เปิดใช้งานการตัดสินใจอย่างชาญฉลาดด้วย Amazon SageMaker Canvas และ Amazon QuickSight

ทุกบริษัทไม่ว่าขนาดใดต้องการนำเสนอผลิตภัณฑ์และบริการที่ดีที่สุดให้กับลูกค้า เพื่อให้บรรลุสิ่งนี้ บริษัทต่างๆ ต้องการทำความเข้าใจแนวโน้มอุตสาหกรรมและพฤติกรรมของลูกค้า และเพิ่มประสิทธิภาพกระบวนการภายในและการวิเคราะห์ข้อมูลเป็นประจำ นี่เป็นองค์ประกอบสำคัญของความสำเร็จของบริษัท

ส่วนที่โดดเด่นมากของบทบาทนักวิเคราะห์ประกอบด้วยการแสดงภาพเมทริกทางธุรกิจ (เช่น รายได้จากการขาย) และการคาดการณ์เหตุการณ์ในอนาคต (เช่น ความต้องการที่เพิ่มขึ้น) เพื่อทำการตัดสินใจทางธุรกิจที่ขับเคลื่อนด้วยข้อมูล เพื่อเข้าถึงความท้าทายแรกนี้ คุณสามารถใช้ อเมซอน QuickSightซึ่งเป็นบริการข่าวกรองธุรกิจระดับคลาวด์ (BI) ที่ให้ข้อมูลเชิงลึกที่เข้าใจง่าย และให้โอกาสผู้มีอำนาจตัดสินใจในการสำรวจและตีความข้อมูลในสภาพแวดล้อมที่เป็นภาพแบบโต้ตอบ สำหรับงานที่สอง คุณสามารถใช้ ผืนผ้าใบ Amazon SageMakerซึ่งเป็นบริการระบบคลาวด์ที่ขยายการเข้าถึงแมชชีนเลิร์นนิง (ML) โดยให้นักวิเคราะห์ธุรกิจมีอินเทอร์เฟซแบบชี้และคลิกที่มองเห็นได้ ซึ่งช่วยให้คุณสร้างการคาดการณ์ ML ที่แม่นยำได้ด้วยตนเอง

เมื่อพิจารณาจากตัวชี้วัดเหล่านี้ นักวิเคราะห์ธุรกิจมักจะระบุรูปแบบพฤติกรรมของลูกค้า เพื่อพิจารณาว่าบริษัทมีความเสี่ยงที่จะสูญเสียลูกค้าหรือไม่ ปัญหานี้เรียกว่า ลูกค้ากำลังจะเปลี่ยนใจจากคุณและโมเดล ML มีประวัติที่พิสูจน์แล้วในการคาดการณ์ลูกค้าดังกล่าวด้วยความแม่นยำสูง (เช่น ดู โซลูชัน AI ของ Elula ช่วยธนาคารปรับปรุงการรักษาลูกค้า).

การสร้างแบบจำลอง ML อาจเป็นกระบวนการที่ยุ่งยาก เนื่องจากต้องใช้ทีมผู้เชี่ยวชาญในการจัดการการเตรียมข้อมูลและการฝึกอบรมแบบจำลอง ML อย่างไรก็ตาม ด้วย Canvas คุณสามารถทำได้โดยไม่ต้องมีความรู้พิเศษใดๆ และมีโค้ดเป็นศูนย์ ดูรายละเอียดเพิ่มเติมได้ที่ ทำนายการเลิกราของลูกค้าด้วยแมชชีนเลิร์นนิงแบบไม่มีโค้ดโดยใช้ Amazon SageMaker Canvas.

ในโพสต์นี้ เราจะแสดงวิธีแสดงภาพการคาดคะเนที่สร้างจาก Canvas ในแดชบอร์ด QuickSight ทำให้สามารถตัดสินใจได้อย่างชาญฉลาดผ่าน ML

ภาพรวมของโซลูชัน

ในการโพสต์ ทำนายการเลิกราของลูกค้าด้วยแมชชีนเลิร์นนิงแบบไม่มีโค้ดโดยใช้ Amazon SageMaker Canvasเราสวมบทบาทนักวิเคราะห์ธุรกิจในแผนกการตลาดของผู้ให้บริการโทรศัพท์มือถือ และเราประสบความสำเร็จในการสร้างแบบจำลอง ML เพื่อระบุลูกค้าที่อาจเสี่ยงต่อการเลิกใช้งาน ต้องขอบคุณการคาดการณ์ที่สร้างโดยแบบจำลองของเรา ตอนนี้เราต้องการวิเคราะห์ผลลัพธ์ทางการเงินที่เป็นไปได้ เพื่อทำการตัดสินใจทางธุรกิจที่ขับเคลื่อนด้วยข้อมูล เกี่ยวกับการส่งเสริมการขายที่เป็นไปได้สำหรับลูกค้าและภูมิภาคเหล่านี้

