ہر کمپنی، اس کے سائز سے قطع نظر، اپنے صارفین کو بہترین مصنوعات اور خدمات فراہم کرنا چاہتی ہے۔ اس کو حاصل کرنے کے لیے، کمپنیاں صنعت کے رجحانات اور کسٹمر کے رویے کو سمجھنا چاہتی ہیں، اور معمول کی بنیاد پر اندرونی عمل اور ڈیٹا کے تجزیوں کو بہتر بنانا چاہتی ہیں۔ یہ کمپنی کی کامیابی کا ایک اہم جزو ہے۔
تجزیہ کار کے کردار کے ایک بہت ہی نمایاں حصے میں ڈیٹا پر مبنی کاروباری فیصلے کرنے کے لیے کاروباری میٹرکس کا تصور (جیسے سیلز ریونیو) اور مستقبل کے واقعات کی پیشین گوئی (جیسے مانگ میں اضافہ) شامل ہے۔ اس پہلے چیلنج سے رجوع کرنے کے لیے، آپ استعمال کر سکتے ہیں۔ ایمیزون کوئیک سائٹ، ایک کلاؤڈ اسکیل بزنس انٹیلی جنس (BI) سروس جو سمجھنے میں آسان بصیرت فراہم کرتی ہے اور فیصلہ سازوں کو انٹرایکٹو بصری ماحول میں معلومات کو دریافت کرنے اور اس کی تشریح کرنے کا موقع فراہم کرتی ہے۔ دوسرے کام کے لیے، آپ استعمال کر سکتے ہیں۔ ایمیزون سیج میکر کینوس، ایک کلاؤڈ سروس جو کاروباری تجزیہ کاروں کو بصری پوائنٹ اور کلک انٹرفیس فراہم کرکے مشین لرننگ (ML) تک رسائی کو بڑھاتی ہے جو آپ کو خود ہی درست ML پیشین گوئیاں پیدا کرنے کی اجازت دیتا ہے۔
ان میٹرکس کو دیکھتے وقت، کاروباری تجزیہ کار اکثر گاہک کے رویے کے نمونوں کی نشاندہی کرتے ہیں، تاکہ یہ تعین کیا جا سکے کہ آیا کمپنی کو گاہک کو کھونے کا خطرہ ہے۔ اس مسئلہ کو کہتے ہیں۔ کسٹمر، اور ایم ایل ماڈلز میں ایسے صارفین کی اعلی درستگی کے ساتھ پیشین گوئی کرنے کا ایک ثابت شدہ ٹریک ریکارڈ ہے (مثال کے طور پر، دیکھیں ایلولا کے AI سلوشنز بینکوں کو کسٹمر کی برقراری کو بہتر بنانے میں مدد کرتے ہیں۔).
ایم ایل ماڈل بنانا ایک مشکل عمل ہوسکتا ہے کیونکہ اس کے لیے ڈیٹا کی تیاری اور ایم ایل ماڈل کی تربیت کا انتظام کرنے کے لیے ایک ماہر ٹیم کی ضرورت ہوتی ہے۔ تاہم، کینوس کے ساتھ، آپ کسی خاص علم کے بغیر اور کوڈ کی صفر لائنوں کے ساتھ ایسا کر سکتے ہیں۔ مزید معلومات کے لیے، چیک آؤٹ کریں۔ Amazon SageMaker Canvas کا استعمال کرتے ہوئے بغیر کوڈ مشین لرننگ کے ساتھ کسٹمر کے منتھن کی پیش گوئی کریں۔.
