# Beispiel – Was-wäre-wenn-Analyse mit dem Qlik Predict Analysekonnektor

In diesem Beispiel konfigurieren Sie eine Was-wäre-wenn-Analyse, um zu simulieren, wie sich vorhergesagte Werte ändern, wenn verschiedene Variablen angepasst werden. Das Beispiel umfasst das Trainieren und Bereitstellen eines Binärklassifizierungsmodells in Qlik Predict und dessen Verwendung zur Erstellung von Vorhersagen mit dem Qlik Predict Analysekonnektor.

Anwendung einer Was-wäre-wenn-Analyse

Anwendung einer Was-wäre-wenn-Analyse

Anwendung einer Was-wäre-wenn-Analyse ![Ergebnis einer Was-wäre-wenn-Analyse](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Resources/Images/what-if-analysis.png)

## Vor dem Beginn

### Beispielmaterialien herunterladen

Laden Sie die Beispielressourcen hier herunter:

[WhatIfAnalysisExample.zip](https://help.qlik.com/de-DE/cloud-services/tutorials/WhatIfAnalysisExample.zip)

Die Materialien bestehen aus:

* Einem Trainingsdatensatz (data-turnover-employees.xlsx). Dieser Datensatz wird sowohl für das Training als auch für die Vorhersagen des Beispiels verwendet.

* Einer Anwendung (What-If Analysis.qvf). Die Anwendung kann nur verwendet werden, um Vorhersagen zu generieren, wenn zuvor ein Modell trainiert und bereitgestellt wurde.

### Voraussetzungen

Stellen Sie vor dem Beginn Folgendes sicher:

* Ihr Qlik Cloud Abonnement kann Echtzeit-Vorhersagen ausführen. Beachten Sie Folgendes, oder wenden Sie sich an den Servicekontobesitzer des Mandanten.

  * [Qlik-Preisgestaltung](https://www.qlik.com/us/pricing)

  * [Qlik Cloud® Abonnements](https://www.qlik.com/us/legal/product-terms)

* Ihr Mandantenadministrator hat ML-Endpunkte aktiviert.

  [Aktivieren von ML-Endpunkten in Qlik Cloud](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/LoadData/ac-qlik-automl-connector-overview.htm#EnableMLEndpoints)

* Sie verfügen über die erforderlichen Berechtigungen, die Ihnen von einem Mandantenadministrator zugewiesen wurden.

  * Die Berechtigung Datenverbindungen ist auf Zulässig festgelegt.

    [Zuweisung von Berechtigungen für Benutzer zum Arbeiten mit Datenverbindungen](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/Admin/mc-administer-data-connections.htm#Permissions)

  * Berechtigungen für die Arbeit mit Experimenten.

    [Benutzerzugriff auf ML-Experimente](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#AccessExperiment)

  * Berechtigungen für die Arbeit mit Bereitstellungen und mit dem Qlik Predict Analysekonnektor.

    [Benutzerzugriff auf ML-Bereitstellungen und Vorhersagen](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#AccessDeployment)

## Teil 1: Datensatz hochladen

Gehen Sie folgendermaßen vor:

1. Gehen Sie zur Seite „Erstellen“ des Aktivitätscenters Analysen und wählen Sie Datensätze aus.

2. Klicken Sie auf Datendatei hochladen.

3. Ziehen Sie die Datendatei data-turnover-employees.xlsx in das Dialogfeld Datei hinzufügen.

4. Wählen Sie einen Zielbereich für die Datei aus. Das kann Ihr persönlicher Bereich oder ein freigegebener Bereich sein. Verwenden Sie denselben Bereich für alle Tutorial-Objekte.

5. Klicken Sie auf Hochladen.

## Teil 2: Experiment trainieren

Erstellen und konfigurieren Sie ein Experiment und führen Sie es aus, um ein Binärklassifizierungsmodell zu trainieren. Alle verfügbaren Features werden standardmäßig eingeschlossen.

Gehen Sie folgendermaßen vor:

1. Gehen Sie zur Seite „Erstellen“ des Aktivitätscenters Analysen und wählen Sie ML-Experiment aus.

2. Geben Sie einen Namen für das Experiment ein, zum Beispiel Analyse der Mitarbeiterfluktuation.

3. Wählen Sie einen Bereich für das Experiment aus (verwenden Sie denselben Bereich, den Sie in [Teil 1: Datensatz hochladen](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/example-what-if-analysis.htm#Upload) verwendet haben).

