Activați luarea deciziilor inteligente cu Amazon SageMaker Canvas și Amazon QuickSight

Fiecare companie, indiferent de dimensiunea sa, dorește să livreze clienților săi cele mai bune produse și servicii. Pentru a realiza acest lucru, companiile doresc să înțeleagă tendințele din industrie și comportamentul clienților și să optimizeze procesele interne și analizele de date în mod obișnuit. Aceasta este o componentă crucială a succesului unei companii.

O parte foarte importantă a rolului de analist include vizualizarea valorilor de afaceri (cum ar fi veniturile din vânzări) și predicția evenimentelor viitoare (cum ar fi creșterea cererii) pentru a lua decizii de afaceri bazate pe date. Pentru a aborda această primă provocare, puteți folosi Amazon QuickSight, un serviciu de business intelligence (BI) la scară cloud care oferă perspective ușor de înțeles și oferă factorilor de decizie oportunitatea de a explora și interpreta informațiile într-un mediu vizual interactiv. Pentru a doua sarcină, puteți utiliza Amazon SageMaker Canvas, un serviciu cloud care extinde accesul la învățarea automată (ML), oferind analiștilor de afaceri o interfață vizuală punct-and-click care vă permite să generați singur previziuni precise ML.

Când se uită la aceste valori, analiștii de afaceri identifică adesea modele în comportamentul clienților, pentru a determina dacă compania riscă să-și piardă clientul. Această problemă se numește churn client, iar modelele ML au un istoric dovedit de a prezice astfel de clienți cu o precizie ridicată (de exemplu, consultați Soluțiile AI Elula ajută băncile să îmbunătățească reținerea clienților).

Construirea modelelor ML poate fi un proces dificil, deoarece necesită o echipă de experți care să gestioneze pregătirea datelor și instruirea modelului ML. Cu toate acestea, cu Canvas, puteți face asta fără cunoștințe speciale și cu zero linii de cod. Pentru mai multe informații, verificați Prevedeți ratarea clienților cu învățarea automată fără cod folosind Amazon SageMaker Canvas.

În această postare, vă arătăm cum să vizualizați predicțiile generate de Canvas într-un tablou de bord QuickSight, permițând luarea deciziilor inteligente prin ML.

Prezentare generală a soluției

În postare Prevedeți ratarea clienților cu învățarea automată fără cod folosind Amazon SageMaker Canvas, ne-am asumat rolul de analist de afaceri în departamentul de marketing al unui operator de telefonie mobilă și am creat cu succes un model ML pentru a identifica clienții cu potențial risc de abandon. Datorită predicțiilor generate de modelul nostru, acum dorim să facem o analiză a unui potențial rezultat financiar pentru a lua decizii de afaceri bazate pe date cu privire la potențialele promoții pentru acești clienți și regiuni.

Arhitectura care ne va ajuta să realizăm acest lucru este prezentată în diagrama următoare.

Pașii fluxului de lucru sunt următorii:

1. Încărcați un nou set de date cu populația actuală de clienți în Canvas.
2. Rulați o predicție pe lot și descărcați rezultatele.
3. Încărcați fișierele în QuickSight pentru a crea sau actualiza vizualizări.

Puteți efectua acești pași în Canvas fără a scrie o singură linie de cod. Pentru lista completă a surselor de date acceptate, consultați Importarea datelor în Amazon SageMaker Canvas.

Cerințe preliminare

Pentru această explicație, asigurați-vă că sunt îndeplinite următoarele cerințe preliminare:

Utilizați modelul de retragere a clienților

După ce completați cerințele preliminare, ar trebui să aveți un model instruit pe datele istorice în Canvas, gata să fie utilizat cu date noi despre clienți pentru a prezice rata de pierdere a clienților, pe care apoi să îl puteți utiliza în QuickSight.

1. Creați un fișier nou churn-no-labels.csv prin selectarea aleatorie a 1,500 de linii din setul de date original churn.csv și îndepărtarea Churn? coloana.

Folosim acest nou set de date pentru a genera predicții.

Finalizăm următorii pași în Canvas. Puteți deschide Canvas prin intermediul Consola de administrare AWS, sau prin aplicația SSO furnizată de administratorul dvs. cloud. Dacă nu sunteți sigur cum să accesați Canvas, consultați Începeți cu utilizarea Amazon SageMaker Canvas.

2. Pe consola Canvas, alegeți Datasets în panoul de navigare.
3. Alege Import.

4. Alege Încărcați și alegeți churn-no-labels.csv fișierul pe care l-ați creat.
5. Alege Date de import.

Timpul procesului de import al datelor depinde de dimensiunea fișierului. În cazul nostru, ar trebui să fie în jur de 10 secunde. Când este complet, putem vedea că setul de date este în Ready stare.

