Włącz inteligentne podejmowanie decyzji dzięki Amazon SageMaker Canvas i Amazon QuickSight

Każda firma, niezależnie od wielkości, chce dostarczać swoim klientom najlepsze produkty i usługi. Aby to osiągnąć, firmy chcą zrozumieć trendy branżowe i zachowania klientów oraz rutynowo optymalizować procesy wewnętrzne i analizy danych. To kluczowy element sukcesu firmy.

Bardzo ważna część roli analityka obejmuje wizualizację wskaźników biznesowych (takich jak przychody ze sprzedaży) i przewidywanie przyszłych zdarzeń (takich jak wzrost popytu) w celu podejmowania decyzji biznesowych opartych na danych. Aby podejść do tego pierwszego wyzwania, możesz użyć Amazon QuickSight, usługa Business Intelligence (BI) w skali chmury, która zapewnia łatwe do zrozumienia informacje i daje decydentom możliwość eksplorowania i interpretowania informacji w interaktywnym środowisku wizualnym. Do drugiego zadania możesz użyć Płótno Amazon SageMaker, usługa w chmurze, która rozszerza dostęp do uczenia maszynowego (ML), zapewniając analitykom biznesowym wizualny interfejs typu „wskaż i kliknij”, który umożliwia samodzielne generowanie dokładnych prognoz ML.

Analizując te wskaźniki, analitycy biznesowi często identyfikują wzorce zachowań klientów, aby określić, czy firma ryzykuje utratę klienta. Ten problem nazywa się odpływ klientów, a modele ML mają udokumentowaną historię przewidywania takich klientów z dużą dokładnością (na przykład zobacz Rozwiązania AI Eluli pomagają bankom poprawić retencję klientów).

Budowanie modeli ML może być skomplikowanym procesem, ponieważ wymaga zespołu ekspertów do zarządzania przygotowaniem danych i uczeniem modeli ML. Jednak dzięki Canvas możesz to zrobić bez specjalnej wiedzy i bez linijek kodu. Aby uzyskać więcej informacji, sprawdź Przewiduj odejścia klientów dzięki uczeniu maszynowemu bez kodu, korzystając z Amazon SageMaker Canvas.

W tym poście pokazujemy, jak wizualizować prognozy generowane z Canvas na pulpicie nawigacyjnym QuickSight, umożliwiając inteligentne podejmowanie decyzji za pośrednictwem ML.

Przegląd rozwiązania

W poście Przewiduj odejścia klientów dzięki uczeniu maszynowemu bez kodu, korzystając z Amazon SageMaker Canvas, objęliśmy rolę analityka biznesowego w dziale marketingu operatora telefonii komórkowej i z sukcesem stworzyliśmy model ML do identyfikacji klientów z potencjalnym ryzykiem churnu. Dzięki prognozom wygenerowanym przez nasz model chcemy teraz dokonać analizy potencjalnego wyniku finansowego, aby podejmować oparte na danych decyzje biznesowe dotyczące potencjalnych promocji dla tych klientów i regionów.

Architekturę, która pomoże nam to osiągnąć, przedstawia poniższy diagram.

Kroki przepływu pracy są następujące:

1. Prześlij do Canvas nowy zbiór danych z obecną populacją klientów.
2. Uruchom prognozę zbiorczą i pobierz wyniki.
3. Prześlij pliki do QuickSight, aby tworzyć lub aktualizować wizualizacje.

Możesz wykonać te czynności w kanwie bez pisania ani jednego wiersza kodu. Aby uzyskać pełną listę obsługiwanych źródeł danych, zobacz Importowanie danych do Amazon SageMaker Canvas.

Wymagania wstępne

W tym przewodniku upewnij się, że spełnione są następujące wymagania wstępne:

Użyj modelu rezygnacji klientów

Po spełnieniu wymagań wstępnych powinieneś mieć model przeszkolony na danych historycznych w kanwie, gotowy do użycia z nowymi danymi klientów w celu przewidywania rezygnacji klientów, którego możesz następnie użyć w QuickSight.

1. Utwórz nowy plik churn-no-labels.csv losowo wybierając 1,500 wierszy z oryginalnego zbioru danych zmiana.csv i usunięcie Churn? Kolumna.

