Каждая компания, независимо от ее размера, хочет предоставлять своим клиентам лучшие продукты и услуги. Для этого компании хотят понимать отраслевые тенденции и поведение клиентов, а также регулярно оптимизировать внутренние процессы и анализ данных. Это важнейшая составляющая успеха компании.
Очень важная часть роли аналитика включает визуализацию бизнес-показателей (например, доходов от продаж) и прогнозирование будущих событий (например, увеличение спроса) для принятия бизнес-решений на основе данных. Чтобы решить эту первую задачу, вы можете использовать Amazon QuickSight, облачная служба бизнес-аналитики (BI), которая предоставляет простые для понимания аналитические данные и дает лицам, принимающим решения, возможность исследовать и интерпретировать информацию в интерактивной визуальной среде. Для второй задачи можно использовать Холст Amazon SageMaker, облачный сервис, который расширяет доступ к машинному обучению (ML), предоставляя бизнес-аналитикам визуальный интерфейс «укажи и щелкни», который позволяет вам самостоятельно создавать точные прогнозы ML.
Изучая эти показатели, бизнес-аналитики часто выявляют закономерности в поведении клиентов, чтобы определить, рискует ли компания потерять клиента. Эта проблема называется отток клиентов, а модели машинного обучения имеют проверенный опыт предсказания таких клиентов с высокой точностью (например, см. Решения Elula в области искусственного интеллекта помогают банкам удерживать клиентов).
Построение моделей машинного обучения может быть сложным процессом, поскольку для управления подготовкой данных и обучением модели машинного обучения требуется группа экспертов. Однако с Canvas вы можете сделать это без каких-либо специальных знаний и с нулевым количеством строк кода. Для получения дополнительной информации, проверьте Прогнозируйте отток клиентов с помощью машинного обучения без кода с помощью Amazon SageMaker Canvas.
В этом посте мы покажем вам, как визуализировать прогнозы, созданные с помощью Canvas, на панели инструментов QuickSight, что позволяет принимать интеллектуальные решения с помощью машинного обучения.
Обзор решения
В сообщении Прогнозируйте отток клиентов с помощью машинного обучения без кода с помощью Amazon SageMaker Canvas, мы взяли на себя роль бизнес-аналитика в отделе маркетинга оператора мобильной связи и успешно создали модель машинного обучения для выявления клиентов с потенциальным риском оттока. Благодаря прогнозам, сгенерированным нашей моделью, теперь мы хотим провести анализ потенциального финансового результата, чтобы принимать бизнес-решения на основе данных о возможных рекламных акциях для этих клиентов и регионов.
Архитектура, которая поможет нам достичь этого, показана на следующей диаграмме.
Этапы рабочего процесса следующие:
- Загрузите новый набор данных с текущей популяцией клиентов в Canvas.
- Запустите пакетный прогноз и загрузите результаты.
- Загрузите файлы в QuickSight для создания или обновления визуализаций.
Вы можете выполнить эти шаги в Canvas, не написав ни одной строки кода. Полный список поддерживаемых источников данных см. Импорт данных в Amazon SageMaker Canvas.
Предпосылки
Для этого пошагового руководства убедитесь, что выполнены следующие предварительные условия:
Используйте модель оттока клиентов
После выполнения предварительных требований у вас должна быть модель, обученная на исторических данных в Canvas, готовая к использованию с новыми данными о клиентах для прогнозирования оттока клиентов, которые затем можно использовать в QuickSight.
- Создать новый файл
churn-no-labels.csv
путем случайного выбора 1,500 строк из исходного набора данных отток.csv и удалениеChurn?
колонка.
Мы используем этот новый набор данных для создания прогнозов.
Мы выполняем следующие шаги в Canvas. Вы можете открыть Canvas через Консоль управления AWS, или через приложение SSO, предоставленное вашим облачным администратором. Если вы не знаете, как получить доступ к Canvas, см. Начало работы с Amazon SageMaker Canvas.
- На консоли Canvas выберите Datasets в навигационной панели.
- Выберите Импортировать.
- Выберите Загрузите и выберите
churn-no-labels.csv
файл, который вы создали. - Выберите Даты импорта.
Время процесса импорта данных зависит от размера файла. В нашем случае это должно быть около 10 секунд. Когда это будет завершено, мы увидим, что набор данных находится в Ready
Статус.
- Чтобы просмотреть первые 100 строк набора данных, откройте меню параметров (три точки) и выберите предварительный просмотр.
- Выберите Модели в области навигации, затем выберите модель оттока, которую вы создали как часть предварительных требований.