6. Pentru a previzualiza primele 100 de rânduri ale setului de date, alegeți meniul de opțiuni (trei puncte) și alegeți Anunţ.

7. Alege modele în panoul de navigare, apoi alegeți modelul de abandon pe care l-ați creat ca parte a cerințelor preliminare.

8. Pe prezice fila, alegeți Selectați setul de date.

9. selectaţi churn-no-labels.csv set de date, apoi alegeți Generați predicții.

Timpul de inferență depinde de complexitatea modelului și de dimensiunea setului de date; în cazul nostru, durează aproximativ 10 secunde. Când lucrarea este terminată, își schimbă starea în Gata și putem descărca rezultatele.

10. Alegeți meniul de opțiuni (trei puncte), Descarcă, și Descărcați toate valorile.

Opțional, putem arunca o privire rapidă asupra rezultatelor alegând Anunţ. Primele două coloane sunt predicții din model.

Am folosit cu succes modelul nostru pentru a estima riscul de pierdere pentru populația actuală de clienți. Acum suntem gata să vizualizăm valorile de afaceri pe baza predicțiilor noastre.

Importați date în QuickSight

După cum am discutat anterior, analiștii de afaceri necesită vizualizarea previziunilor împreună cu valorile de afaceri pentru a lua decizii de afaceri bazate pe date. Pentru a face acest lucru, folosim QuickSight, care oferă perspective ușor de înțeles și oferă factorilor de decizie oportunitatea de a explora și interpreta informațiile într-un mediu vizual interactiv. Cu QuickSight, putem construi vizualizări precum grafice și diagrame în câteva secunde cu o interfață simplă de tip drag-and-drop. În această postare, construim mai multe vizualizări pentru a înțelege mai bine riscurile de afaceri și cum le-am putea gestiona, cum ar fi unde ar trebui să lansăm noi campanii de marketing.

Pentru a începe, parcurgeți următorii pași:

1. Pe consola QuickSight, alegeți Datasets în panoul de navigare.
2. Alege Set de date nou.

QuickSight acceptă multe surse de date. În această postare, folosim un fișier local, cel pe care l-am generat anterior în Canvas, ca date sursă.

3. Alege Incarca un fisier.

4. Alegeți fișierul descărcat recent cu predicții.

QuickSight încarcă și analizează fișierul.

5. Verificați dacă totul este așa cum vă așteptați în previzualizare, apoi alegeți Pagina Următoare →.

6. Alege imagina.

Datele sunt acum importate cu succes și suntem gata să le analizăm.

Creați un tablou de bord cu valori de afaceri ale previziunilor de abandon

Este timpul să ne analizăm datele și să facem un tablou de bord clar și ușor de utilizat, care recapitulează toate informațiile necesare pentru deciziile de afaceri bazate pe date. Acest tip de tablou de bord este un instrument important în arsenalul analiștilor de afaceri.

Următorul este un exemplu de tablou de bord care poate ajuta la identificarea și acționa asupra riscului de retragere a clienților.

Pe acest tablou de bord, vizualizăm mai multe valori de afaceri importante:

• Clienții susceptibili de a se retrage – Diagrama de gogoașă din stânga reprezintă numărul și procentul de utilizatori cu un risc de peste 50% de agitare. Acest grafic ne ajută să înțelegem rapid dimensiunea unei probleme potențiale.
• Pierdere potențială de venituri – Graficul cu gogoși din mijlocul de sus reprezintă cantitatea de pierdere a veniturilor de la utilizatori cu un risc de peste 50% de a se pierde. Acest grafic ne ajută să înțelegem rapid dimensiunea potențialei pierderi de venit din cauza abandonului. Graficul arată, de asemenea, că am putea pierde câțiva clienți peste medie, deoarece un procent din veniturile potențiale pierdute este mai mare decât procentul de utilizatori expuși riscului de a se pierde.
• Pierderi potențiale de venituri de către stat – Diagrama cu bare orizontale din dreapta sus reprezintă dimensiunea veniturilor pierdute în comparație cu veniturile de la clienții care nu sunt expuși riscului de a se pierde. Acest vizual ne-ar putea ajuta să înțelegem care stare este cea mai importantă pentru noi din perspectiva campaniei de marketing.
• Detalii despre clienții expuși riscului de agitare – Tabelul din stânga jos conține detalii despre toți clienții noștri. Acest tabel ar putea fi util dacă dorim să analizăm rapid detaliile mai multor clienți cu și fără risc de pierdere.

Clienții susceptibili de a se retrage

Începem prin a construi o diagramă cu clienții expuși riscului de a se pierde.

1. În Lista câmpurilor, alege Putinei? atribut.

QuickSight creează automat o vizualizare.