สถาปัตยกรรมที่จะช่วยให้เราบรรลุเป้าหมายดังแสดงในแผนภาพต่อไปนี้

ขั้นตอนเวิร์กโฟลว์มีดังนี้:

1. อัปโหลดชุดข้อมูลใหม่ที่มีประชากรลูกค้าปัจจุบันไปยัง Canvas
2. เรียกใช้การคาดการณ์แบบกลุ่มและดาวน์โหลดผลลัพธ์
3. อัปโหลดไฟล์ไปยัง QuickSight เพื่อสร้างหรืออัปเดตการแสดงภาพ

คุณสามารถทำตามขั้นตอนเหล่านี้ใน Canvas ได้โดยไม่ต้องเขียนโค้ดแม้แต่บรรทัดเดียว สำหรับรายการแหล่งข้อมูลที่รองรับทั้งหมด โปรดดูที่ การนำเข้าข้อมูลใน Amazon SageMaker Canvas.

เบื้องต้น

สำหรับคำแนะนำนี้ ตรวจสอบให้แน่ใจว่าตรงตามข้อกำหนดเบื้องต้นต่อไปนี้:

ใช้รูปแบบการปั่นของลูกค้า

หลังจากที่คุณทำข้อกำหนดเบื้องต้นเสร็จแล้ว คุณควรมีแบบจำลองที่ได้รับการฝึกอบรมเกี่ยวกับข้อมูลในอดีตใน Canvas ซึ่งพร้อมที่จะใช้กับข้อมูลลูกค้าใหม่เพื่อคาดการณ์การเลิกราของลูกค้า ซึ่งคุณสามารถใช้ใน QuickSight ได้

1. สร้างไฟล์ใหม่ churn-no-labels.csv โดยสุ่มเลือก 1,500 บรรทัดจากชุดข้อมูลเดิม churn.csv และถอด Churn? คอลัมน์.

เราใช้ชุดข้อมูลใหม่นี้เพื่อสร้างการคาดการณ์

เราดำเนินการขั้นตอนต่อไปใน Canvas คุณสามารถเปิด Canvas ผ่านทาง คอนโซลการจัดการ AWSหรือผ่านแอปพลิเคชัน SSO ที่ผู้ดูแลระบบคลาวด์ของคุณให้มา หากคุณไม่แน่ใจว่าจะเข้าถึง Canvas ได้อย่างไร โปรดดูที่ เริ่มต้นใช้งาน Amazon SageMaker Canvas.

2. บนคอนโซล Canvas ให้เลือก ชุดข้อมูล ในบานหน้าต่างนำทาง
3. Choose นำเข้า.

4. Choose อัพโหลด และเลือก churn-no-labels.csv ไฟล์ที่คุณสร้างขึ้น
5. Choose นำเข้าข้อมูล.

เวลาในกระบวนการนำเข้าข้อมูลขึ้นอยู่กับขนาดของไฟล์ ในกรณีของเรา ควรใช้เวลาประมาณ 10 วินาที เมื่อเสร็จแล้วเราจะเห็นชุดข้อมูลอยู่ใน Ready สถานะ

6. หากต้องการดูตัวอย่าง 100 แถวแรกของชุดข้อมูล ให้เลือกเมนูตัวเลือก (สามจุด) แล้วเลือก ดูตัวอย่าง.

7. Choose Models ในบานหน้าต่างนำทาง จากนั้นเลือกแบบจำลองการปั่นที่คุณสร้างเป็นส่วนหนึ่งของข้อกำหนดเบื้องต้น

8. เกี่ยวกับ ทำนาย เลือกแท็บ เลือกชุดข้อมูล.

9. เลือก churn-no-labels.csv ชุดข้อมูล จากนั้นเลือก สร้างคำทำนาย.