Używamy tego nowego zestawu danych do generowania prognoz.

Kolejne kroki wykonujemy w Canvas. Możesz otworzyć Canvas za pomocą Konsola zarządzania AWSlub za pośrednictwem aplikacji SSO udostępnionej przez administratora chmury. Jeśli nie wiesz, jak uzyskać dostęp do Canvas, zapoznaj się z Rozpoczęcie korzystania z Amazon SageMaker Canvas.

2. W konsoli Canvas wybierz Zbiory danych w okienku nawigacji.
3. Dodaj import.

4. Dodaj Prześlij i wybierz churn-no-labels.csv utworzony przez Ciebie plik.
5. Dodaj Importuj daty.

Czas procesu importu danych zależy od rozmiaru pliku. W naszym przypadku powinno to być około 10 sekund. Po zakończeniu widzimy, że zbiór danych jest w Ready stan.

6. Aby wyświetlić podgląd pierwszych 100 wierszy zbioru danych, wybierz menu opcji (trzy kropki) i wybierz Podgląd.

7. Dodaj modele w okienku nawigacji, a następnie wybierz model rezygnacji, który został utworzony w ramach wymagań wstępnych.

8. Na Przewiduj kartę, wybierz Wybierz zbiór danych.

9. Wybierz churn-no-labels.csv zbiór danych, a następnie wybierz Generuj prognozy.

Czas wnioskowania zależy od złożoności modelu i rozmiaru zbioru danych; w naszym przypadku zajmuje to około 10 sekund. Po zakończeniu pracy zmienia status na Gotowe i możemy pobrać wyniki.

10. Wybierz menu opcji (trzy kropki), Do pobrania, Pobierz wszystkie wartości.

Opcjonalnie możemy rzucić okiem na wybrane wyniki Podgląd. Pierwsze dwie kolumny to prognozy z modelu.

Z powodzeniem wykorzystaliśmy nasz model do przewidywania ryzyka rezygnacji dla naszej obecnej populacji klientów. Teraz jesteśmy gotowi do wizualizacji wskaźników biznesowych na podstawie naszych prognoz.

Importuj dane do QuickSight

Jak wspomnieliśmy wcześniej, analitycy biznesowi wymagają wizualizacji prognoz wraz ze wskaźnikami biznesowymi w celu podejmowania decyzji biznesowych opartych na danych. W tym celu używamy QuickSight, który zapewnia łatwe do zrozumienia spostrzeżenia i daje decydentom możliwość eksploracji i interpretacji informacji w interaktywnym środowisku wizualnym. Dzięki QuickSight możemy w ciągu kilku sekund tworzyć wizualizacje, takie jak wykresy i wykresy, za pomocą prostego interfejsu typu „przeciągnij i upuść”. W tym poście budujemy kilka wizualizacji, aby lepiej zrozumieć ryzyka biznesowe i jak możemy nimi zarządzać, np. gdzie powinniśmy uruchamiać nowe kampanie marketingowe.

Aby rozpocząć, wykonaj następujące czynności:

1. W konsoli QuickSight wybierz Zbiory danych w okienku nawigacji.
2. Dodaj Nowy zestaw danych.

QuickSight obsługuje wiele źródeł danych. W tym poście używamy lokalnego pliku, który wcześniej wygenerowaliśmy w Canvas, jako naszych danych źródłowych.

3. Dodaj Prześlij plik.

4. Wybierz ostatnio pobrany plik z prognozami.

QuickSight przesyła i analizuje plik.

5. Sprawdź, czy w podglądzie wszystko jest zgodne z oczekiwaniami, a następnie wybierz Następna.

6. Dodaj Wyobrażać sobie.

Dane zostały pomyślnie zaimportowane i jesteśmy gotowi do ich analizy.

Utwórz pulpit nawigacyjny ze wskaźnikami biznesowymi prognoz rezygnacji

Czas przeanalizować nasze dane i stworzyć przejrzysty i łatwy w użyciu pulpit nawigacyjny, który podsumowuje wszystkie informacje niezbędne do podejmowania decyzji biznesowych opartych na danych. Tego typu dashboard jest ważnym narzędziem w arsenale analityków biznesowych.