4. Klicken Sie auf Erstellen.

5. Wählen Sie den Trainingsdatensatz data-turnover-employees.xlsx aus.

6. Wählen Sie die Spalte left als Ziel aus. Dies ist eine Spalte, die angibt, ob ein Mitarbeiter das Unternehmen verlassen hat oder nicht.

7. Klicken Sie auf Experiment ausführen.

## Teil 3: Das leistungsstärkste Modell bereitstellen und aktivieren

### Bereitstellung

Nach Abschluss des Experimenttrainings gelangen Sie zur Registerkarte Modelle. Stellen Sie das leistungsstärkste Modell als ML-Bereitstellung bereit.

Gehen Sie folgendermaßen vor:

1. Klicken Sie auf the Drei-Punkte-Menü icon neben dem Modell, das mit dem Symbol the Trophäe icon gekennzeichnet ist.

2. Klicken Sie auf the Bereitstellen icon .

3. Wählen Sie die Option Eine neue Bereitstellung zur Bereitstellung des Modells aus.

4. Geben Sie einen Namen für die Bereitstellung ein, z. B. Prognosen für die Mitarbeiterfluktuation.

5. Passen Sie bei Bedarf den Bereich, die Beschreibung und die Tags an.

6. Aktivieren Sie API-Zugriff in Echtzeit aktivieren. Dies ist zum Ausführen von Vorhersagen mit dem Qlik Predict Analysekonnektor erforderlich.

7. Klicken Sie auf Erstellen.

### Aktivierung

Öffnen Sie die neu erstellte Bereitstellung.

Oben auf der Benutzeroberfläche der ML-Bereitstellung zeigt ein Banner an, dass ein Modellgenehmiger das Standardmodell für die Erstellung von Vorhersagen aktivieren muss.

Gehen Sie folgendermaßen vor:

1. Klicken Sie im Banner oben in der ML-Bereitstellung auf Modell aktivieren.

2. Klicken Sie in dem Dialogfeld, das geöffnet wird, zur Bestätigung auf Modell aktivieren.

## Teil 4: Eine Verbindung zum Qlik Predict Analysekonnektor erstellen

Erstellen Sie als Nächstes eine Verbindung zum Qlik Predict Analysekonnektor. Dadurch können Sie direkt in der Analyseanwendung Vorhersagen generieren.

Gehen Sie folgendermaßen vor:

1. Gehen Sie zur Seite „Erstellen“ des Aktivitätscenters von Analysen und wählen Sie Datenverbindungen aus.

2. Wählen Sie unter Bereich denselben Bereich aus, den Sie in [Teil 1: Datensatz hochladen](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/example-what-if-analysis.htm#Upload) verwendet haben.

3. Wählen Sie den Qlik Predict Konnektor aus.

4. Wählen Sie die ML-Bereitstellung aus, die Sie in [Teil 3: Das leistungsstärkste Modell bereitstellen und aktivieren](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/example-what-if-analysis.htm#Deploy) erstellt haben.

5. Geben Sie den folgenden Namen ein: MLModel.

6. Klicken Sie auf Erstellen.

## Teil 5: Analyseanwendung hochladen

Laden Sie die Analyseanwendung hoch, die Sie in [Beispielmaterialien herunterladen](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/example-what-if-analysis.htm#Download) heruntergeladen haben.

Gehen Sie folgendermaßen vor:

1. Gehen Sie zur Seite „Erstellen“ des Aktivitätscenters Analysen.

2. Wählen Sie unter Daten und Hochladen die Option Hochladen aus.

3. Ziehen Sie die Anwendung What-If Analysis.qvf in das Dialogfeld.

4. Wählen Sie unter Bereich denselben Bereich aus, den Sie in [Teil 1: Datensatz hochladen](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/example-what-if-analysis.htm#Upload) und [Teil 4: Eine Verbindung zum Qlik Predict Analysekonnektor erstellen](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/example-what-if-analysis.htm#Connection) verwendet haben.

5. Klicken Sie auf Hochladen.

Nachdem Sie die Anwendung hochgeladen haben, öffnen Sie sie und dann das Arbeitsblatt What-If Analysis.

InformationshinweisDie Anwendung ist vorkonfiguriert, sodass Sie keine Arbeitsblätter und Formeln hinzufügen müssen. Jeder Schritt ist jedoch in [Verstehen der Anwendung](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/example-what-if-analysis.htm#Understanding) detailliert beschrieben.