اس پوسٹ میں، ہم آپ کو دکھاتے ہیں کہ کینوس سے پیدا ہونے والی پیشین گوئیوں کو QuickSight ڈیش بورڈ میں کیسے دیکھا جائے، جس سے ML کے ذریعے ذہین فیصلہ سازی ممکن ہو سکے۔
حل کا جائزہ
پوسٹ میں Amazon SageMaker Canvas کا استعمال کرتے ہوئے بغیر کوڈ مشین لرننگ کے ساتھ کسٹمر کے منتھن کی پیش گوئی کریں۔، ہم نے ایک موبائل فون آپریٹر کے مارکیٹنگ کے شعبے میں ایک کاروباری تجزیہ کار کا کردار سنبھالا، اور ہم نے کامیابی کے ساتھ ایک ML ماڈل بنایا تاکہ گاہکوں کو مٹانے کے ممکنہ خطرے سے شناخت کیا جا سکے۔ ہمارے ماڈل کی طرف سے پیدا ہونے والی پیشین گوئیوں کی بدولت، اب ہم ان کلائنٹس اور خطوں کے لیے ممکنہ پروموشنز کے بارے میں ڈیٹا پر مبنی کاروباری فیصلے کرنے کے لیے ممکنہ مالیاتی نتائج کا تجزیہ کرنا چاہتے ہیں۔
اس کو حاصل کرنے میں ہماری مدد کرنے والا فن تعمیر درج ذیل خاکہ میں دکھایا گیا ہے۔
ورک فلو کے مراحل درج ذیل ہیں:
- کینوس میں موجودہ کسٹمر کی آبادی کے ساتھ ایک نیا ڈیٹا سیٹ اپ لوڈ کریں۔
- بیچ کی پیشن گوئی چلائیں اور نتائج ڈاؤن لوڈ کریں۔
- ویژولائزیشن بنانے یا اپ ڈیٹ کرنے کے لیے فائلوں کو QuickSight میں اپ لوڈ کریں۔
آپ کوڈ کی ایک لائن لکھے بغیر کینوس میں ان اقدامات کو انجام دے سکتے ہیں۔ معاون ڈیٹا کے ذرائع کی مکمل فہرست کے لیے، رجوع کریں۔ ایمیزون سیج میکر کینوس میں ڈیٹا درآمد کرنا.
شرائط
اس واک تھرو کے لیے، یقینی بنائیں کہ درج ذیل شرائط کو پورا کیا گیا ہے:
کسٹمر چرن ماڈل استعمال کریں۔
شرائط کو مکمل کرنے کے بعد، آپ کے پاس کینوس میں تاریخی ڈیٹا پر تربیت یافتہ ایک ماڈل ہونا چاہیے، جو کہ کسٹمر کے منتھن کی پیشن گوئی کرنے کے لیے نئے کسٹمر ڈیٹا کے ساتھ استعمال کے لیے تیار ہو، جسے آپ QuickSight میں استعمال کر سکتے ہیں۔
- ایک نئی فائل بنائیں
churn-no-labels.csvتصادفی طور پر اصل ڈیٹاسیٹ سے 1,500 لائنیں منتخب کر کے churn.csv اور ہٹا رہا ہےChurn?کالم.
ہم اس نئے ڈیٹاسیٹ کا استعمال پیشین گوئیاں بنانے کے لیے کرتے ہیں۔
ہم اگلے مراحل کینوس میں مکمل کرتے ہیں۔ آپ کینوس کو کے ذریعے کھول سکتے ہیں۔ AWS مینجمنٹ کنسول، یا آپ کے کلاؤڈ ایڈمنسٹریٹر کے ذریعہ فراہم کردہ SSO ایپلیکیشن کے ذریعے۔ اگر آپ کو یقین نہیں ہے کہ کینوس تک کیسے رسائی حاصل کی جائے تو رجوع کریں۔ ایمیزون سیج میکر کینوس کا استعمال شروع کرنا.
- کینوس کنسول پر، منتخب کریں۔ ڈیٹا سیٹ نیوی گیشن پین میں.
- میں سے انتخاب کریں درآمد کریں.
- میں سے انتخاب کریں اپ لوڈ کریں اور منتخب کریں
churn-no-labels.csvفائل جو آپ نے بنائی ہے۔ - میں سے انتخاب کریں ڈیٹا درآمد کریں۔.
ڈیٹا کی درآمد کے عمل کا وقت فائل کے سائز پر منحصر ہے۔ ہمارے معاملے میں، یہ تقریبا 10 سیکنڈ ہونا چاہئے. جب یہ مکمل ہو جائے گا، ہم دیکھ سکتے ہیں کہ ڈیٹا سیٹ موجود ہے۔ Ready حیثیت.
- ڈیٹاسیٹ کی پہلی 100 قطاروں کا جائزہ لینے کے لیے، آپشنز مینو (تین نقطوں) کو منتخب کریں اور منتخب کریں پیش نظارہ.