Poniżej znajduje się przykładowy pulpit nawigacyjny, który może pomóc w identyfikacji ryzyka odejścia klientów i podejmowaniu działań w związku z nim.

Na tym panelu wizualizujemy kilka ważnych wskaźników biznesowych:

• Klienci prawdopodobnie odejdą – Lewy wykres pierścieniowy przedstawia liczbę i procent użytkowników powyżej 50% ryzyka odejścia. Ta tabela pomaga nam szybko zrozumieć rozmiar potencjalnego problemu.
• Potencjalna utrata przychodów – Górny środkowy wykres pierścieniowy przedstawia wielkość utraty przychodów przez użytkowników powyżej 50% ryzyka odejścia. Ten wykres pomaga nam szybko zrozumieć wielkość potencjalnej utraty przychodów z powodu rezygnacji. Wykres pokazuje również, że możemy stracić kilku ponadprzeciętnych klientów, ponieważ odsetek potencjalnych utraconych przychodów jest większy niż odsetek użytkowników zagrożonych odejściem.
• Potencjalna utrata przychodów według stanu – Poziomy wykres słupkowy w prawym górnym rogu przedstawia wielkość utraconych przychodów w porównaniu z przychodami od klientów, którzy nie są zagrożeni odejściem. Ta grafika może pomóc nam zrozumieć, który stan jest dla nas najważniejszy z perspektywy kampanii marketingowej.
• Szczegóły dotyczące klientów zagrożonych odejściem – Dolna lewa tabela zawiera szczegółowe informacje o wszystkich naszych klientach. Ta tabela może być pomocna, jeśli chcemy szybko przyjrzeć się szczegółom kilku klientów z ryzykiem rezygnacji i bez niego.

Klienci prawdopodobnie odejdą

Zaczynamy od zbudowania wykresu z klientami narażonymi na ryzyko odejścia.

1. Pod Lista pól, Wybierz Maselnica? atrybutów.

QuickSight automatycznie buduje wizualizację.

Chociaż wykres słupkowy jest powszechną wizualizacją do zrozumienia dystrybucji danych, wolimy używać wykresu pierścieniowego. Możemy zmienić tę wizualizację, zmieniając jej właściwości.

2. Wybierz ikonę wykresu pierścieniowego poniżej Typy wizualne.
3. Wybierz aktualną nazwę (kliknij dwukrotnie) i zmień ją na Klienci prawdopodobnie odejdą.

4. Aby dostosować inne efekty wizualne (usuń legendę, dodaj wartości, zmień rozmiar czcionki), wybierz ikonę ołówka i wprowadź zmiany.

Jak pokazano na poniższym zrzucie ekranu, zwiększyliśmy obszar pączka, a także dodaliśmy dodatkowe informacje na etykietach.

Potencjalna utrata przychodów

Innym ważnym wskaźnikiem, który należy wziąć pod uwagę przy obliczaniu wpływu biznesowego rezygnacji klientów, jest potencjalna utrata przychodów. Jest to ważny wskaźnik, ponieważ pomaga nam zrozumieć wpływ na biznes klientów, którzy nie są zagrożeni odejściem. Na przykład w branży telekomunikacyjnej możemy mieć wielu nieaktywnych klientów, którzy mają wysokie ryzyko odejścia, ale zerowy przychód. Ten wykres może nam pomóc zrozumieć, czy jesteśmy w takiej sytuacji, czy nie. Aby dodać tę metrykę do naszego pulpitu nawigacyjnego, tworzymy niestandardowe pole obliczeniowe, dostarczając wzór matematyczny do obliczania potencjalnej utraty przychodów, a następnie wizualizujemy je jako kolejny wykres pierścieniowy.

1. Na Dodaj menu, wybierz Dodaj pole obliczeniowe.

2. Nazwij pole Łączne opłaty.
3. Wprowadź formułę {Opłata dzienna}+{Opłata dzienna}+{Opłata międzynarodowa}+{Opłata nocna}.
4. Dodaj Zapisz.