เวลาอนุมานขึ้นอยู่กับความซับซ้อนของโมเดลและขนาดชุดข้อมูล ในกรณีของเรา ใช้เวลาประมาณ 10 วินาที เมื่องานเสร็จแล้วจะเปลี่ยนสถานะเป็น Ready และเราสามารถดาวน์โหลดผลลัพธ์ได้

10. เลือกเมนูตัวเลือก (สามจุด) ดาวน์โหลดและ ดาวน์โหลดค่าทั้งหมด.

หรือเราสามารถดูผลการเลือกได้อย่างรวดเร็ว ดูตัวอย่าง. สองคอลัมน์แรกเป็นการคาดคะเนจากแบบจำลอง

เราใช้แบบจำลองของเราอย่างประสบความสำเร็จในการคาดการณ์ความเสี่ยงในการเลิกใช้งานสำหรับประชากรลูกค้าปัจจุบันของเรา ตอนนี้เราพร้อมที่จะเห็นภาพตัวชี้วัดทางธุรกิจตามการคาดการณ์ของเราแล้ว

นำเข้าข้อมูลไปยัง QuickSight

ดังที่เราได้พูดคุยกันก่อนหน้านี้ นักวิเคราะห์ธุรกิจต้องการให้แสดงการคาดการณ์พร้อมกับเมตริกทางธุรกิจ เพื่อทำการตัดสินใจทางธุรกิจที่ขับเคลื่อนด้วยข้อมูล ในการทำเช่นนั้น เราใช้ QuickSight ซึ่งให้ข้อมูลเชิงลึกที่เข้าใจง่าย และให้โอกาสผู้มีอำนาจตัดสินใจในการสำรวจและตีความข้อมูลในสภาพแวดล้อมที่เป็นภาพแบบโต้ตอบ ด้วย QuickSight เราสามารถสร้างการแสดงภาพ เช่น กราฟและแผนภูมิในไม่กี่วินาทีด้วยอินเทอร์เฟซแบบลากแล้ววางที่เรียบง่าย ในโพสต์นี้ เราสร้างภาพหลายภาพเพื่อทำความเข้าใจความเสี่ยงทางธุรกิจและวิธีที่เราจะสามารถจัดการได้ เช่น ที่ที่เราควรเปิดตัวแคมเปญการตลาดใหม่

ในการเริ่มต้น ให้ทำตามขั้นตอนต่อไปนี้:

1. บนคอนโซล QuickSight ให้เลือก ชุดข้อมูล ในบานหน้าต่างนำทาง
2. Choose ชุดข้อมูลใหม่.

QuickSight รองรับแหล่งข้อมูลมากมาย ในโพสต์นี้ เราใช้ไฟล์ในเครื่อง ซึ่งเป็นไฟล์ที่เราสร้างไว้ก่อนหน้านี้ใน Canvas เป็นข้อมูลต้นทางของเรา

3. Choose อัปโหลดไฟล์.

4. เลือกไฟล์ที่ดาวน์โหลดล่าสุดพร้อมการคาดคะเน

QuickSight อัปโหลดและวิเคราะห์ไฟล์

5. ตรวจสอบว่าทุกอย่างเป็นไปตามคาดในตัวอย่าง แล้วเลือก ถัดไป.

6. Choose จินตนาการ.

นำเข้าข้อมูลเรียบร้อยแล้วและเราพร้อมที่จะวิเคราะห์

สร้างแดชบอร์ดพร้อมเมตริกธุรกิจของการทำนายความปั่นป่วน

ถึงเวลาวิเคราะห์ข้อมูลของเราและสร้างแดชบอร์ดที่ชัดเจนและใช้งานง่าย ซึ่งจะสรุปข้อมูลทั้งหมดที่จำเป็นสำหรับการตัดสินใจทางธุรกิจที่ขับเคลื่อนด้วยข้อมูล แดชบอร์ดประเภทนี้เป็นเครื่องมือสำคัญในคลังแสงของนักวิเคราะห์ธุรกิจ

ต่อไปนี้คือตัวอย่างแดชบอร์ดที่สามารถช่วยระบุและดำเนินการตามความเสี่ยงที่ลูกค้าจะเลิกใช้

บนแดชบอร์ดนี้ เราเห็นภาพตัวชี้วัดทางธุรกิจที่สำคัญหลายประการ:

• ลูกค้ามีแนวโน้มที่จะปั่น – แผนภูมิโดนัทด้านซ้ายแสดงจำนวนและเปอร์เซ็นต์ของผู้ใช้ที่เสี่ยงต่อการเลิกใช้มากกว่า 50% แผนภูมินี้ช่วยให้เราเข้าใจขนาดของปัญหาที่อาจเกิดขึ้นได้อย่างรวดเร็ว
• การสูญเสียรายได้ที่อาจเกิดขึ้น – แผนภูมิโดนัทตรงกลางด้านบนแสดงจำนวนการสูญเสียรายได้จากผู้ใช้ที่เสี่ยงต่อการเลิกใช้มากกว่า 50% แผนภูมินี้ช่วยให้เราเข้าใจอย่างรวดเร็วถึงขนาดของรายได้ที่อาจสูญเสียจากการเลิกใช้งาน แผนภูมิยังแสดงให้เห็นว่าเราอาจสูญเสียลูกค้าที่สูงกว่าค่าเฉลี่ยหลายราย เนื่องจากเปอร์เซ็นต์ของรายได้ที่อาจสูญเสียไปซึ่งมากกว่าเปอร์เซ็นต์ของผู้ใช้ที่เสี่ยงต่อการเลิกใช้งาน
• การสูญเสียรายได้ที่อาจเกิดขึ้นโดยรัฐ – แผนภูมิแท่งแนวนอนด้านบนขวาแสดงขนาดของรายได้ที่สูญเสียไปเทียบกับรายได้จากลูกค้าที่ไม่เสี่ยงต่อการเลิกรา ภาพนี้จะช่วยให้เราเข้าใจว่าสถานะใดที่สำคัญที่สุดสำหรับเราจากมุมมองของแคมเปญการตลาด
• รายละเอียดลูกค้าที่เสี่ยงปั่น – ตารางด้านล่างซ้ายมีรายละเอียดเกี่ยวกับลูกค้าของเราทั้งหมด ตารางนี้อาจมีประโยชน์หากเราต้องการดูรายละเอียดของลูกค้าหลายรายอย่างรวดเร็วทั้งที่มีและไม่มีความเสี่ยงในการเลิกใช้งาน

ลูกค้ามีแนวโน้มที่จะปั่น

เราเริ่มต้นด้วยการสร้างแผนภูมิกับลูกค้าที่เสี่ยงต่อการเลิกรา

1. ภายใต้ รายการช่อง, เลือก ปั่น? คุณลักษณะ

QuickSight สร้างการแสดงภาพโดยอัตโนมัติ

แม้ว่ากราฟแท่งจะเป็นการแสดงภาพทั่วไปเพื่อทำความเข้าใจการกระจายข้อมูล แต่เราชอบที่จะใช้แผนภูมิโดนัท เราสามารถเปลี่ยนวิชวลนี้ได้โดยการเปลี่ยนคุณสมบัติของมัน

2. เลือกไอคอนแผนภูมิโดนัทภายใต้ ประเภทภาพ.
3. เลือกชื่อปัจจุบัน (ดับเบิลคลิก) และเปลี่ยนเป็น ลูกค้ามีแนวโน้มที่จะปั่น.

4. ในการปรับแต่งเอฟเฟกต์ภาพอื่นๆ (ลบคำอธิบาย เพิ่มค่า เปลี่ยนขนาดฟอนต์) ให้เลือกไอคอนดินสอและทำการเปลี่ยนแปลงของคุณ

ดังที่แสดงในภาพหน้าจอต่อไปนี้ เราได้เพิ่มพื้นที่ของโดนัท รวมทั้งเพิ่มข้อมูลเพิ่มเติมในฉลาก

การสูญเสียรายได้ที่อาจเกิดขึ้น

ตัวชี้วัดที่สำคัญอีกประการหนึ่งที่ควรพิจารณาเมื่อคำนวณผลกระทบทางธุรกิจจากการเลิกราของลูกค้าคือการสูญเสียรายได้ที่อาจเกิดขึ้น นี่เป็นตัวชี้วัดที่สำคัญเพราะช่วยให้เราเข้าใจผลกระทบทางธุรกิจจากลูกค้าที่ไม่เสี่ยงต่อการเลิกรา ตัวอย่างเช่น ในอุตสาหกรรมโทรคมนาคม เราสามารถมีลูกค้าที่ไม่ได้ใช้งานจำนวนมากที่มีความเสี่ยงสูงที่จะเลิกใช้งานแต่มีรายได้เป็นศูนย์ แผนภูมินี้สามารถช่วยให้เราเข้าใจว่าเราอยู่ในสถานการณ์ดังกล่าวหรือไม่ ในการเพิ่มเมตริกนี้ลงในแดชบอร์ดของเรา เราสร้างฟิลด์ที่คำนวณได้เองโดยให้สูตรทางคณิตศาสตร์สำหรับคำนวณการสูญเสียรายได้ที่อาจเกิดขึ้น จากนั้นให้เห็นภาพเป็นแผนภูมิโดนัทอื่น

1. เกี่ยวกับ เพิ่ม เมนูให้เลือก เพิ่มช่องจากการคำนวณ.