## Ergebnisse prüfen

Sie haben nun das Arbeitsblatt What-If Analysis in der Anwendung geöffnet.

Gehen Sie folgendermaßen vor:

1. Wählen Sie einen einzelnen Mitarbeiterwert im Feld employee\_number aus. Ein Wert wird im KPI Risk of Turnover angezeigt.

2. Passen Sie die Schieberegler unterhalb des KPI an. Mit jeder Anpassung wird eine Simulation durchgeführt, um das Risiko der Mitarbeiterfluktuation vorherzusagen.

Was-wäre-wenn-Analyse mit einem ausgewählten einzelnen Mitarbeiter und angepassten Variablen.

Was-wäre-wenn-Analyse mit einem ausgewählten einzelnen Mitarbeiter und angepassten Variablen.

Was-wäre-wenn-Analyse mit einem ausgewählten einzelnen Mitarbeiter und angepassten Variablen. ![Ergebnis einer Was-wäre-wenn-Analyse](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Resources/Images/what-if-analysis.png)

## Verstehen der Anwendung

### Geladene Daten

Der Trainingsdatensatz, der in [Teil 2: Experiment trainieren](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/example-what-if-analysis.htm#Train) verwendet wurde, liefert die Anwendungsdaten. In realen Szenarien ist dies möglicherweise nicht immer der Fall.

### Arbeitsblattvariablen

Die folgenden Variablen wurden erstellt, jeweils mit einer leeren Standarddefinition. Die Definition bleibt leer, da die Variablenwerte stattdessen dynamisch während der Analyse aktualisiert werden.

Variablen für die Was-wäre-wenn-Analyse

| Variablenname | Modell-Feature, das sie darstellt | Variablenstandarddefinition |
| --- | --- | --- |
| vSatisfactionLevel | satisfaction\_level | - |
| vTimeSpent | time\_spend\_company | - |
| vNumberOfProjects | number\_project | - |
| vAvgMonthlyHoursWorked | average\_monthly\_hours | - |

### KPI und Formel

Ein KPI wurde zum Arbeitsblatt hinzugefügt. Die folgende Diagrammformel wird verwendet:

```
endpoints.ScriptEvalStr('{"RequestType":"endpoint", "endpoint":{"connectionname":":MLModel","column":"left_yes"}}',
	vSatisfactionLevel as satisfaction_level,
	vTimeSpent as time_spend_company,
	last_evaluation,
	vNumberOfProjects as number_project,
	vAvgMonthlyHoursWorked as average_monthly_hours)
```

Die Berechnung stellt das Fluktuationsrisiko für den ausgewählten Mitarbeiter dar.

Die folgenden Abschnitte beschreiben, wie diese Formel die Syntax der serverseitigen Erweiterungen verwendet, um die Machine Learning API für Echtzeit-Vorhersagen aufzurufen.

#### Aufschlüsseln der Formel

Die Formel verwendet die Syntax der serverseitigen Erweiterungen (SSE), um Vorhersagen dynamisch zu generieren.

[](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/example-what-if-analysis.htm)

#### endpoints.ScriptEvalStr

Das Präfix endpoints.ScriptEvalStr gibt an, dass serverseitige Erweiterungen verwendet werden. Konkret wird die Funktion ScriptEvalStr verwendet. Diese Funktion ermöglicht es Ihnen, den Verbindungsnamen, das Ziel und die Features anzugeben, ohne Typen explizit zu deklarieren. Mit anderen Worten leitet die API Feature-Typen automatisch ab, wenn diese Funktion verwendet wird.

[Syntax für serverseitige Erweiterungen](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/LoadData/sse-syntax.htm)

[](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/example-what-if-analysis.htm)

#### ('{"RequestType":"endpoint",

Dieses Segment ruft weitere serverseitige Erweiterungen auf, indem es angibt, dass die Anforderung auf einen bestimmten Endpunkt zugreifen soll.

[Syntax für serverseitige Erweiterungen](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/LoadData/sse-syntax.htm)

[](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/example-what-if-analysis.htm)

#### Angeben des Verbindungsnamens

Das Segment "endpoint":{"connectionname":":MLModel" gibt den Namen der zu verwendenden Verbindung an. Dieser muss mit dem Verbindungsnamen übereinstimmen, der in [Teil 4: Eine Verbindung zum Qlik Predict Analysekonnektor erstellen](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/example-what-if-analysis.htm#Connection) angegeben wurde. Die Verbindung enthält auch ein Präfix :, um anzuzeigen, dass sich die zu verwendende Verbindung im selben Bereich wie die Anwendung befindet.