- میں سے انتخاب کریں ماڈل نیویگیشن پین میں، پھر مطلوبہ شرائط کے حصے کے طور پر آپ نے تخلیق کردہ چرن ماڈل کا انتخاب کریں۔
- پر پیش گوئ کرنا۔ ٹیب، منتخب کریں ڈیٹاسیٹ منتخب کریں.
- منتخب کریں
churn-no-labels.csvڈیٹا سیٹ، پھر منتخب کریں۔ پیشین گوئیاں بنائیں.
انفرنس ٹائم ماڈل کی پیچیدگی اور ڈیٹاسیٹ کے سائز پر منحصر ہے۔ ہمارے معاملے میں، اس میں لگ بھگ 10 سیکنڈ لگتے ہیں۔ جب کام ختم ہوجاتا ہے، تو یہ اپنی حیثیت کو ریڈی میں بدل دیتا ہے اور ہم نتائج ڈاؤن لوڈ کرسکتے ہیں۔
- اختیارات کے مینو کا انتخاب کریں (تین نقطے)، لوڈ، اور تمام اقدار ڈاؤن لوڈ کریں۔.
اختیاری طور پر، ہم انتخاب کے نتائج پر ایک سرسری نظر ڈال سکتے ہیں۔ پیش نظارہ. پہلے دو کالم ماڈل سے پیشین گوئیاں ہیں۔
ہم نے اپنے ماڈل کو کامیابی کے ساتھ استعمال کیا ہے تاکہ ہماری موجودہ گاہک کی آبادی کے لیے خطرے کی پیشن گوئی کی جا سکے۔ اب ہم اپنی پیشین گوئیوں کی بنیاد پر کاروباری میٹرکس کو دیکھنے کے لیے تیار ہیں۔
QuickSight میں ڈیٹا درآمد کریں۔
جیسا کہ ہم نے پہلے بات کی ہے، کاروباری تجزیہ کاروں کو اعداد و شمار پر مبنی کاروباری فیصلے کرنے کے لیے پیشین گوئیوں کو کاروباری میٹرکس کے ساتھ مل کر تصور کرنے کی ضرورت ہوتی ہے۔ ایسا کرنے کے لیے، ہم QuickSight کا استعمال کرتے ہیں، جو سمجھنے میں آسان بصیرت فراہم کرتا ہے اور فیصلہ سازوں کو ایک انٹرایکٹو بصری ماحول میں معلومات کو دریافت کرنے اور اس کی تشریح کرنے کا موقع فراہم کرتا ہے۔ QuickSight کے ساتھ، ہم ایک سادہ ڈریگ اینڈ ڈراپ انٹرفیس کے ساتھ سیکنڈوں میں گرافس اور چارٹس جیسے تصورات بنا سکتے ہیں۔ اس پوسٹ میں، ہم کاروباری خطرات کو بہتر طور پر سمجھنے کے لیے کئی تصورات تیار کرتے ہیں اور ہم ان کا انتظام کیسے کر سکتے ہیں، جیسے کہ ہمیں نئی مارکیٹنگ مہم کہاں سے شروع کرنی چاہیے۔
شروع کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:
- QuickSight کنسول پر، منتخب کریں۔ ڈیٹا سیٹ نیوی گیشن پین میں.
- میں سے انتخاب کریں نیا ڈیٹاسیٹ.
QuickSight بہت سے ڈیٹا ذرائع کو سپورٹ کرتا ہے۔ اس پوسٹ میں، ہم ایک مقامی فائل کا استعمال کرتے ہیں، جسے ہم نے پہلے کینوس میں اپنے ماخذ ڈیٹا کے طور پر تیار کیا تھا۔
- میں سے انتخاب کریں ایک فائل اپ لوڈ کریں.
- پیشین گوئیوں کے ساتھ حال ہی میں ڈاؤن لوڈ کی گئی فائل کا انتخاب کریں۔
QuickSight فائل کو اپ لوڈ اور تجزیہ کرتا ہے۔
- چیک کریں کہ پیش نظارہ میں ہر چیز کی توقع کے مطابق ہے، پھر منتخب کریں۔ اگلے.