2. ตั้งชื่อฟิลด์ ค่าใช้จ่ายทั้งหมด
3. ป้อนสูตร {Day Charge}+{Eve Charge}+{Intl Charge}+{Night Charge}
4. Choose ลด.

5. เกี่ยวกับ เพิ่ม เมนูให้เลือก เพิ่มภาพ.

6. ภายใต้ ประเภทภาพ, เลือกไอคอนแผนภูมิโดนัท
7. ภายใต้ รายการช่องลาก ปั่น? ไปยัง กลุ่ม/สี.
8. ลาก ค่าใช้จ่ายทั้งหมด ไปยัง ความคุ้มค่า.
9. เกี่ยวกับ ความคุ้มค่า เมนูให้เลือก แสดงเป็น และเลือก เงินตรา.
10. เลือกไอคอนดินสอเพื่อปรับแต่งเอฟเฟกต์ภาพอื่นๆ (ลบคำอธิบาย เพิ่มค่า เปลี่ยนขนาดฟอนต์)

ในขณะนี้ แดชบอร์ดของเรามีสองการแสดงภาพ

เราสามารถสังเกตได้ว่าโดยรวมแล้วเราอาจสูญเสียลูกค้า 18% (270) ราย ซึ่งเท่ากับ 24% (6,280) ของรายได้ มาสำรวจเพิ่มเติมโดยการวิเคราะห์การสูญเสียรายได้ที่อาจเกิดขึ้นในระดับรัฐ

การสูญเสียรายได้ที่อาจเกิดขึ้นโดยรัฐ

เพื่อให้เห็นภาพที่อาจสูญเสียรายได้ตามรัฐ ให้เพิ่มกราฟแท่งแนวนอน

1. เกี่ยวกับ เพิ่ม เมนูให้เลือก เพิ่มภาพ.

2. ภายใต้ ประเภทภาพ¸ เลือกไอคอนแผนภูมิแท่งแนวนอน
3. ภายใต้ รายการช่อง¸ ลาก ปั่น? ไปยัง กลุ่ม/สี.
4. ลาก ค่าใช้จ่ายทั้งหมด ไปยัง ความคุ้มค่า.
5. เกี่ยวกับ ความคุ้มค่า เมนูให้เลือก แสดงเป็น และ เงินตรา.
6. ลาก ระยะ ไปยัง แกน Y.
7. เลือกไอคอนดินสอเพื่อปรับแต่งเอฟเฟกต์ภาพอื่นๆ (ลบคำอธิบาย เพิ่มค่า เปลี่ยนขนาดฟอนต์)

8. นอกจากนี้เรายังสามารถจัดเรียงภาพใหม่ของเราโดยเลือก ค่าใช้จ่ายทั้งหมด ที่ด้านล่างและเลือก มากไปหาน้อย.

ภาพนี้จะช่วยให้เราเข้าใจว่าสถานะใดสำคัญที่สุดจากมุมมองของแคมเปญทางการตลาด ตัวอย่างเช่น ในฮาวาย เราอาจสูญเสียรายได้ครึ่งหนึ่ง (253,000 ดอลลาร์) ในขณะที่อยู่ในวอชิงตัน ค่านี้น้อยกว่า 10% (52,000 ดอลลาร์) นอกจากนี้เรายังพบว่าในรัฐแอริโซนา เราเสี่ยงที่จะสูญเสียลูกค้าเกือบทุกคน

รายละเอียดลูกค้าที่เสี่ยงปั่น

มาสร้างตารางที่มีรายละเอียดเกี่ยวกับลูกค้าที่เสี่ยงต่อการปั่นกัน

1. เกี่ยวกับ เพิ่ม เมนูให้เลือก เพิ่มภาพ.