- На прогнозировать , выберите Выбрать набор данных.
- Выберите
churn-no-labels.csv
набор данных, затем выберите Генерация прогнозов.
Время вывода зависит от сложности модели и размера набора данных; в нашем случае это занимает около 10 секунд. Когда задание завершено, оно меняет свой статус на Готово, и мы можем загрузить результаты.
- Выберите меню параметров (три точки), Скачатькачества Скачать все значения.
По желанию, мы можем быстро просмотреть результаты, выбрав предварительный просмотр. Первые два столбца — это предсказания модели.
Мы успешно использовали нашу модель для прогнозирования риска оттока клиентов. Теперь мы готовы визуализировать бизнес-показатели на основе наших прогнозов.
Импорт данных в QuickSight
Как мы уже говорили ранее, бизнес-аналитики требуют визуализации прогнозов вместе с бизнес-показателями, чтобы принимать бизнес-решения на основе данных. Для этого мы используем QuickSight, который обеспечивает простую для понимания информацию и дает лицам, принимающим решения, возможность исследовать и интерпретировать информацию в интерактивной визуальной среде. С QuickSight мы можем создавать визуализации, такие как графики и диаграммы, за считанные секунды с помощью простого интерфейса перетаскивания. В этом посте мы создадим несколько визуализаций, чтобы лучше понять бизнес-риски и то, как мы можем ими управлять, например, где нам следует запускать новые маркетинговые кампании.
Для начала выполните следующие шаги:
- На консоли QuickSight выберите Datasets в навигационной панели.
- Выберите Новый набор данных.
QuickSight поддерживает множество источников данных. В этом посте мы используем локальный файл, который мы ранее создали в Canvas, в качестве исходных данных.
- Выберите Загрузить файл.
- Выберите недавно загруженный файл с прогнозами.
QuickSight загружает и анализирует файл.
- Убедитесь, что в предварительном просмотре все соответствует ожиданиям, затем выберите Следующая.
- Выберите Визуализируйте.
Теперь данные успешно импортированы, и мы готовы их проанализировать.
Создайте информационную панель с бизнес-показателями прогнозов оттока
Пришло время проанализировать наши данные и создать понятную и удобную информационную панель, в которой собрана вся информация, необходимая для принятия бизнес-решений на основе данных. Этот тип дашборда — важный инструмент в арсенале бизнес-аналитика.
Ниже приведен пример информационной панели, которая может помочь определить риск оттока клиентов и принять соответствующие меры.
На этой панели мы визуализируем несколько важных бизнес-показателей:
- Клиенты могут уйти – На левой кольцевой диаграмме представлено количество и процент пользователей, для которых риск оттока превышает 50 %. Эта диаграмма помогает нам быстро понять размер потенциальной проблемы.
- Потенциальная потеря дохода – Верхняя средняя кольцевая диаграмма представляет собой сумму потери дохода от пользователей, риск оттока которых превышает 50%. Эта диаграмма помогает нам быстро понять размер потенциальной потери дохода из-за оттока клиентов. Диаграмма также показывает, что мы можем потерять несколько клиентов выше среднего, так как процент потерянного потенциального дохода больше, чем процент пользователей, которым грозит отток.
- Потенциальная потеря доходов по штатам – Верхняя правая горизонтальная гистограмма представляет размер упущенной выгоды по сравнению с выручкой от клиентов, не подверженных риску оттока. Этот визуал может помочь нам понять, какое состояние является наиболее важным для нас с точки зрения маркетинговой кампании.
- Подробная информация о клиентах, которым грозит отток – Нижняя левая таблица содержит информацию обо всех наших клиентах. Эта таблица может быть полезна, если мы хотим быстро просмотреть сведения о нескольких клиентах с риском оттока и без него.
Клиенты могут уйти
Мы начинаем с построения диаграммы с клиентами, которым грозит отток.
- Под Список полей, выбрать Отток? атрибутов.
QuickSight автоматически создает визуализацию.
Хотя гистограмма является обычной визуализацией для понимания распределения данных, мы предпочитаем использовать кольцевую диаграмму. Мы можем изменить этот визуал, изменив его свойства.
- Выберите значок кольцевой диаграммы под Визуальные типы.
- Выберите текущее имя (двойной щелчок) и измените его на Клиенты могут уйти.
- Чтобы настроить другие визуальные эффекты (удалить легенду, добавить значения, изменить размер шрифта), выберите значок карандаша и внесите изменения.