- میں سے انتخاب کریں بصیرت.
ڈیٹا اب کامیابی کے ساتھ درآمد ہو چکا ہے اور ہم اس کا تجزیہ کرنے کے لیے تیار ہیں۔
پیشین گوئیوں کے کاروباری میٹرکس کے ساتھ ایک ڈیش بورڈ بنائیں
اب وقت آگیا ہے کہ ہم اپنے ڈیٹا کا تجزیہ کریں اور ایک واضح اور استعمال میں آسان ڈیش بورڈ بنائیں جو ڈیٹا سے چلنے والے کاروباری فیصلوں کے لیے ضروری تمام معلومات کی بازیافت کرے۔ اس قسم کا ڈیش بورڈ کاروباری تجزیہ کاروں کے ہتھیاروں میں ایک اہم ذریعہ ہے۔
مندرجہ ذیل ایک مثال ڈیش بورڈ ہے جو گاہک کے منحرف ہونے کے خطرے کی شناخت اور اس پر عمل کرنے میں مدد کر سکتا ہے۔
اس ڈیش بورڈ پر، ہم کئی اہم کاروباری میٹرکس کا تصور کرتے ہیں:
- گاہکوں کو منڈلانے کا امکان ہے - بائیں ڈونٹ چارٹ صارفین کی تعداد اور فیصد کی نمائندگی کرتا ہے جو 50 فیصد سے زیادہ منتھنی کے خطرے کو ظاہر کرتا ہے۔ یہ چارٹ ہمیں ممکنہ مسئلہ کے سائز کو تیزی سے سمجھنے میں مدد کرتا ہے۔
- ممکنہ آمدنی کا نقصان - سب سے اوپر مڈل ڈونٹ چارٹ صارفین کی جانب سے 50 فیصد سے زیادہ نقصان کے ریونیو کے خطرے کی نمائندگی کرتا ہے۔ یہ چارٹ ہماری مدد کرتا ہے کہ مچھ سے ممکنہ آمدنی کے نقصان کے سائز کو تیزی سے سمجھنے میں۔ چارٹ یہ بھی ظاہر کرتا ہے کہ ہم اوسط سے اوپر والے کئی صارفین کو کھو سکتے ہیں کیونکہ ممکنہ آمدنی کا ایک فیصد ضائع ہو گیا ہے جو کہ صارفین کے اس فیصد سے زیادہ ہے جو منتھن کے خطرے میں ہے۔
- ریاست کی طرف سے ممکنہ آمدنی کا نقصان - سب سے اوپر دائیں افقی بار چارٹ کھوئے ہوئے ریونیو کے سائز کی نمائندگی کرتا ہے بمقابلہ صارفین کی جانب سے ہونے والی آمدنی کو جس کا خطرہ نہیں ہے۔ یہ بصری ہمیں یہ سمجھنے میں مدد دے سکتا ہے کہ مارکیٹنگ مہم کے نقطہ نظر سے ہمارے لیے کون سی ریاست سب سے اہم ہے۔
- منتھن کے خطرے میں صارفین کے بارے میں تفصیلات - نیچے بائیں ٹیبل میں ہمارے تمام صارفین کے بارے میں تفصیلات موجود ہیں۔ یہ جدول مددگار ثابت ہو سکتا ہے اگر ہم فوری طور پر متعدد صارفین کی تفصیلات پر نظر ڈالنا چاہتے ہیں جس کے ساتھ اور بغیر خطرہ ہے۔
گاہکوں کو منڈلانے کا امکان ہے
ہم منتھنی کے خطرے میں گاہکوں کے ساتھ ایک چارٹ بنا کر شروع کرتے ہیں۔
- کے تحت کھیتوں کی فہرست، منتخب کیجئیے منتھن۔ وصف.
QuickSight خود بخود ایک تصور بناتا ہے۔
اگرچہ بار پلاٹ ڈیٹا کی تقسیم کو سمجھنے کے لیے ایک عام تصور ہے، لیکن ہم ڈونٹ چارٹ استعمال کرنے کو ترجیح دیتے ہیں۔ ہم اس کی خصوصیات کو تبدیل کرکے اس بصری کو تبدیل کرسکتے ہیں۔
- نیچے ڈونٹ چارٹ کا آئیکن منتخب کریں۔ بصری اقسام.