2. ภายใต้ ประเภทภาพ, เลือกไอคอนตาราง
3. ภายใต้ รายการภาคสนามลาก เบอร์โทรศัพท์, สถานะ, แผนระหว่างประเทศ, แผน Vmail, ปั่น?และ ความยาวบัญชี ไปยัง จัดกลุ่มตาม.
4. ลาก ความน่าจะเป็น ไปยัง ความคุ้มค่า.
5. เกี่ยวกับ ความคุ้มค่า เมนูให้เลือก แสดงเป็น และ เปอร์เซ็นต์.

ปรับแต่งแดชบอร์ดของคุณ

QuickSight มีตัวเลือกมากมายในการปรับแต่งแดชบอร์ดของคุณ เช่น

1. หากต้องการเพิ่มชื่อบน เพิ่ม เมนูให้เลือก เพิ่มชื่อ.

2. ป้อนชื่อ (สำหรับโพสต์นี้ เราเปลี่ยนชื่อแดชบอร์ดของเรา การวิเคราะห์การปั่น).

3. ในการปรับขนาดภาพของคุณ ให้เลือกมุมล่างขวาของแผนภูมิแล้วลากไปยังขนาดที่ต้องการ
4. เมื่อต้องการย้ายภาพ ให้เลือกกึ่งกลางบนสุดของแผนภูมิแล้วลากไปยังตำแหน่งใหม่
5. หากต้องการเปลี่ยนธีม ให้เลือก ธีม ในบานหน้าต่างนำทาง
6. เลือกธีมใหม่ของคุณ (เช่น เที่ยงคืน) และเลือก ใช้.

เผยแพร่แดชบอร์ดของคุณ

แดชบอร์ดเป็นสแน็ปช็อตแบบอ่านอย่างเดียวของการวิเคราะห์ที่คุณสามารถแบ่งปันกับผู้ใช้ QuickSight คนอื่นๆ เพื่อวัตถุประสงค์ในการรายงาน แดชบอร์ดของคุณจะรักษาการกำหนดค่าของการวิเคราะห์ไว้ในขณะที่คุณเผยแพร่ ซึ่งรวมถึงสิ่งต่างๆ เช่น การกรอง พารามิเตอร์ การควบคุม และลำดับการจัดเรียง ข้อมูลที่ใช้ในการวิเคราะห์จะไม่ถูกบันทึกเป็นส่วนหนึ่งของแดชบอร์ด เมื่อคุณดูแดชบอร์ด จะแสดงข้อมูลปัจจุบันในชุดข้อมูลที่ใช้โดยการวิเคราะห์

หากต้องการเผยแพร่แดชบอร์ด ให้ทำตามขั้นตอนต่อไปนี้:

1. เกี่ยวกับ Share เมนูให้เลือก เผยแพร่แดชบอร์ด.

2. ป้อนชื่อสำหรับแดชบอร์ดของคุณ
3. Choose เผยแพร่แดชบอร์ด.

ขอแสดงความยินดี คุณได้สร้างแดชบอร์ดการวิเคราะห์การเลิกใช้สำเร็จแล้ว

อัปเดตแดชบอร์ดของคุณด้วยคำทำนายใหม่

เมื่อโมเดลพัฒนาขึ้นและเราสร้างข้อมูลใหม่จากธุรกิจ เราอาจจำเป็นต้องอัปเดตแดชบอร์ดนี้ด้วยข้อมูลใหม่ ทำตามขั้นตอนต่อไปนี้:

1. สร้างไฟล์ใหม่ churn-no-labels-updated.csv โดยสุ่มเลือกอีก 1,500 บรรทัดจากชุดข้อมูลเดิม churn.csv และถอด Churn? คอลัมน์.

เราใช้ชุดข้อมูลใหม่นี้เพื่อสร้างการคาดการณ์ใหม่

2. ทำซ้ำขั้นตอนจาก ใช้รูปแบบการปั่นของลูกค้า ของโพสต์นี้เพื่อรับการคาดการณ์สำหรับชุดข้อมูลใหม่และดาวน์โหลดไฟล์ใหม่
3. บนคอนโซล QuickSight ให้เลือก ชุดข้อมูล ในบานหน้าต่างนำทาง
4. เลือกชุดข้อมูลที่เราสร้างขึ้น

5. Choose แก้ไขชุดข้อมูล.

6. บนเมนูแบบเลื่อนลง ให้เลือก อัปเดตไฟล์.