Как показано на следующем снимке экрана, мы увеличили площадь пончика, а также добавили дополнительную информацию в метки.
Потенциальная потеря дохода
Еще одним важным показателем, который следует учитывать при расчете влияния оттока клиентов на бизнес, является потенциальная потеря дохода. Это важный показатель, поскольку он помогает нам понять влияние на бизнес клиентов, которым не грозит отток. Например, в телекоммуникационной отрасли у нас может быть много неактивных клиентов с высоким риском оттока и нулевым доходом. Эта таблица может помочь нам понять, находимся ли мы в такой ситуации или нет. Чтобы добавить эту метрику на нашу панель инструментов, мы создаем специальное вычисляемое поле, предоставляя математическую формулу для расчета потенциальной потери дохода, а затем визуализируем ее в виде еще одной кольцевой диаграммы.
- На Добавить Меню, выберите Добавить вычисляемое поле.
- Назовите поле Общие расходы.
- Введите формулу {Дневная оплата}+{Накануне оплата}+{Международная оплата}+{Ночная оплата}.
- Выберите Сохранить.
- На Добавить Меню, выберите Добавить визуальный.
- Под Визуальные типы, выберите значок кольцевой диаграммы.
- Под Список полей, бремя Отток? в Группа/Цвет.
- Перетащите Общие расходы в Значение.
- На Значение Меню, выберите Показать как , а затем выбрать Валюта.
- Выберите значок карандаша, чтобы настроить другие визуальные эффекты (удалить легенду, добавить значения, изменить размер шрифта).
На данный момент наша панель инструментов имеет две визуализации.
Мы уже можем заметить, что в общей сложности мы можем потерять 18% (270) клиентов, что составляет 24% (6,280 XNUMX долларов США) в выручке. Давайте продолжим исследование, проанализировав потенциальную потерю доходов на уровне штата.
Потенциальная потеря доходов по штатам
Чтобы визуализировать потенциальную потерю доходов по штатам, добавим горизонтальную гистограмму.
- На Добавить Меню, выберите Добавить визуальный.
- Под Визуальные типы¸ выберите значок горизонтальной гистограммы.
- Под Список полейтяга Отток? в Группа/Цвет.
- Перетащите Общие расходы в Значение.
- На Значение Меню, выберите Показать как и Валюта.
- Перетащите Этап в Ось Y.
- Выберите значок карандаша, чтобы настроить другие визуальные эффекты (удалить легенду, добавить значения, изменить размер шрифта).
- Мы также можем отсортировать наш новый визуальный элемент, выбрав Общие расходы внизу и выбираю нисходящий.
Это изображение может помочь нам понять, какое состояние является наиболее важным с точки зрения маркетинговой кампании. Например, на Гавайях мы потенциально можем потерять половину нашего дохода (253,000 10 долларов США), в то время как в Вашингтоне эта величина составляет менее 52,000% (XNUMX XNUMX долларов США). Мы также видим, что в Аризоне мы рискуем потерять почти каждого клиента.
Подробная информация о клиентах, которым грозит отток
Давайте создадим таблицу с подробной информацией о клиентах, которым грозит отток.
- На Добавить Меню, выберите Добавить визуальный.
- Под Визуальные типывыберите значок таблицы.
- Под Списки полей, бремя Телефон, Область, Международный план, План электронной почты, Отток?качества Длина аккаунта в Группа по.
- Перетащите вероятность в Значение.
- На Значение Меню, выберите Показать как и Процент.
Настройте свою панель
QuickSight предлагает несколько вариантов настройки панели управления, например следующие.
- Чтобы добавить имя, на Добавить Меню, выберите Добавить заголовок.
- Введите заголовок (для этого поста мы переименовываем нашу панель инструментов Анализ оттока).
- Чтобы изменить размер визуальных элементов, выберите правый нижний угол диаграммы и перетащите его до нужного размера.
- Чтобы переместить визуальный элемент, выберите верхний центр диаграммы и перетащите его в новое место.
- Чтобы изменить тему, выберите Темы в навигационной панели.
- Выберите новую тему (например, Midnight), и выберите Применить.
Опубликуйте панель управления
Информационная панель — это моментальный снимок анализа, доступный только для чтения, которым вы можете поделиться с другими пользователями QuickSight для создания отчетов. Ваша информационная панель сохраняет конфигурацию анализа на момент публикации, включая фильтрацию, параметры, элементы управления и порядок сортировки. Данные, используемые для анализа, не фиксируются как часть панели мониторинга. Когда вы просматриваете панель мониторинга, она отражает текущие данные в наборах данных, используемых для анализа.