- موجودہ نام کا انتخاب کریں (ڈبل کلک کریں) اور اسے تبدیل کریں۔ گاہکوں کو منڈلانے کا امکان ہے.
- دیگر بصری اثرات کو اپنی مرضی کے مطابق بنانے کے لیے (لیجنڈ کو ہٹائیں، اقدار شامل کریں، فونٹ کا سائز تبدیل کریں)، پنسل آئیکن کا انتخاب کریں اور اپنی تبدیلیاں کریں۔
جیسا کہ مندرجہ ذیل اسکرین شاٹ میں دکھایا گیا ہے، ہم نے ڈونٹ کا رقبہ بڑھایا اور ساتھ ہی لیبلز میں کچھ اضافی معلومات بھی شامل کیں۔
ممکنہ آمدنی کا نقصان
کسٹمر چرن کے کاروباری اثرات کا حساب لگاتے وقت غور کرنے کے لیے ایک اور اہم میٹرک ممکنہ آمدنی کا نقصان ہے۔ یہ ایک اہم میٹرک ہے کیونکہ یہ ہمیں گاہکوں کی طرف سے کاروباری اثرات کو سمجھنے میں مدد کرتا ہے جو منتھنی کے خطرے میں نہیں ہے۔ ٹیلی کام انڈسٹری میں، مثال کے طور پر، ہمارے پاس بہت سے غیر فعال کلائنٹس ہو سکتے ہیں جن کے پاس منحرف ہونے کا زیادہ خطرہ ہے اور آمدنی صفر ہے۔ یہ چارٹ ہمیں یہ سمجھنے میں مدد کر سکتا ہے کہ آیا ہم ایسی صورتحال میں ہیں یا نہیں۔ اس میٹرک کو اپنے ڈیش بورڈ میں شامل کرنے کے لیے، ہم ممکنہ آمدنی کے نقصان کی گنتی کے لیے ریاضیاتی فارمولہ فراہم کر کے ایک حسب ضرورت کیلکولیشن فیلڈ بناتے ہیں، پھر اسے دوسرے ڈونٹ چارٹ کے طور پر تصور کرتے ہیں۔
- پر شامل کریں مینو، منتخب کریں حسابی فیلڈ شامل کریں۔.
- فیلڈ کو کل چارجز کا نام دیں۔
- فارمولہ درج کریں {Day Charge}+{Eve Charge}+{Intl Charge}+{Night Charge}۔
- میں سے انتخاب کریں محفوظ کریں.
- پر شامل کریں مینو، منتخب کریں بصری شامل کریں۔.
- کے تحت بصری اقسام، ڈونٹ چارٹ آئیکن کا انتخاب کریں۔
- کے تحت کھیتوں کی فہرست، گھسیٹیں۔ منتھن۔ کرنے کے لئے گروپ/رنگ.
- گھسیٹیں کل چارجز کرنے کے لئے قدر.
- پر قدر مینو، منتخب کریں بطور دکھائیں۔ اور منتخب کریں کرنسی.
- دیگر بصری اثرات کو حسب ضرورت بنانے کے لیے پنسل آئیکن کا انتخاب کریں (لیجنڈ کو ہٹائیں، قدریں شامل کریں، فونٹ کا سائز تبدیل کریں)۔
اس وقت، ہمارے ڈیش بورڈ میں دو تصورات ہیں۔
ہم پہلے ہی مشاہدہ کر سکتے ہیں کہ مجموعی طور پر ہم 18% (270) گاہکوں کو کھو سکتے ہیں، جو کہ آمدنی میں 24% ($6,280) کے برابر ہے۔ آئیے ریاستی سطح پر ممکنہ آمدنی کے نقصان کا تجزیہ کرتے ہوئے مزید دریافت کریں۔
ریاست کی طرف سے ممکنہ آمدنی کا نقصان
ریاست کے لحاظ سے ممکنہ آمدنی کے نقصان کا تصور کرنے کے لیے، آئیے ایک افقی بار گراف شامل کریں۔
- پر شامل کریں مینو، منتخب کریں بصری شامل کریں۔.
