Toda empresa, independentemente do seu tamanho, quer entregar os melhores produtos e serviços aos seus clientes. Para conseguir isso, as empresas querem entender as tendências do setor e o comportamento do cliente e otimizar processos internos e análises de dados rotineiramente. Este é um componente crucial para o sucesso de uma empresa.
Uma parte muito importante da função de analista inclui visualização de métricas de negócios (como receita de vendas) e previsão de eventos futuros (como aumento na demanda) para tomar decisões de negócios orientadas por dados. Para abordar este primeiro desafio, você pode usar AmazonQuickSight, um serviço de business intelligence (BI) em escala de nuvem que fornece insights fáceis de entender e dá aos tomadores de decisão a oportunidade de explorar e interpretar informações em um ambiente visual interativo. Para a segunda tarefa, você pode usar Tela do Amazon SageMaker, um serviço de nuvem que expande o acesso ao aprendizado de máquina (ML) fornecendo aos analistas de negócios uma interface visual de apontar e clicar que permite gerar previsões precisas de ML por conta própria.
Ao analisar essas métricas, os analistas de negócios geralmente identificam padrões no comportamento do cliente, a fim de determinar se a empresa corre o risco de perder o cliente. Esse problema é chamado a rotatividade de clientes, e os modelos de ML têm um histórico comprovado de prever esses clientes com alta precisão (por exemplo, consulte As soluções de IA da Elula ajudam os bancos a melhorar a retenção de clientes).
A criação de modelos de ML pode ser um processo complicado porque requer uma equipe de especialistas para gerenciar a preparação de dados e o treinamento do modelo de ML. No entanto, com o Canvas, você pode fazer isso sem nenhum conhecimento especial e com zero linhas de código. Para mais informações, confira Preveja a perda de clientes com aprendizado de máquina sem código usando o Amazon SageMaker Canvas.
Neste post, mostramos como visualizar as previsões geradas a partir do Canvas em um painel QuickSight, permitindo a tomada de decisão inteligente via ML.
Visão geral da solução
No post Preveja a perda de clientes com aprendizado de máquina sem código usando o Amazon SageMaker Canvas, assumimos a função de analista de negócios no departamento de marketing de uma operadora de telefonia móvel e criamos com sucesso um modelo de ML para identificar clientes com potencial risco de churn. Graças às previsões geradas pelo nosso modelo, agora queremos fazer uma análise de um possível resultado financeiro para tomar decisões de negócios baseadas em dados sobre possíveis promoções para esses clientes e regiões.
A arquitetura que nos ajudará a conseguir isso é mostrada no diagrama a seguir.
As etapas do fluxo de trabalho são as seguintes:
- Carregue um novo conjunto de dados com a população de clientes atual no Canvas.
- Execute uma previsão em lote e baixe os resultados.
- Carregue os arquivos no QuickSight para criar ou atualizar visualizações.
Você pode executar essas etapas no Canvas sem escrever uma única linha de código. Para obter a lista completa de fontes de dados compatíveis, consulte Importando dados no Amazon SageMaker Canvas.
Pré-requisitos
Para este passo a passo, certifique-se de que os seguintes pré-requisitos sejam atendidos:
Use o modelo de rotatividade de clientes
Depois de concluir os pré-requisitos, você deve ter um modelo treinado em dados históricos no Canvas, pronto para ser usado com novos dados de clientes para prever a perda de clientes, que você pode usar no QuickSight.
- Crie um novo arquivo
churn-no-labels.csv
selecionando aleatoriamente 1,500 linhas do conjunto de dados original rotatividade.csv e removendo oChurn?
coluna.
Usamos esse novo conjunto de dados para gerar previsões.
Concluímos as próximas etapas no Canvas. Você pode abrir o Canvas através do Console de gerenciamento da AWS, ou por meio do aplicativo SSO fornecido pelo administrador da nuvem. Se você não tiver certeza de como acessar o Canvas, consulte Introdução ao uso do Amazon SageMaker Canvas.
- No console do Canvas, escolha Conjuntos de dados no painel de navegação.
- Escolha importação.
- Escolha Escolher arquivo e escolha o
churn-no-labels.csv
arquivo que você criou. - Escolha Datas de importação.
O tempo do processo de importação de dados depende do tamanho do arquivo. No nosso caso, deve ser em torno de 10 segundos. Quando estiver concluído, podemos ver que o conjunto de dados está em Ready
estado.
- Para visualizar as primeiras 100 linhas do conjunto de dados, escolha o menu de opções (três pontos) e escolha visualização.