Deși graficul cu bare este o vizualizare obișnuită pentru a înțelege distribuția datelor, preferăm să folosim o diagramă donut. Putem schimba acest vizual modificându-i proprietățile.

2. Alegeți pictograma diagramă gogoși de sub Tipuri vizuale.
3. Alegeți numele curent (fă dublu clic) și schimbați-l în Clienții susceptibili de a se retrage.

4. Pentru a personaliza alte efecte vizuale (eliminați legenda, adăugați valori, modificați dimensiunea fontului), alegeți pictograma creion și efectuați modificările.

După cum se arată în următoarea captură de ecran, am mărit zona gogoșii, precum și am adăugat câteva informații suplimentare în etichete.

Pierdere potențială de venituri

O altă măsură importantă de luat în considerare atunci când se calculează impactul asupra afacerii al retragerii clienților este potențiala pierdere de venituri. Aceasta este o măsură importantă, deoarece ne ajută să înțelegem impactul asupra afacerii de la clienții care nu sunt expuși riscului de schimbare. În industria de telecomunicații, de exemplu, am putea avea mulți clienți inactivi care au un risc mare de pierdere, dar nu venituri. Acest grafic ne poate ajuta să înțelegem dacă ne aflăm sau nu într-o astfel de situație. Pentru a adăuga această măsurătoare la tabloul de bord, creăm un câmp personalizat calculat prin furnizarea formulei matematice pentru calcularea potențialei pierderi de venit, apoi îl vizualizăm ca o altă diagramă donut.

1. Pe Adăuga meniu, alegeți Adăugați câmpul calculat.

2. Denumiți câmpul Taxe totale.
3. Introduceți formula {Day Charge}+{Eve Charge}+{Intl Charge}+{Night Charge}.
4. Alege Economisiți.

5. Pe Adăuga meniu, alegeți Adăugați vizual.

6. În Tipuri vizuale, alege pictograma diagramă gogoașă.
7. În Lista câmpurilor, trage Putinei? la Grup/Culoare.
8. Trage Cheltuieli totale la Valoare.
9. Pe Valoare meniu, alegeți Afișați ca Și alegeți Monedă.
10. Alegeți pictograma creion pentru a personaliza alte efecte vizuale (eliminați legenda, adăugați valori, modificați dimensiunea fontului).

În acest moment, tabloul de bord are două vizualizări.

Putem observa deja că în total am putea pierde 18% (270) clienți, ceea ce echivalează cu 24% (6,280 USD) din venituri. Să explorăm în continuare analizând potențiala pierdere de venituri la nivel de stat.

Pierderi potențiale de venituri de către stat

Pentru a vizualiza potențiala pierdere de venituri în funcție de stat, să adăugăm un grafic cu bare orizontale.

1. Pe Adăuga meniu, alegeți Adăugați vizual.

2. În Tipuri vizuale¸ alegeți pictograma diagramă cu bare orizontale.
3. În Lista câmpurilortrage Putinei? la Grup/Culoare.
4. Trage Cheltuieli totale la Valoare.
5. Pe Valoare meniu, alegeți Afișați ca și Monedă.
6. Trage Etapă la Axa Y.
7. Alegeți pictograma creion pentru a personaliza alte efecte vizuale (eliminați legenda, adăugați valori, modificați dimensiunea fontului).

8. De asemenea, putem sorta noul nostru vizual prin alegere Cheltuieli totale în jos și alegând Descendent.

Acest vizual ne-ar putea ajuta să înțelegem care stare este cea mai importantă din perspectiva campaniei de marketing. De exemplu, în Hawaii, am putea pierde jumătate din venituri (253,000 USD), în timp ce în Washington, această valoare este mai mică de 10% (52,000 USD). De asemenea, putem vedea că în Arizona riscăm să pierdem aproape fiecare client.

Detalii despre clienții expuși riscului de agitare

Să construim un tabel cu detalii despre clienții expuși riscului de agitare.

1. Pe Adăuga meniu, alegeți Adăugați vizual.

2. În Tipuri vizuale, alegeți pictograma tabelului.
3. În Liste de câmpuri, trage Telefon, Stat, Planul Internațional, Planul Vmail, Putinei?, și Lungimea contului la A se grupa cu.
4. Trage probabilitate la Valoare.
5. Pe Valoare meniu, alegeți Afișați ca și La sută.

Personalizați-vă tabloul de bord

QuickSight oferă mai multe opțiuni pentru a vă personaliza tabloul de bord, cum ar fi următoarele.

1. Pentru a adăuga un nume, pe Adăuga meniu, alegeți Adauga titlu.

2. Introduceți un titlu (pentru această postare, ne redenumim tabloul de bord Analiza de renunțare).

3. Pentru a redimensiona imaginile, alegeți colțul din dreapta jos al diagramei și trageți la dimensiunea dorită.
4. Pentru a muta o imagine, alegeți centrul de sus al diagramei și trageți-l într-o locație nouă.
5. Pentru a schimba tema, alegeți Tematică în panoul de navigare.
6. Alegeți noua temă (de exemplu, Miezul nopţii), și alegeți Aplică.