- کے تحت بصری اقسام¸ افقی بار چارٹ آئیکن کا انتخاب کریں۔
- کے تحت کھیتوں کی فہرست¸ گھسیٹیں۔ منتھن۔ کرنے کے لئے گروپ/رنگ.
- گھسیٹیں کل چارجز کرنے کے لئے قدر.
- پر قدر مینو، منتخب کریں بطور دکھائیں۔ اور کرنسی.
- گھسیٹیں اسٹیج کرنے کے لئے Y محور.
- دیگر بصری اثرات کو حسب ضرورت بنانے کے لیے پنسل آئیکن کا انتخاب کریں (لیجنڈ کو ہٹائیں، قدریں شامل کریں، فونٹ کا سائز تبدیل کریں)۔
- ہم اپنے نئے بصری کو بھی منتخب کر کے ترتیب دے سکتے ہیں۔ کل چارجز نیچے اور انتخاب نزولی.
یہ بصری ہمیں یہ سمجھنے میں مدد دے سکتا ہے کہ مارکیٹنگ مہم کے نقطہ نظر سے کون سی ریاست سب سے اہم ہے۔ مثال کے طور پر، ہوائی میں، ہم ممکنہ طور پر اپنی نصف آمدنی ($253,000) کھو سکتے ہیں جب کہ واشنگٹن میں، یہ قدر 10% ($52,000) سے کم ہے۔ ہم یہ بھی دیکھ سکتے ہیں کہ ایریزونا میں، ہمیں تقریباً ہر گاہک کو کھونے کا خطرہ ہے۔
منتھن کے خطرے میں صارفین کے بارے میں تفصیلات
آئیے صارفین کے بارے میں تفصیلات کے ساتھ ایک ٹیبل بناتے ہیں جس میں گرنے کا خطرہ ہے۔
- پر شامل کریں مینو، منتخب کریں بصری شامل کریں۔.
- کے تحت بصری اقسام، ٹیبل آئیکن کا انتخاب کریں۔
- کے تحت فیلڈ کی فہرستیں۔، گھسیٹیں۔ فون, حالت, بین الاقوامی منصوبہ, وی میل پلان, منتھن۔، اور اکاؤنٹ کی لمبائی کرنے کے لئے گروپ بذریعہ.
- گھسیٹیں امکان کرنے کے لئے قدر.
- پر قدر مینو، منتخب کریں بطور دکھائیں۔ اور فیصد.
اپنے ڈیش بورڈ کو حسب ضرورت بنائیں
QuickSight آپ کے ڈیش بورڈ کو حسب ضرورت بنانے کے لیے کئی اختیارات پیش کرتا ہے، جیسے کہ درج ذیل۔
- نام شامل کرنے کے لیے، پر شامل کریں مینو، منتخب کریں عنوان شامل کریں.
- ایک عنوان درج کریں (اس پوسٹ کے لیے، ہم اپنے ڈیش بورڈ کا نام تبدیل کرتے ہیں۔ چرن تجزیہ).
- اپنے بصریوں کا سائز تبدیل کرنے کے لیے، چارٹ کے نیچے دائیں کونے کا انتخاب کریں اور مطلوبہ سائز پر گھسیٹیں۔
- کسی بصری کو منتقل کرنے کے لیے، چارٹ کے اوپری مرکز کو منتخب کریں اور اسے نئی جگہ پر گھسیٹیں۔
- تھیم تبدیل کرنے کے لیے، منتخب کریں۔ موضوعات نیوی گیشن پین میں.
- اپنا نیا تھیم منتخب کریں (مثال کے طور پر، آدھی رات)، اور منتخب کریں۔ کا اطلاق کریں.
