Visualizar los datos de predicción en una aplicación de Qlik Sense

Crear el modelo de datos

Seleccionar sus datos

Debe agregar los datos necesarios a su aplicación. Consiste en el conjunto de datos de aplicación (cargado al comienzo del tutorial) y los dos conjuntos de datos generados a partir de la predicción.

Haga lo siguiente:

1. En la nueva app, haga clic para añadir datos desde el Catálogo de datos.

2. En Catálogo de datos, haga clic en las casillas de verificación junto a los siguientes tres conjuntos de datos:

   • Conjunto de datos de aplicación AutoML Tutorial - Churn data - apply.csv o AutoML Tutorial - Churn data - apply.qvd

   • Conjunto de datos de predicción: AutoML Tutorial - Churn data - apply_Prediction.csv

   • Conjunto de datos de SHAP de coordenadas: AutoML Tutorial - Churn data - apply_Prediction_Coordinate_SHAP.csv

3. Haga clic en Siguiente.

4. Aparece un panel de resumen. Haga clic en el conjunto de datos AutoML Tutorial - Churn data - apply.csv a fin de expandir los campos disponibles para cargar.

5. Haga clic en el icono junto a cualquier característica que se haya descartado durante el entrenamiento del modelo.Esta debería ser DaysSinceLastService, así como cualquier característica que haya descartado debido a su escasa influencia en el modelo.

6. Haga clic en Cargar en la app.

Asociar los datos

En este punto, ha agregado los datos a la aplicación, pero no se construye un modelo de datos conectado hasta que asocie los conjuntos de datos. En este caso, el campo AccountID será el índice que vincule los conjuntos de datos.

En su aplicación, ahora se abre el Gestor de datos. Verá los tres conjuntos de datos, pero se muestran como entidades separadas, no conectadas.

Haga lo siguiente:

1. En su aplicación, ahora se abre el Gestor de datos. Verá los tres conjuntos de datos, pero se muestran como entidades separadas, no conectadas.

2. En el panel a la derecha del Gestor de datos, busque la sugerencia de asociación AccountID.

3. Haga clic en Aplicar. Las tablas ahora deberían estar conectadas entre sí.

4. Haga clic en Cargar datos.

Comprobar sus asociaciones en Visor del modelo de datos

Antes de crear visualizaciones en la aplicación, debe verificar que los datos se hayan asociado correctamente.

Haga lo siguiente:

1. En la barra de navegación de la parte superior de la interfaz, abra el menú de navegación de la app y seleccione Visor del modelo de datos.

2. Compruebe que los tres conjuntos de datos se hayan conectado correctamente. El campo AccountID debería actuar como clave en los tres conjuntos de datos. El modelo de datos de la aplicación debería presentar el aspecto de la siguiente imagen.

   

Ya está listo para comenzar a crear contenido analítico. Haga clic en Hoja en la pestaña Analizar en la barra de navegación.

Primera hoja: panel de predicciones agregadas

La primera hoja se centrará en el análisis de las predicciones en forma agregada.

Haga lo siguiente:

1. Ahora debería estar en modo de edición de hoja. Haga clic en Opciones avanzadas.

2. Haga clic con el botón derecho en cualquier visualización de la hoja y elimínela. Esta es una función de sugerencia de gráficos que no usaremos en este tutorial.

3. Asigne un título a la hoja, por ejemplo, Predicciones agregadas. Para ello, haga clic en cualquier lugar de la hoja en blanco para abrir Propiedades de la hoja a la derecha de la interfaz. En Título, escriba el nombre de la hoja.

Gráfico de tarta

Un gráfico circular le permite visualizar fácilmente el desglose proporcional de sus datos. En este caso, tiene sentido desglosar los datos según los resultados previstos (yes o no).

Haga lo siguiente:

1. Arrastre un gráfico circular a la hoja.

2. Añada Churned_predicted como dimensión.

3. Añada Count(AccountID) como medida.

4. Si lo desea, desactive Etiqueta de dimensión en Aspecto > Presentación en el panel de propiedades.

5. Expanda la dimensión de Datos en el panel de propiedades y modifique la Etiqueta de la dimensión a Predicción de abandono.

   La etiqueta se actualiza en la leyenda.

Panel de filtrado

Este panel servirá para un amplio análisis de todo el modelo de datos. Sin embargo, es casi seguro que será importante poder filtrar rápidamente los datos en varias dimensiones para analizar cohortes específicas.

