyse.
Som standard har alle brukerne du sender spådommer til eiertillatelser for datasettet i QuickSight. Eiere kan lage analyser, oppdatere, redigere, slette og videresende datasett. Endringene som eierne gjør i et datasett endrer datasettet for alle brukere med tilgang. For å endre tillatelsene, gå til datasettet i QuickSight og administrer tillatelsene. For mer informasjon, se Vise og redigere tillatelsene brukerne som et datasett deles med.
Erfaring fra forretningsanalytikere
Med QuickSight kan du visualisere dataene dine for bedre å forstå dem. Vi starter med å få informasjon på høyt nivå.
- Velg på QuickSight-konsollen datasett i navigasjonsruten.
- Opprett en analyse på batchprediksjonsdatasettet delt fra Canvas ved å velge Lag analyse på rullegardinmenyen for alternativer (tre vertikale prikker).
- På analysesiden velger du arknavnet og gir nytt navn til det Lånedataanalyse.
La oss lage en visuell for å vise tellingen etter lånestatus.
- Til Visuelle typer, velg Smultringskart.
- Bruke
loan_status
felt for Gruppe/Farge.
Vi kan se at 99 % er fullt betalt, 1 % er gjeldende og 0 % belastes.
Nå legger vi til et annet bilde for å vise antall lån etter status.
- Øverst til venstre velger du plusstegnet og velger Legg til visuelt.
- Til Visuelle typer, velg Fossdiagram.
- Bruke
loan_status
felt for Kategori. - Bruke
loan_amount
felt for Verdi.
Vi kan se at det totale lånebeløpet er rundt $88 millioner, med rundt $221,000 belastet.
La oss prøve å oppdage noen risikodrivere for mislighold av lån.
- Velg plusstegnet og velg Legg til visuelt.
- Til Visuelle typer, velg Horisontalt søylediagram.
- Bruk lånestatus-feltet for Y-aksen.
- Bruk lånebeløp-feltet for Verdi.
- endre Verdi feltaggregering fra Sum til Gjennomsnitt.
Vi kan se at lånebeløpet i gjennomsnitt var rundt $3,500 lavere for de fullt betalte lånene sammenlignet med de nåværende lånene, og rundt $3,500 lavere for de fullt betalte lånene sammenlignet med de avkrevde lånene. Det ser ut til å være en sammenheng mellom lånebeløpet og kredittrisikoen.
- For å duplisere det visuelle, velg alternativmenyen (tre prikker), velg Dupliser visuell til, og velg Dette arket.
- Velg det dupliserte visuelle bildet for å endre konfigurasjonen.
- Til Visuelle typer, velg Horisontalt søylediagram.
- Bruk lånestatus-feltet for Y-aksen.
- Bruk lånebeløp-feltet for Verdi.
- endre Verdi feltaggregering fra Sum til Gjennomsnitt.
Du kan lage flere bilder for å se etter flere risikodrivere. For eksempel:
- Låneperiode
- Åpne kredittrammer
- Utnyttelsesgrad for roterende linje
- Totale kredittrammer
- Etter at du har lagt til det visuelle, publiserer du dashbordet ved hjelp av Del alternativet på analysesiden og del dashbordet med virksomhetens interessenter.
Rydd opp
For å unngå fremtidige kostnader, slett eller slå av ressursene du opprettet mens du fulgte dette innlegget. Referere til Logger ut av Amazon SageMaker Canvas for mer informasjon.
konklusjonen
I dette innlegget trente vi en ML-modell ved å bruke Canvas uten å skrive en eneste linje med kode takket være dets brukervennlige grensesnitt og klare visualiseringer. Vi genererte deretter enkelt- og batch-prediksjoner for denne modellen i Canvas. For å vurdere trender, risikoer og forretningsmuligheter på tvers av bedriften, sendte vi spådommene til denne ML-modellen til QuickSight. Som forretningsanalytikere laget vi ulike visualiseringer for å vurdere trendene i QuickSight.
Denne funksjonen er tilgjengelig i alle regioner der Canvas nå støttes. Du kan lære mer på Canvas produktside og dokumentasjon.