اپنا ڈیش بورڈ شائع کریں۔
ڈیش بورڈ ایک تجزیہ کا صرف پڑھنے والا سنیپ شاٹ ہے جسے آپ رپورٹنگ کے مقاصد کے لیے دیگر QuickSight صارفین کے ساتھ شیئر کر سکتے ہیں۔ آپ کا ڈیش بورڈ تجزیہ کی ترتیب کو اس وقت محفوظ رکھتا ہے جب آپ اسے شائع کرتے ہیں، بشمول فلٹرنگ، پیرامیٹرز، کنٹرولز، اور ترتیب ترتیب جیسی چیزیں۔ تجزیہ کے لیے استعمال ہونے والا ڈیٹا ڈیش بورڈ کے حصے کے طور پر نہیں لیا جاتا ہے۔ جب آپ ڈیش بورڈ دیکھتے ہیں، تو یہ تجزیہ کے ذریعے استعمال کیے گئے ڈیٹا سیٹس میں موجودہ ڈیٹا کی عکاسی کرتا ہے۔
اپنا ڈیش بورڈ شائع کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:
- پر سیکنڈ اور مینو، منتخب کریں ڈیش بورڈ شائع کریں۔.
- اپنے ڈیش بورڈ کے لیے ایک نام درج کریں۔
- میں سے انتخاب کریں ڈیش بورڈ شائع کریں۔.
مبارک ہو، آپ نے کامیابی کے ساتھ churn analysis کا ڈیش بورڈ بنا لیا ہے۔
اپنے ڈیش بورڈ کو ایک نئی پیشین گوئی کے ساتھ اپ ڈیٹ کریں۔
جیسا کہ ماڈل تیار ہوتا ہے اور ہم کاروبار سے نیا ڈیٹا تیار کرتے ہیں، ہمیں اس ڈیش بورڈ کو نئی معلومات کے ساتھ اپ ڈیٹ کرنے کی ضرورت پڑ سکتی ہے۔ درج ذیل مراحل کو مکمل کریں:
- ایک نئی فائل بنائیں
churn-no-labels-updated.csvتصادفی طور پر اصل ڈیٹاسیٹ سے مزید 1,500 لائنیں منتخب کر کے churn.csv اور ہٹا رہا ہےChurn?کالم.
ہم اس نئے ڈیٹاسیٹ کو نئی پیشین گوئیاں پیدا کرنے کے لیے استعمال کرتے ہیں۔
- سے اقدامات کو دہرائیں۔ کسٹمر چرن ماڈل استعمال کریں۔ نئے ڈیٹاسیٹ کے لیے پیشین گوئیاں حاصل کرنے اور نئی فائل ڈاؤن لوڈ کرنے کے لیے اس پوسٹ کا سیکشن۔
- QuickSight کنسول پر، منتخب کریں۔ ڈیٹا سیٹ نیوی گیشن پین میں.
- ہم نے جو ڈیٹا سیٹ بنایا ہے اسے منتخب کریں۔
- میں سے انتخاب کریں ڈیٹاسیٹ میں ترمیم کریں۔.
- ڈراپ ڈاؤن مینو پر، منتخب کریں۔ فائل کو اپ ڈیٹ کریں۔.
- میں سے انتخاب کریں اپ لوڈ فائل.
- پیشین گوئیوں کے ساتھ حال ہی میں ڈاؤن لوڈ کی گئی فائل کا انتخاب کریں۔
- پیش نظارہ کا جائزہ لیں، پھر منتخب کریں۔ فائل اپ ڈیٹ کی تصدیق کریں۔.
"فائل کامیابی کے ساتھ اپ ڈیٹ ہو گیا" کا پیغام ظاہر ہونے کے بعد، ہم دیکھ سکتے ہیں کہ فائل کا نام بھی بدل گیا ہے۔
- میں سے انتخاب کریں محفوظ کریں اور شائع کریں۔.
- جب "محفوظ اور کامیابی سے شائع ہوا" پیغام ظاہر ہوتا ہے، تو آپ بائیں اوپری کونے میں QuickSight لوگو کو منتخب کر کے مین مینو پر واپس جا سکتے ہیں۔
- میں سے انتخاب کریں ڈیش بورڈز نیویگیشن پین میں اور ڈیش بورڈ کا انتخاب کریں جو ہم نے پہلے بنایا تھا۔
آپ کو اپنا ڈیش بورڈ اپ ڈیٹ شدہ اقدار کے ساتھ دیکھنا چاہیے۔
ہم نے ابھی اپنے QuickSight ڈیش بورڈ کو Canvas کی تازہ ترین پیشین گوئیوں کے ساتھ اپ ڈیٹ کیا ہے۔
صاف کرو
مستقبل کے چارجز سے بچنے کے لیے، کینوس سے لاگ آؤٹ کریں۔.