- Escolha Modelos no painel de navegação e escolha o modelo de rotatividade que você criou como parte dos pré-requisitos.
- No Prever guia, escolha Selecione o conjunto de dados.
- Selecione os
churn-no-labels.csv
conjunto de dados e, em seguida, escolha Gerar previsões.
O tempo de inferência depende da complexidade do modelo e do tamanho do conjunto de dados; no nosso caso, demora cerca de 10 segundos. Quando o trabalho é concluído, ele muda seu status para Pronto e podemos baixar os resultados.
- Escolha o menu de opções (três pontos), Baixar e Baixe todos os valores.
Opcionalmente, podemos dar uma olhada rápida nos resultados escolhendo visualização. As duas primeiras colunas são previsões do modelo.
Usamos com sucesso nosso modelo para prever o risco de churn para nossa população atual de clientes. Agora estamos prontos para visualizar as métricas de negócios com base em nossas previsões.
Importar dados para o QuickSight
Conforme discutimos anteriormente, os analistas de negócios exigem que as previsões sejam visualizadas junto com as métricas de negócios para tomar decisões de negócios orientadas por dados. Para isso, usamos o QuickSight, que fornece insights fáceis de entender e dá aos tomadores de decisão a oportunidade de explorar e interpretar informações em um ambiente visual interativo. Com o QuickSight, podemos criar visualizações como gráficos e tabelas em segundos com uma interface simples de arrastar e soltar. Neste post, construímos várias visualizações para entender melhor os riscos do negócio e como podemos gerenciá-los, como onde devemos lançar novas campanhas de marketing.
Para começar, conclua as seguintes etapas:
- No console QuickSight, escolha Conjuntos de dados no painel de navegação.
- Escolha Novo conjunto de dados.
O QuickSight oferece suporte a muitas fontes de dados. Neste post, usamos um arquivo local, aquele que geramos anteriormente no Canvas, como nossos dados de origem.
- Escolha Enviar um arquivo.
- Escolha o arquivo baixado recentemente com previsões.
O QuickSight carrega e analisa o arquivo.
- Verifique se tudo está conforme o esperado na visualização e escolha Próximo.
- Escolha Visualizar.
Os dados foram importados com sucesso e estamos prontos para analisá-los.
Crie um painel com métricas de negócios de previsões de churn
É hora de analisar nossos dados e criar um painel claro e fácil de usar que recapitule todas as informações necessárias para decisões de negócios orientadas por dados. Esse tipo de dashboard é uma ferramenta importante no arsenal de um analista de negócios.
Veja a seguir um painel de exemplo que pode ajudar a identificar e agir sobre o risco de perda de clientes.
Neste dashboard, visualizamos várias métricas de negócios importantes:
- Clientes propensos a churn – O gráfico de rosca à esquerda representa o número e a porcentagem de usuários com mais de 50% de risco de desligamento. Este gráfico nos ajuda a entender rapidamente o tamanho de um problema em potencial.
- Potencial perda de receita – O gráfico de rosca do meio superior representa a quantidade de perda de receita dos usuários com mais de 50% de risco de desligamento. Este gráfico nos ajuda a entender rapidamente o tamanho da possível perda de receita por rotatividade. O gráfico também mostra que podemos perder vários clientes acima da média como uma porcentagem da receita potencial perdida que é maior do que a porcentagem de usuários em risco de desligamento.
- Perda potencial de receita por estado – O gráfico de barras horizontais superior direito representa o tamanho da receita perdida versus a receita de clientes que não correm risco de desligamento. Esse visual pode nos ajudar a entender qual estado é o mais importante para nós do ponto de vista da campanha de marketing.
- Detalhes sobre clientes em risco de churning – A tabela inferior esquerda contém detalhes sobre todos os nossos clientes. Esta tabela pode ser útil se quisermos examinar rapidamente os detalhes de vários clientes com e sem risco de churn.
Clientes propensos a churn
Começamos construindo um gráfico com clientes em risco de churning.
- Debaixo Lista de campos, escolha o Agitação? atributo.
O QuickSight cria automaticamente uma visualização.
Embora o gráfico de barras seja uma visualização comum para entender a distribuição de dados, preferimos usar um gráfico de rosca. Podemos alterar esse visual alterando suas propriedades.
- Escolha o ícone do gráfico de rosca em Tipos visuais.
- Escolha o nome atual (clique duas vezes) e altere-o para Clientes propensos a churn.