Om forfatterne
Ajjay Govindaram er Senior Solutions Architect hos AWS. Han jobber med strategiske kunder som bruker AI/ML for å løse komplekse forretningsproblemer. Hans erfaring ligger i å gi teknisk veiledning samt designassistanse for beskjedne til storskala AI/ML-applikasjoner. Kunnskapen hans spenner fra applikasjonsarkitektur til big data, analyser og maskinlæring. Han liker å lytte til musikk mens han hviler, opplever utendørs og tilbringe tid med sine kjære.
Varun Mehta er løsningsarkitekt hos AWS. Han er lidenskapelig opptatt av å hjelpe kunder med å bygge bedriftsskala godt utformede løsninger på AWS Cloud. Han jobber med strategiske kunder som bruker AI/ML for å løse komplekse forretningsproblemer.
Shyam Srinivasan er hovedproduktsjef i AWS AI/ML-teamet, og leder produktadministrasjon for Amazon SageMaker Canvas. Shyam bryr seg om å gjøre verden til et bedre sted gjennom teknologi og brenner for hvordan AI og ML kan være en katalysator på denne reisen.
- SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
- PlatoAiStream. Web3 Data Intelligence. Kunnskap forsterket. Tilgang her.
- Minting the Future med Adryenn Ashley. Tilgang her.
- Kjøp og selg aksjer i PRE-IPO-selskaper med PREIPO®. Tilgang her.
- kilde: https://aws.amazon.com/blogs/machine-learning/publish-predictive-dashboards-in-amazon-quicksight-using-ml-predictions-from-amazon-sagemaker-canvas/
- : har
- :er
- :hvor
- $3
- $OPP
- 000
- 10
- 100
- 11
- 12
- 15%
- 20
- 500
- 7
- 8
- 9
- a
- I stand
- Om oss
- akselerere
- akselerert
- adgang
- tilgjengelig
- Logg inn
- nøyaktig
- Oppnå
- oppnådd
- tvers
- Handling
- Aktiviteter
- legge til
- Ytterligere
- admin
- administratorer
- aggregering
- AI
- AI / ML
- Alle
- tillate
- også
- Amazon
- Amazon QuickSight
- Amazon SageMaker
- Amazon SageMaker Canvas
- Amazon Web Services
- beløp
- an
- analyser
- analyse
- analytiker
- analytikere
- analytics
- analysere
- analyserer
- og
- En annen
- noen
- Søknad
- arkitektur
- ER
- rundt
- AS
- Assistanse
- At
- feste
- forfatter
- automatisk
- AutoML
- tilgjengelig
- gjennomsnittlig
- unngå
- AWS
- tilbake
- Bar
- BE
- blir
- vært
- før du
- være
- BEST
- Bedre
- mellom
- Stor
- Store data
- Eske
- bygge
- bygget
- virksomhet
- business intelligence
- bedrifter
- by
- CAN
- lerret
- saken
- Catalyst
- Kategori
- endring
- Endringer
- ladet
- avgifter
- sjekk
- Velg
- velge
- fjerne
- Cloud
- kode
- Kolonne
- kolonner
- Kom
- sammenlignet
- fullføre
- komplekse
- Konfigurasjon
- bekreftelse
- Koble
- Konsoll
- Corner
- korrigere
- Korrelasjon
- dekke
- skape
- opprettet
- Opprette
- kreditt
- Gjeldende
- kunde
- kundeatferd
- Kunder
- syklus
- dashbord
- dato
- dataanalyse
- data-drevet
- datasett
- Beslutningstaking
- avgjørelser
- Misligholde
- Etterspørsel
- demonstrere
- distribusjoner
- beskrivelse
- utforming
- detalj
- detaljer
- oppdaget
- forskjellig
- retning
- diskutere
- domene
- gjort
- ned
- nedlasting
- drivere
- hver enkelt
- lett
- redaktør
- effekt