7. Choose อัพโหลดไฟล์.

8. เลือกไฟล์ที่ดาวน์โหลดล่าสุดพร้อมคำทำนาย
9. ตรวจทานตัวอย่าง จากนั้นเลือก ยืนยันการอัพเดทไฟล์.

หลังจากที่ข้อความ "ไฟล์อัปเดตสำเร็จ" ปรากฏขึ้น เราจะเห็นว่าชื่อไฟล์นั้นเปลี่ยนไปด้วย

10. Choose บันทึกและเผยแพร่.

11. เมื่อข้อความ "บันทึกและเผยแพร่สำเร็จ" ปรากฏขึ้น คุณสามารถกลับไปที่เมนูหลักโดยเลือกโลโก้ QuickSight ที่มุมบนซ้าย

12. Choose แผงควบคุม ในบานหน้าต่างนำทางและเลือกแดชบอร์ดที่เราสร้างไว้ก่อนหน้านี้

คุณควรเห็นแดชบอร์ดของคุณพร้อมค่าที่อัปเดต

เราเพิ่งอัปเดตแดชบอร์ด QuickSight ด้วยการคาดคะเนล่าสุดจาก Canvas

ทำความสะอาด

เพื่อหลีกเลี่ยงค่าใช้จ่ายในอนาคต ออกจากระบบ Canvas.

สรุป

ในโพสต์นี้ เราใช้โมเดล ML จาก Canvas เพื่อคาดการณ์ลูกค้าที่มีความเสี่ยงที่จะเลิกใช้งาน และสร้างแดชบอร์ดพร้อมการแสดงภาพที่ชาญฉลาด เพื่อช่วยเราในการตัดสินใจทางธุรกิจที่ขับเคลื่อนด้วยข้อมูล เราทำได้โดยไม่ต้องเขียนโค้ดแม้แต่บรรทัดเดียว ต้องขอบคุณอินเทอร์เฟซที่ใช้งานง่ายและการแสดงภาพที่ชัดเจน ซึ่งช่วยให้นักวิเคราะห์ธุรกิจมีความคล่องตัวในการสร้างแบบจำลอง ML และดำเนินการวิเคราะห์และดึงข้อมูลเชิงลึกในความเป็นอิสระโดยสมบูรณ์จากทีมวิทยาศาสตร์ข้อมูล

หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับการใช้ Canvas โปรดดูที่ สร้าง แชร์ ปรับใช้: วิธีที่นักวิเคราะห์ธุรกิจและนักวิทยาศาสตร์ข้อมูลบรรลุเวลาสู่ตลาดได้เร็วขึ้นโดยใช้ ML แบบไม่มีโค้ดและ Amazon SageMaker Canvas. สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการสร้างโมเดล ML ด้วยโซลูชันแบบไม่มีโค้ด โปรดดูที่ ประกาศเปิดตัว Amazon SageMaker Canvas – ภาพที่ไม่มีความสามารถในการเรียนรู้ด้วยเครื่องโค้ดสำหรับนักวิเคราะห์ธุรกิจ. หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับคุณสมบัติ QuickSight ล่าสุดและแนวทางปฏิบัติที่ดีที่สุด โปรดดูที่ บล็อก AWS Big Data.

---

เกี่ยวกับผู้เขียน

Alexander Patrushev เป็นสถาปนิก AI/ML Specialist Solutions Architect ที่ AWS ซึ่งตั้งอยู่ในลักเซมเบิร์ก เขาหลงใหลเกี่ยวกับระบบคลาวด์และแมชชีนเลิร์นนิง และวิธีที่พวกเขาสามารถเปลี่ยนแปลงโลกได้ นอกเวลางาน เขาชอบเดินป่า เล่นกีฬา และใช้เวลาอยู่กับครอบครัว

ดาวิเด้ กัลลิเตลลี่ เป็น Specialist Solutions Architect สำหรับ AI/ML ในภูมิภาค EMEA เขาอยู่ในบรัสเซลส์และทำงานอย่างใกล้ชิดกับลูกค้าทั่วเบเนลักซ์ เขาเป็นนักพัฒนาตั้งแต่ยังเด็ก เริ่มเขียนโค้ดเมื่ออายุ 7 ขวบ เขาเริ่มเรียน AI/ML ที่มหาวิทยาลัย และตกหลุมรักมันตั้งแต่นั้นเป็นต้นมา