- Para personalizar outros efeitos visuais (remover legenda, adicionar valores, alterar o tamanho da fonte), escolha o ícone de lápis e faça suas alterações.
Conforme mostrado na captura de tela a seguir, aumentamos a área do donut, além de adicionar algumas informações extras nos rótulos.
Potencial perda de receita
Outra métrica importante a ser considerada ao calcular o impacto nos negócios da perda de clientes é a potencial perda de receita. Essa é uma métrica importante porque nos ajuda a entender o impacto nos negócios de clientes que não correm risco de churning. No setor de telecomunicações, por exemplo, poderíamos ter muitos clientes inativos com alto risco de churn e receita zero. Este gráfico pode nos ajudar a entender se estamos em tal situação ou não. Para adicionar essa métrica ao nosso painel, criamos um campo calculado personalizado fornecendo a fórmula matemática para calcular a perda potencial de receita e, em seguida, visualizamos como outro gráfico de rosca.
- No Adicionar menu, escolha Adicionar campo calculado.
- Dê um nome ao campo Total de encargos.
- Insira a fórmula {Day Charge}+{Eve Charge}+{Intl Charge}+{Night Charge}.
- Escolha Salvar.
- No Adicionar menu, escolha Adicionar visual.
- Debaixo Tipos visuais, escolha o ícone do gráfico de rosca.
- Debaixo Lista de campos, arraste Agitação? para Grupo / Cor.
- Arraste Custos totais para Valor.
- No Valor menu, escolha Mostrar como e escolha Moeda.
- Escolha o ícone de lápis para personalizar outros efeitos visuais (remover legenda, adicionar valores, alterar o tamanho da fonte).
Neste momento, nosso painel possui duas visualizações.
Já podemos observar que no total poderíamos perder 18% (270) clientes, o que equivale a 24% (US$ 6,280) em receita. Vamos explorar mais analisando a possível perda de receita no nível estadual.
Perda potencial de receita por estado
Para visualizar a possível perda de receita por estado, vamos adicionar um gráfico de barras horizontal.
- No Adicionar menu, escolha Adicionar visual.
- Debaixo Tipos visuais¸ escolha o ícone do gráfico de barras horizontais.
- Debaixo Lista de camposarrastar Agitação? para Grupo / Cor.
- Arraste Custos totais para Valor.
- No Valor menu, escolha Mostrar como e Moeda.
- Arraste Etapa para Eixo Y.
- Escolha o ícone de lápis para personalizar outros efeitos visuais (remover legenda, adicionar valores, alterar o tamanho da fonte).
- Também podemos classificar nosso novo visual escolhendo Custos totais na parte inferior e escolhendo Descendente.
Esse visual pode nos ajudar a entender qual estado é o mais importante do ponto de vista da campanha de marketing. Por exemplo, no Havaí, poderíamos perder metade de nossa receita (US$ 253,000), enquanto em Washington esse valor é inferior a 10% (US$ 52,000). Também podemos ver que no Arizona corremos o risco de perder quase todos os clientes.
Detalhes sobre clientes em risco de churning
Vamos construir uma tabela com detalhes sobre clientes em risco de churning.
- No Adicionar menu, escolha Adicionar visual.
- Debaixo Tipos visuais, escolha o ícone da mesa.
- Debaixo Listas de campos, arraste Telefone, Estado, Plano Internacional, Plano Vmail, Agitação? e Comprimento da conta para Agrupar por.
- Arraste probabilidade para Valor.
- No Valor menu, escolha Mostrar como e Por cento.
Personalize seu painel
O QuickSight oferece várias opções para personalizar seu painel, como as seguintes.
- Para adicionar um nome, no Adicionar menu, escolha Adicionar título.
- Insira um título (para esta postagem, renomeamos nosso painel Análise de rotatividade).
- Para redimensionar seus visuais, escolha o canto inferior direito do gráfico e arraste para o tamanho desejado.
- Para mover um visual, escolha o centro superior do gráfico e arraste-o para um novo local.
- Para mudar o tema, escolha Temas no painel de navegação.
- Escolha seu novo tema (por exemplo, Meia-noite) e escolha Aplicar.
Publique seu painel
Um painel é um instantâneo somente leitura de uma análise que você pode compartilhar com outros usuários do QuickSight para fins de relatório. Seu painel preserva a configuração da análise no momento em que você a publica, incluindo itens como filtragem, parâmetros, controles e ordem de classificação. Os dados usados para a análise não são capturados como parte do painel. Quando você visualiza o painel, ele reflete os dados atuais nos conjuntos de dados usados pela análise.