Publicați-vă tabloul de bord

Un tablou de bord este un instantaneu numai pentru citire a unei analize pe care o puteți partaja altor utilizatori QuickSight în scopuri de raportare. Tabloul de bord păstrează configurația analizei în momentul în care o publicați, inclusiv lucruri precum filtrarea, parametrii, controalele și ordinea de sortare. Datele utilizate pentru analiză nu sunt capturate ca parte a tabloului de bord. Când vizualizați tabloul de bord, acesta reflectă datele curente din seturile de date utilizate de analiză.

Pentru a publica tabloul de bord, parcurgeți următorii pași:

1. Pe Distribuie meniu, alegeți Publicați tabloul de bord.

2. Introduceți un nume pentru tabloul de bord.
3. Alege Publicați tabloul de bord.

Felicitări, ați creat cu succes un tablou de bord pentru analiza abandonului.

Actualizați-vă tabloul de bord cu o nouă predicție

Pe măsură ce modelul evoluează și generăm date noi din companie, ar putea fi necesar să actualizăm acest tablou de bord cu informații noi. Parcurgeți următorii pași:

1. Creați un fișier nou churn-no-labels-updated.csv prin selectarea aleatorie a încă 1,500 de linii din setul de date original churn.csv și îndepărtarea Churn? coloana.

Folosim acest nou set de date pentru a genera noi predicții.

2. Repetați pașii de la Utilizați modelul de retragere a clienților secțiunea acestei postări pentru a obține predicții pentru noul set de date și pentru a descărca noul fișier.
3. Pe consola QuickSight, alegeți Datasets în panoul de navigare.
4. Alegeți setul de date pe care l-am creat.

5. Alege Editați setul de date.

6. În meniul derulant, alegeți Actualizați fișierul.

7. Alege Incarca fisier.

8. Alegeți fișierul descărcat recent cu predicțiile.
9. Examinați previzualizarea, apoi alegeți Confirmați actualizarea fișierului.

După ce apare mesajul „Fișier actualizat cu succes”, putem vedea că și numele fișierului s-a schimbat.

10. Alege Salvați și publicați.

11. Când apare mesajul „Salvat și publicat cu succes”, puteți reveni la meniul principal alegând sigla QuickSight din colțul din stânga sus.

12. Alege Tablourile de bord în panoul de navigare și alegeți tabloul de bord creat anterior.

Ar trebui să vedeți tabloul de bord cu valorile actualizate.

Tocmai am actualizat tabloul de bord QuickSight cu cele mai recente predicții de la Canvas.

A curăța

Pentru a evita taxele viitoare, deconectați-vă de la Canvas.

Concluzie

În această postare, am folosit un model ML de la Canvas pentru a anticipa clienții care riscă să se dezvolte și am construit un tablou de bord cu vizualizări perspicace pentru a ne ajuta să luăm decizii de afaceri bazate pe date. Am făcut acest lucru fără a scrie o singură linie de cod datorită interfețelor ușor de utilizat și vizualizărilor clare. Acest lucru le permite analiștilor de afaceri să fie agil în construirea modelelor ML și să efectueze analize și să extragă informații în deplină autonomie de la echipele de știință a datelor.

Pentru a afla mai multe despre utilizarea Canvas, consultați Construiți, partajați, implementați: cum analiștii de afaceri și oamenii de știință de date obțin un time-to-market mai rapid folosind ML fără cod și Amazon SageMaker Canvas. Pentru mai multe informații despre crearea modelelor ML cu o soluție fără cod, consultați Anunțăm Amazon SageMaker Canvas – o capacitate de învățare automată vizuală, fără cod pentru analiștii de afaceri. Pentru a afla mai multe despre cele mai recente caracteristici QuickSight și cele mai bune practici, consultați Blogul AWS Big Data.

---

Despre autor

Aleksandr Patrushev este arhitect de soluții de specialitate AI/ML la AWS, cu sediul în Luxemburg. Este pasionat de cloud și de învățarea automată și de modul în care acestea ar putea schimba lumea. În afara serviciului, îi place drumețiile, sportul și petrecerea timpului cu familia.

Davide Gallitelli este arhitect specializat în soluții pentru AI/ML în regiunea EMEA. Are sediul la Bruxelles și lucrează îndeaproape cu clienții din Benelux. Este dezvoltator încă de când era foarte mic, începând să codeze la vârsta de 7 ani. A început să învețe AI/ML la universitate și de atunci s-a îndrăgostit de el.