- Effektiv
- enten
- innebygd
- muliggjør
- muliggjør
- Enter
- Enterprise
- Hele
- avgjørende
- hendelser
- eksempel
- ekskludert
- gjennomføring
- erfaring
- opplever
- Utforske
- tilrettelegging
- raskere
- felt
- Finn
- finne
- Først
- første gang
- etter
- Til
- fire
- fra
- fullt
- videre
- framtid
- generere
- generert
- genererer
- få
- få
- Go
- Går
- innvilget
- tilskudd
- veilede
- Ha
- å ha
- he
- hjelpe
- hjelpe
- høyt nivå
- hans
- Hjemprodukt
- Hvordan
- Hvordan
- HTML
- HTTPS
- ICON
- ID
- ideell
- bilde
- Påvirkning
- iverksette
- importere
- in
- Øke
- informasjon
- informative
- inngang
- innsikt
- Intelligens
- interaktiv
- Interface
- grensesnitt
- inn
- IT
- køyring
- DET ER
- reise
- jpg
- JSON
- kunnskap
- kjent
- Språk
- storskala
- lansere
- ledende
- LÆRE
- læring
- ligger
- i likhet med
- linje
- Lytting
- lån
- Lån
- lokal
- elsket
- lavere
- maskin
- maskinlæring
- gjøre
- GJØR AT
- Making
- administrer
- fikk til
- ledelse
- leder
- manuelt
- Meny
- metadata
- metode
- Metrics
- millioner
- minutter
- ML
- modell
- modeller
- modifisere
- mer
- flere
- musikk
- må
- navn
- navn
- Naviger
- navigere
- Navigasjon
- nødvendig
- nødvendig
- Ny
- nå
- of
- off
- on
- gang
- ONE
- seg
- bare
- åpen
- Muligheter
- alternativer
- or
- vår
- ut
- utfall
- utendørs
- egen
- eieren
- eiere
- side
- betalt
- par
- brød
- lidenskapelig
- tillatelser
- sentral
- Sted
- plato
- Platon Data Intelligence
- PlatonData
- Spille
- i tillegg til
- politikk
- pop-up
- Post
- spådd
- prediksjon
- Spådommer
- Forbered
- forutsetninger
- trykk
- Forhåndsvisning
- tidligere
- Principal
- Problem
- problemer
- Produkt
- produktledelse
- Produktsjef
- Profil
- gi
- publisere
- Rask
- Lese
- klar
- anbefale
- omdirigere
- region
- regioner
- Rapporter
- ressurs
- Ressurser
- avkastning
- inntekter
- ikke sant
- Risiko
- risikoer
- Rolle
- Kjør
- sagemaker
- salg
- samme
- Spar
- scenarier
- sømløst
- Søk
- Sekund
- Seksjon
- seksjoner
- se
- synes
- send
- senior
- sendt
- Serien
- betjene
- tjeneste
- Tjenester
- sett
- Del
- delt
- deling
- ark
- bør
- Vis
- Viser
- Slå
- side
- undertegne
- Enkelt
- enkelt
- So
- løsning
- Solutions
- LØSE
- noen
- kilde
- utgifter
- interessenter
- Begynn
- startet
- Uttalelse
- status
- Steps
- Strategisk
- studio
- vellykket
- slik
- Støttes
- tar
- Target
- lag
- lag
- Teknisk
- Technologies
- Teknologi
- titus
- Testing
- Takk
- Det
- De
- verden
- deres
- Dem
- deretter
- Der.
- Disse
- de
- denne
- tusener
- tre
- Gjennom
- tid
- Tidsserier
- til
- verktøy
- Totalt
- Tog
- trent
- Kurs
- Trender
- prøve
- typen
- etter
- forstå
- bruke
- Bruker
- brukervennlig
- Brukere
- ved hjelp av
- vanligvis
- validering
- verdi
- Verdier
- ulike
- versjon
- vertikal
- Se
- visualisering
- visuelle
- var
- we
- web
- webtjenester
- Nettsted
- velkommen
- VI VIL
- når
- hvilken
- mens
- HVEM
- vil
- med
- innenfor
- uten
- Arbeid
- virker
- verden
- skrive
- skriving
- Du
- Din
- zephyrnet