5. Na Dodaj menu, wybierz Dodaj grafikę.

6. Pod Typy wizualne, wybierz ikonę wykresu pierścieniowego.
7. Pod Lista pól, przeciągnij Maselnica? do Grupa / kolor.
8. Drag Całkowite opłaty do wartość.
9. Na wartość menu, wybierz Pokaż jako i wybierz Waluta.
10. Wybierz ikonę ołówka, aby dostosować inne efekty wizualne (usuń legendę, dodaj wartości, zmień rozmiar czcionki).

W tej chwili nasz dashboard posiada dwie wizualizacje.

Już teraz możemy zaobserwować, że łącznie możemy stracić 18% (270) klientów, co daje 24% (6,280 USD) przychodów. Przyjrzyjmy się dalej, analizując potencjalną utratę przychodów na poziomie stanowym.

Potencjalna utrata przychodów według stanu

Aby zwizualizować potencjalną utratę przychodów według stanu, dodajmy poziomy wykres słupkowy.

1. Na Dodaj menu, wybierz Dodaj grafikę.

2. Pod Typy wizualne¸ wybierz ikonę poziomego wykresu słupkowego.
3. Pod Lista pólciągnąć Maselnica? do Grupa / kolor.
4. Drag Całkowite opłaty do wartość.
5. Na wartość menu, wybierz Pokaż jako i Waluta.
6. Drag STAGE do oś Y Y.
7. Wybierz ikonę ołówka, aby dostosować inne efekty wizualne (usuń legendę, dodaj wartości, zmień rozmiar czcionki).

8. Możemy również posortować naszą nową wizualizację, wybierając Całkowite opłaty na dole i wybierając Malejąco.

Ta grafika może pomóc nam zrozumieć, który stan jest najważniejszy z perspektywy kampanii marketingowej. Na przykład na Hawajach możemy potencjalnie stracić połowę naszych przychodów (253,000 10 USD), podczas gdy w Waszyngtonie wartość ta jest mniejsza niż 52,000% (XNUMX XNUMX USD). Widzimy też, że w Arizonie ryzykujemy utratę prawie każdego klienta.

Szczegóły dotyczące klientów zagrożonych odejściem

Zbudujmy tabelę ze szczegółami dotyczącymi klientów zagrożonych odejściem.

1. Na Dodaj menu, wybierz Dodaj grafikę.

2. Pod Typy wizualne, wybierz ikonę tabeli.
3. Pod Listy pól, przeciągnij Telefon, Stan, Plan międzynarodowy, Plan Vmail, Maselnica?, Długość konta do Grupuj według.
4. Drag prawdopodobieństwo do wartość.
5. Na wartość menu, wybierz Pokaż jako i Procent.

Dostosuj swój pulpit nawigacyjny

QuickSight oferuje kilka opcji dostosowywania pulpitu nawigacyjnego, takich jak poniższe.

1. Aby dodać nazwę, na Dodaj menu, wybierz Dodaj tytuł.

2. Wpisz tytuł (dla tego posta zmieniamy nazwę naszego pulpitu nawigacyjnego) Analiza rezygnacji).

3. Aby zmienić rozmiar wizualizacji, wybierz prawy dolny róg wykresu i przeciągnij do żądanego rozmiaru.
4. Aby przenieść wizualizację, wybierz górną część wykresu i przeciągnij ją w nowe miejsce.
5. Aby zmienić motyw, wybierz Motywy w okienku nawigacji.
6. Wybierz nowy motyw (na przykład Midnight) i wybierz Aplikuj.

Opublikuj swój pulpit nawigacyjny

Pulpit nawigacyjny to migawka analizy tylko do odczytu, którą można udostępnić innym użytkownikom QuickSight do celów raportowania. Twój pulpit nawigacyjny zachowuje konfigurację analizy w momencie jej opublikowania, w tym takie elementy, jak filtrowanie, parametry, kontrolki i porządek sortowania. Dane używane do analizy nie są przechwytywane jako część pulpitu nawigacyjnego. Gdy przeglądasz pulpit nawigacyjny, odzwierciedla on bieżące dane w zestawach danych używanych w analizie.

Aby opublikować swój panel, wykonaj następujące czynności:

1. Na Share menu, wybierz Opublikuj pulpit nawigacyjny.

2. Wpisz nazwę swojego pulpitu nawigacyjnego.
3. Dodaj Opublikuj pulpit nawigacyjny.

Gratulacje, pomyślnie utworzyłeś pulpit nawigacyjny analizy rezygnacji.