Чтобы опубликовать свою панель мониторинга, выполните следующие действия:
- На Поделиться Меню, выберите Опубликовать панель инструментов.
- Введите имя для панели управления.
- Выберите Опубликовать панель инструментов.
Поздравляем, вы успешно создали панель анализа оттока.
Обновите панель управления новым прогнозом
По мере развития модели и получения новых данных от бизнеса нам может потребоваться обновить эту информационную панель новой информацией. Выполните следующие шаги:
- Создать новый файл
churn-no-labels-updated.csv
путем случайного выбора еще 1,500 строк из исходного набора данных отток.csv и удалениеChurn?
колонка.
Мы используем этот новый набор данных для создания новых прогнозов.
- Повторите шаги из Используйте модель оттока клиентов раздел этого сообщения, чтобы получить прогнозы для нового набора данных и загрузить новый файл.
- На консоли QuickSight выберите Datasets в навигационной панели.
- Выберите созданный нами набор данных.
- Выберите Изменить набор данных.
- В раскрывающемся меню выберите Обновить файл.
- Выберите Загрузить файл.
- Выберите недавно загруженный файл с прогнозами.
- Просмотрите предварительный просмотр, затем выберите Подтвердить обновление файла.
После появления сообщения «Файл успешно обновлен» мы видим, что имя файла также изменилось.
- Выберите Сохранить и опубликовать.
- Когда появится сообщение «Сохранено и опубликовано успешно», вы можете вернуться в главное меню, выбрав логотип QuickSight в левом верхнем углу.
- Выберите Dashboards в панели навигации и выберите панель инструментов, которую мы создали ранее.
Вы должны увидеть панель инструментов с обновленными значениями.
Мы только что обновили нашу панель инструментов QuickSight самыми последними прогнозами из Canvas.
Убирать
Чтобы избежать будущих расходов, выйти из Canvas.
Заключение
В этом посте мы использовали модель машинного обучения из Canvas, чтобы прогнозировать клиентов, которым грозит отток, и создали информационную панель с проницательными визуализациями, которые помогают нам принимать бизнес-решения на основе данных. Мы сделали это, не написав ни строчки кода, благодаря удобным интерфейсам и понятным визуализациям. Это позволяет бизнес-аналитикам быть гибкими при построении моделей машинного обучения, а также выполнять анализ и извлекать ценные сведения, полностью автономные от групп специалистов по обработке и анализу данных.
Чтобы узнать больше об использовании Canvas, см. Создавайте, делитесь, развертывайте: как бизнес-аналитики и специалисты по обработке и анализу данных сокращают время выхода на рынок с помощью машинного обучения без кода и Amazon SageMaker Canvas. Дополнительные сведения о создании моделей машинного обучения с помощью решения без кода см. Представляем Amazon SageMaker Canvas — визуальную возможность машинного обучения без кода для бизнес-аналитиков. Чтобы узнать больше о последних функциях QuickSight и рекомендациях, см. Блог о больших данных AWS.
Об авторе
Александр Патрушев является специалистом по ИИ/МО, архитектором решений в AWS, базирующейся в Люксембурге. Он увлечен облачными технологиями и машинным обучением, а также тем, как они могут изменить мир. Вне работы он любит ходить в походы, заниматься спортом и проводить время со своей семьей.
Давиде Галлителли является специалистом по разработке решений для AI/ML в регионе EMEA. Он базируется в Брюсселе и тесно сотрудничает с клиентами из стран Бенилюкса. Он был разработчиком с самого раннего возраста, начав программировать в возрасте 7 лет. Он начал изучать AI/ML в университете и с тех пор влюбился в него.
- AI
- ай искусство
- генератор искусств ай
- искусственный интеллект
- Amazon QuickSight
- Создатель мудреца Амазонки
- Холст Amazon SageMaker
- аналитика
- искусственный интеллект
- сертификация искусственного интеллекта
- искусственный интеллект в банковском деле
- робот с искусственным интеллектом
- роботы с искусственным интеллектом
- программное обеспечение искусственного интеллекта
- Машинное обучение AWS
- блокчейн
- конференция по блокчейну
- Coingenius
- разговорный искусственный интеллект
- криптоконференция ИИ
- дал-и
- глубокое обучение
- google ai
- обучение с помощью машины
- Платон
- Платон Ай
- Платон Интеллектуальные данные
- Платон игра
- ПлатонДанные
- платогейминг
- масштаб ай
- синтаксис
- Технические инструкции
- зефирнет