نتیجہ
اس پوسٹ میں، ہم نے کینوس کا ایک ML ماڈل استعمال کیا تاکہ صارفین کو منتھنی کے خطرے کی پیشین گوئی کی جا سکے اور ڈیٹا پر مبنی کاروباری فیصلے کرنے میں ہماری مدد کرنے کے لیے بصیرت انگیز تصورات کے ساتھ ایک ڈیش بورڈ بنایا۔ ہم نے صارف دوست انٹرفیس اور واضح تصورات کی بدولت کوڈ کی ایک بھی لائن لکھے بغیر ایسا کیا۔ یہ کاروباری تجزیہ کاروں کو ML ماڈل بنانے میں چست ہونے کے قابل بناتا ہے، اور ڈیٹا سائنس ٹیموں سے مکمل خود مختاری میں تجزیہ اور بصیرت نکالتا ہے۔
کینوس کے استعمال کے بارے میں مزید جاننے کے لیے، دیکھیں بنائیں، شیئر کریں، تعینات کریں: کس طرح کاروباری تجزیہ کار اور ڈیٹا سائنسدان بغیر کوڈ ML اور Amazon SageMaker Canvas کا استعمال کرتے ہوئے وقت سے مارکیٹ میں تیزی سے حاصل کرتے ہیں۔. بغیر کوڈ کے حل کے ساتھ ایم ایل ماڈل بنانے کے بارے میں مزید معلومات کے لیے، دیکھیں ایمیزون سیج میکر کینوس کا اعلان کرنا - کاروباری تجزیہ کاروں کے لیے ایک بصری، بغیر کوڈ مشین لرننگ کی صلاحیت. QuickSight کی تازہ ترین خصوصیات اور بہترین طریقوں کے بارے میں مزید جاننے کے لیے، دیکھیں AWS بگ ڈیٹا بلاگ.
مصنف کے بارے میں
الیگزینڈر پیٹروشیف لکسمبرگ میں مقیم AWS میں AI/ML ماہر حل آرکیٹیکٹ ہیں۔ وہ کلاؤڈ اور مشین لرننگ کے بارے میں پرجوش ہے، اور جس طرح سے وہ دنیا کو بدل سکتے ہیں۔ کام سے باہر، وہ پیدل سفر، کھیل، اور اپنے خاندان کے ساتھ وقت گزارنے سے لطف اندوز ہوتا ہے۔
ڈیوڈ گیلیٹیلی EMEA خطے میں AI/ML کے لیے ایک ماہر حل آرکیٹیکٹ ہے۔ وہ برسلز میں مقیم ہے اور پورے بینیلکس میں صارفین کے ساتھ مل کر کام کرتا ہے۔ وہ اس وقت سے ایک ڈویلپر رہا ہے جب وہ بہت چھوٹا تھا، اس نے 7 سال کی عمر میں کوڈ بنانا شروع کیا۔ اس نے یونیورسٹی میں AI/ML سیکھنا شروع کیا، اور تب سے اسے اس سے پیار ہو گیا۔
- AI
- ai آرٹ
- AI آرٹ جنریٹر
- عی روبوٹ
- ایمیزون کوئیک سائٹ
- ایمیزون سیج میکر
- ایمیزون سیج میکر کینوس
- تجزیاتی
- مصنوعی ذہانت
- مصنوعی ذہانت کا سرٹیفیکیشن
- بینکنگ میں مصنوعی ذہانت
- مصنوعی ذہانت والا روبوٹ
- مصنوعی ذہانت والے روبوٹ
- مصنوعی ذہانت سافٹ ویئر
- AWS مشین لرننگ
- blockchain
- بلاکچین کانفرنس
- coingenius
- بات چیت مصنوعی ذہانت
- crypto کانفرنس ai
- dall-e
- گہری سیکھنے
- گوگل عی
- مشین لرننگ
- پلاٹا
- افلاطون اے
- افلاطون ڈیٹا انٹیلی جنس
- افلاطون گیم
- پلیٹو ڈیٹا
- پلیٹو گیمنگ
- پیمانہ ai
- نحو
- تکنیکی طریقہ
- زیفیرنیٹ