Cree un panel de filtrado con varios cuadros de lista. Cada cuadro de lista permite selecciones de valores dentro de una única dimensión.

Haga lo siguiente:

1. Arrastre un panel de filtrado a la hoja.

2. Agregue campos al panel de filtrado. Estas podrían ser dimensiones que espera que sean significativas para los resultados previstos.

3. Modifique cada cuadro de lista según sea necesario haciendo clic en el campo debajo de Datos en el panel de propiedades. Esto abre las propiedades del Cuadro de lista.

   Por ejemplo, es posible que desee cambiar la etiqueta del campo y configurar Contraer cuadro de lista en Siempre para ahorrar espacio en la hoja.

Redimensione el panel de filtrado para que aparezca como un panel a un lado de la hoja.

Objetos KPI

Los KPI son una excelente manera de mostrar un valor único para un análisis particularmente importante de sus datos. Aquí, crearemos tres gráficos de KPI.

Haga lo siguiente:

1. Cree un gráfico de KPI en blanco. Agregue la siguiente medida:

   =Count(Churned_predicted)

   Esto calculará el número total de clientes para los que hemos generado predicciones de abandono.

2. Denomine la medida Número total de clientes.

3. Configure Formato numérico en Número y presente los valores en formato de 1000 (sin decimales ni valores porcentuales).

4. Cree otro gráfico KPI en blanco. Agregue la siguiente medida:

   =Count({<Churned_predicted={"yes"}>}(Churned_predicted))

   Esta es una expresión de conjunto que calcula el número de veces que se mostró el valor afirmativo yes en el campo Churned_predicted.

5. Denomine la medida Se predice que abandonarán.

6. Configure el formato de número del gráfico con la misma configuración que el primer KPI.

7. Cree un tercer gráfico de KPI en blanco. Agregue la siguiente medida:

   =Count({<Churned_predicted={"no"}>}(Churned_predicted))

   Esto calcula la cantidad de veces que se mostró el valor no en el campo Churned_predicted.

8. Denomine la medida Se predice que continuarán.

Histograma

Puede visualizar la distribución de los valores de probabilidad de predicción con un histograma.

Arrastre un histograma a la hoja y asígnele un título. Añada Churned_yes como dimensión.

Gráficos de barras apiladas

Para analizar las predicciones por un campo categórico, como el tipo de plan, puede crear un gráfico de barras con análisis de conjuntos individuales apilados uno encima del otro.

Haga lo siguiente:

1. Arrastre un gráfico de barras a la hoja y asígnele el título Predicciones de abandono por tipo de plan.

2. Añada PlanType como dimensión. Denomínelo Tipo de plan.

3. Agregue la siguiente medida:

   =Count({<Churned_predicted={"no"}>}(Churned_predicted))

   Denomine la medida Se predice que continuarán.

4. Agregue la siguiente medida:

   =Count({<Churned_predicted={"yes"}>}(Churned_predicted))

   Denomine la medida Se predice que abandonarán.

5. En Aspecto > Presentación, cambie la presentación de Agrupado a Apilado.

6. Retire la barra de desplazamiento y configure Etiquetas de valores en Activado.

7. Configure Etiquetas de segmento y Etiquetas de total en Automático.

Cuando haya terminado, puede crear un gráfico de barras similar con las mismas dos medidas, pero con una dimensión categórica diferente, como NumberOfPenalties.

Gráfico de distribución para analizar valores de campos numéricos individuales

Se puede usar un gráfico de distribución para presentar datos de predicciones por una medida con diversos valores numéricos. En esta sección, crearemos un gráfico para mostrar las predicciones de abandono por tarifa base, con agrupaciones distintas para la calificación del servicio al cliente.

Haga lo siguiente:

1. Arrastre un diagrama de distribución a la hoja y denomínelo Predicciones de abandono por tarifa base y calificación del servicio.

2. Agregue AccountID como dimensión para los puntos.

3. Agregue la siguiente medida en el eje X:

   =Avg(BaseFee)

4. Agregue la siguiente dimensión calculada en el eje Y:

   =Round(ServiceRating,2)

   Esto crea agrupaciones a lo largo del eje y para valores ServiceRating aproximados. Cuanto mayor es el valor, mejor califica el cliente la calidad de su servicio.