Para publicar seu painel, conclua as seguintes etapas:
- No Partilhar menu, escolha Publicar painel.
- Insira um nome para seu painel.
- Escolha Publicar painel.
Parabéns, você criou com sucesso um painel de análise de rotatividade.
Atualize seu painel com uma nova previsão
À medida que o modelo evolui e geramos novos dados do negócio, podemos precisar atualizar esse painel com novas informações. Conclua as seguintes etapas:
- Crie um novo arquivo
churn-no-labels-updated.csv
selecionando aleatoriamente outras 1,500 linhas do conjunto de dados original rotatividade.csv e removendo oChurn?
coluna.
Usamos esse novo conjunto de dados para gerar novas previsões.
- Repita os passos do Use o modelo de rotatividade de clientes desta postagem para obter previsões para o novo conjunto de dados e baixar o novo arquivo.
- No console QuickSight, escolha Conjuntos de dados no painel de navegação.
- Escolha o conjunto de dados que criamos.
- Escolha Editar conjunto de dados.
- No menu suspenso, escolha Atualizar arquivo.
- Escolha Enviar Arquivo.
- Escolha o arquivo baixado recentemente com as previsões.
- Revise a visualização e escolha Confirmar atualização do arquivo.
Após a mensagem “Arquivo atualizado com sucesso” aparecer, podemos ver que o nome do arquivo também mudou.
- Escolha Salvar e publicar.
- Quando a mensagem “Salvo e publicado com sucesso” aparecer, você pode voltar ao menu principal escolhendo o logotipo do QuickSight no canto superior esquerdo.
- Escolha Dashboards no painel de navegação e escolha o painel que criamos antes.
Você deve ver seu painel com os valores atualizados.
Acabamos de atualizar nosso painel do QuickSight com as previsões mais recentes do Canvas.
limpar
Para evitar cobranças futuras, sair do Canvas.
Conclusão
Neste post, usamos um modelo de ML do Canvas para prever clientes em risco de desligamento e criamos um painel com visualizações perspicazes para nos ajudar a tomar decisões de negócios baseadas em dados. Fizemos isso sem escrever uma única linha de código graças a interfaces amigáveis e visualizações claras. Isso permite que os analistas de negócios sejam ágeis na construção de modelos de ML e realizem análises e extraiam insights com total autonomia das equipes de ciência de dados.
Para saber mais sobre como usar o Canvas, consulte Crie, compartilhe, implante: como analistas de negócios e cientistas de dados alcançam um time-to-market mais rápido usando ML sem código e Amazon SageMaker Canvas. Para obter mais informações sobre como criar modelos de ML com uma solução sem código, consulte Anunciando o Amazon SageMaker Canvas – um recurso de aprendizado de máquina visual e sem código para analistas de negócios. Para saber mais sobre os recursos e práticas recomendadas mais recentes do QuickSight, consulte Blog de Big Data da AWS.
Sobre o autor
Aleksandr Patrushev é arquiteto de soluções especialista em IA/ML na AWS, com sede em Luxemburgo. Ele é apaixonado pela nuvem e pelo aprendizado de máquina e pela maneira como eles podem mudar o mundo. Fora do trabalho, ele gosta de fazer caminhadas, praticar esportes e passar tempo com a família.
Davide Gallitelli é um Arquiteto de Soluções Especialista para AI/ML na região EMEA. Ele está baseado em Bruxelas e trabalha em estreita colaboração com clientes em todo o Benelux. Ele é desenvolvedor desde muito jovem, começando a codificar aos 7 anos de idade. Ele começou a aprender IA/ML na universidade e se apaixonou por isso desde então.
- AI
- arte ai
- gerador de arte ai
- ai robô
- AmazonQuickSight
- Amazon Sage Maker
- Tela do Amazon SageMaker
- analítica
- inteligência artificial
- certificação de inteligência artificial
- inteligência artificial em bancos
- robô de inteligência artificial
- robôs de inteligência artificial
- software de inteligência artificial
- Aprendizado de máquina da AWS
- blockchain
- conferência blockchain ai
- Coingenius
- inteligência artificial conversacional
- conferência de criptografia ai
- dall's
- deep learning
- google ai
- aprendizado de máquina
- platão
- platão ai
- Inteligência de Dados Platão
- Jogo de Platão
- PlatãoData
- jogo de platô
- escala ai
- sintaxe
- Instruções Técnicas
- zefirnet