Zaktualizuj swój pulpit za pomocą nowej prognozy

W miarę rozwoju modelu i generowania nowych danych z firmy może być konieczne zaktualizowanie tego pulpitu nawigacyjnego o nowe informacje. Wykonaj następujące kroki:

1. Utwórz nowy plik churn-no-labels-updated.csv losowo wybierając kolejne 1,500 wierszy z oryginalnego zbioru danych zmiana.csv i usunięcie Churn? Kolumna.

Używamy tego nowego zbioru danych do generowania nowych prognoz.

2. Powtórz kroki od Użyj modelu rezygnacji klientów sekcji tego posta, aby uzyskać prognozy dla nowego zestawu danych i pobrać nowy plik.
3. W konsoli QuickSight wybierz Zbiory danych w okienku nawigacji.
4. Wybierz utworzony przez nas zbiór danych.

5. Dodaj Edytuj zbiór danych.

6. Z menu rozwijanego wybierz Aktualizować plik.

7. Dodaj Dodaj plik.

8. Wybierz ostatnio pobrany plik z prognozami.
9. Przejrzyj podgląd, a następnie wybierz Potwierdź aktualizację pliku.

Po wyświetleniu komunikatu „Plik zaktualizowano pomyślnie” widzimy, że nazwa pliku również się zmieniła.

10. Dodaj Zapisz i opublikuj.

11. Gdy pojawi się komunikat „Zapisano i opublikowano pomyślnie”, możesz wrócić do menu głównego, wybierając logo QuickSight w lewym górnym rogu.

12. Dodaj Pulpity w panelu nawigacyjnym i wybierz wcześniej utworzony dashboard.

Powinieneś zobaczyć swój pulpit nawigacyjny ze zaktualizowanymi wartościami.

Właśnie zaktualizowaliśmy nasz pulpit nawigacyjny QuickSight o najnowsze prognozy z Canvas.

Sprzątać

Aby uniknąć przyszłych opłat, wyloguj się z Canvas.

Wnioski

W tym poście wykorzystaliśmy model ML z Canvas do przewidywania klientów zagrożonych odejściem i zbudowaliśmy pulpit nawigacyjny z wnikliwymi wizualizacjami, które pomogą nam podejmować decyzje biznesowe oparte na danych. Zrobiliśmy to bez pisania nawet jednej linijki kodu dzięki przyjaznym interfejsom i przejrzystym wizualizacjom. Dzięki temu analitycy biznesowi mogą elastycznie budować modele ML oraz przeprowadzać analizy i uzyskiwać szczegółowe informacje w pełnej autonomii od zespołów zajmujących się analizą danych.

Aby dowiedzieć się więcej o korzystaniu z Canvas, zobacz Buduj, udostępniaj, wdrażaj: jak analitycy biznesowi i analitycy danych osiągają szybszy czas wprowadzania produktów na rynek, korzystając z bezkodowej ML i Amazon SageMaker Canvas. Aby uzyskać więcej informacji na temat tworzenia modeli ML za pomocą rozwiązania bez kodu, zobacz Przedstawiamy Amazon SageMaker Canvas — wizualną możliwość uczenia maszynowego bez kodu dla analityków biznesowych. Aby dowiedzieć się więcej o najnowszych funkcjach QuickSight i najlepszych praktykach, zobacz Blog AWS Big Data.

---

O autorze

Aleksandr Patruszew jest architektem rozwiązań AI/ML Specialist Solutions w AWS z siedzibą w Luksemburgu. Pasjonuje się chmurą i uczeniem maszynowym oraz sposobem, w jaki mogą zmienić świat. Poza pracą lubi wędrować, uprawiać sport i spędzać czas z rodziną.

Davide Gallitelli jest Specjalistą Architektem Rozwiązań dla AI/ML w regionie EMEA. Ma siedzibę w Brukseli i ściśle współpracuje z klientami w krajach Beneluksu. Jest programistą od najmłodszych lat, zaczął kodować w wieku 7 lat. Zaczął uczyć się AI/ML na uniwersytecie i od tego czasu się w nim zakochał.