[](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/example-what-if-analysis.htm)

#### Angeben des Ziels und Anfordern der Wahrscheinlichkeit

Das Segment column":"left\_yes" gibt an, dass die Spalte left als Ziel verwendet werden soll. Das Suffix \_yes gibt an, dass nach einer Wahrscheinlichkeit des Ergebnisses yes gesucht wird. Es wird also nicht explizit ein vorhergesagter Wert angefordert, sondern die Wahrscheinlichkeit, dass ein positiver Wert vorhergesagt wird.

[](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/example-what-if-analysis.htm)

#### Angeben der Features und Variablen

Nachdem die Zielspalte angegeben wurde, müssen wir die Features im Modell angeben. Die Modell-Features können durch Öffnen der ML-Bereitstellung (in [Teil 3: Das leistungsstärkste Modell bereitstellen und aktivieren](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/example-what-if-analysis.htm#Deploy) erstellt) und anschließendes Öffnen der Bereitstellungsübersicht abgerufen werden. Dadurch wird das Modellschema geöffnet: die Liste der Features und ihrer Feature-Typen.

Bereitstellungsübersicht in einer ML-Bereitstellung, die das Modellschema anzeigt

Bereitstellungsübersicht in einer ML-Bereitstellung, die das Modellschema anzeigt

BereitstellungsübersichtBereitstellungsübersicht in einer ML-Bereitstellung, die das ModellschemaModellschema anzeigt ![Modellschema in der Bereitstellungsübersicht für eine ML-Bereitstellung.](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Resources/Images/what-if-analysis-model-schema.png)

Hier kann die Liste der Features als kommagetrennte Liste erstellt werden. Variablensubstitutionen – unter Verwendung des Schlüsselworts „as“ – zeigen an, dass die aktuellen Werte von Variablen als Feature-Daten anstelle der Anwendungsdaten selbst verwendet werden sollen. Diese Variablensubstitutionen ermöglichen die interaktive „Was-wäre-wenn“-Simulation, die in diesem Beispiel demonstriert wird.

```
vSatisfactionLevel as satisfaction_level,
vTimeSpent as time_spend_company,
last_evaluation,
vNumberOfProjects as number_project,
vAvgMonthlyHoursWorked as average_monthly_hours)
```

InformationshinweisDie Feature-Liste in der Formel muss alle Features im Modellschema enthalten. Andernfalls schlagen Vorhersagen fehl. Auch wenn in der Formel Features aufgeführt sind, die nicht im Modellschema erscheinen, schlagen die Vorhersagen fehl. Wenn Sie ein Modell trainiert haben, das nicht den identischen Satz von Features wie die oben in den Formeln aufgeführten aufweist, müssen Sie die Formel bearbeiten, um Features wie erforderlich hinzuzufügen oder zu entfernen.

### Variableneingabeobjekte

Vier Variableneingabesteuerelemente wurden dem Arbeitsblatt hinzugefügt – eines für jede Variable. Folgende Konfigurationen wurden vorgenommen:

* Die zu verwendende Variable wurde ausgewählt.

* Als Eingabetyp wurde Schieberegler ausgewählt.

* Minimale und maximale Bereiche für jede Variable wurden basierend auf Werten konfiguriert, die gemäß den Originaldaten vernünftigerweise zu erwarten sind.

Weitere Informationen zu Variableneingabeobjekten finden Sie unter [Erstellen von Variableneingabe-Steuerelementen](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/Visualizations/DashboardBundle/creating-variable-input.htm).

### Filterfenster

Ein Filterfenster wurde hinzugefügt, um die einfache Auswahl des Mitarbeiters zu ermöglichen, auf den sich die Analyse konzentrieren soll.

### Tabelle mit den Originaldaten

Am unteren Rand des Arbeitsblatts wurde außerdem ein Tabellendiagramm hinzugefügt, um die Originaldaten – bevor sie während der Was-wäre-wenn-Analyse geändert wurden – leicht einsehen zu können.

## Weitere Informationen

* [Syntax für serverseitige Erweiterungen](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/LoadData/sse-syntax.htm)
* [Verwenden von Qlik Predict-Verbindungen in Visualisierungsformeln](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/LoadData/ac-qlik-automl-connector-use.htm)