5. En Aspecto > Presentación, reduzca el Tamaño de burbuja a 20 y habilite los Puntos de fluctuación.

6. En Colores y leyenda, establezca Colores en Personalizado.

7. Seleccione la opción para colorear los datos por la siguiente dimensión:

   =Churned_predicted

   Esto asignará un color para cada uno de los valores en el campo Churned_predicted. En este caso, se mostrarán dos colores.

8. Agregue etiquetas a la dimensión y la medida, y agregue la siguiente etiqueta a la configuración de color personalizada: Se predice que abandonarán.

Se pueden crear gráficos similares para el análisis de diferentes campos numéricos al sustituir otras agregaciones de campos en lugar de la medida BaseFee.BaseFee

Configure las visualizaciones en la hoja para que se vean similares a la imagen a continuación.

Segunda hoja: panel de SHAP agregados

A continuación cree una hoja dedicada a analizar los valores SHAP agregados.

Haga lo siguiente:

1. Cree una nueva hoja y abra el modo de edición avanzada.

2. Asigne un título a la hoja (por ejemplo, SHAP agregados).

Ranking de importancia SHAP

Este tipo de gráfico es similar al generado automáticamente que podría haber visto al configurar las versiones de su experimento. Aquí, haremos uno para el conjunto de datos predicho.

El propósito de este tipo de gráfico es mostrar las características que más contribuyen al resultado visto en la columna Churned. Debemos ser conscientes de que, dado que utilizaremos valores absolutos, los resultados de SHAP pueden ser positivos (valor yes) o negativos (valor no). Si lo prefiere, también puede utilizar una expresión que no calcule el valor absoluto.

Haga lo siguiente:

1. Arrastre un gráfico de barras a la hoja vacía.

2. Titule el gráfico Importancia de SHAP por característica.

3. Agregue automl_feature como dimensión y denomínela Característica.

   Esto le permite presentar los datos agregados en todas las características incluidas.

4. Agregue la siguiente medida calculada:

   =fabs(Avg(SHAP_value))

5. En Etiqueta, escriba SHAP absoluto promedio.

6. En el panel de propiedades, en Aspecto > Presentación, elimine la barra de desplazamiento si está presente y configure la orientación del gráfico de Vertical a Horizontal.

7. En Ordenar, arrastre la medida sobre la dimensión si aún no lo ha hecho. Deje la ordenación de cada campo en Automático.

   Esto ordena el gráfico por valores de medida en un patrón descendente.

Contenedor de matriz

Puede hacer un gráfico contenedor de matriz para filtrar datos de valores de campo específicos dentro de una dimensión. En este caso, podemos desglosar los valores de SHAP para cada uno de los cuatro tipos de planes que se ofrecen a los clientes.

Para crear un objeto contenedor de matriz, debe especificar una dimensión y una visualización maestra. Convertiremos el ranking de importancia SHAP que acabamos de crear en una visualización maestra.

Haga lo siguiente:

1. Haga clic con el botón derecho en el gráfico SHAP absoluto promedio en la hoja y seleccione Añadir a elementos maestros.
2. Mantenga el nombre predeterminado y haga clic en Añadir.

3. En Objetos personalizados > Paquete de visualización de Qlik en el panel de activos, arrastre un gráfico contenedor de matriz a la hoja.

4. Añada PlanType como dimensión.

5. Haga clic en Añadir visualización maestra dentro del gráfico y después añada el gráfico SHAP absoluto promedio.

6. Enr Aspecto > General en el panel de propiedades, active Mostrar títulos y titule el gráfico Importancia de SHAP por tipo de plan.

7. Cambie el tamaño del contenedor de matriz para que sea lo suficientemente ancho para mostrar los nombres de las entidades en los gráficos. Si no se muestran todas las etiquetas, ajuste el zoom en la ventana del navegador.

Alternativamente, puede mostrar estos datos creando gráficos individuales con expresiones establecidas para cada valor de dimensión que desee analizar. En este caso, podría crear un gráfico distinto para cada uno de los cuatro tipos de planes.

Reutilizar el panel de filtrado

El panel de filtrado que creó en la primera hoja se puede reutilizar en esta hoja. En el modo de edición avanzada, haga clic con el botón derecho en el panel de filtrado y cópielo. Péguelo en la hoja SHAP agregados.

Gráfico de bloques

También puede visualizar el desglose de los valores SHAP mediante un gráfico de bloques. Arrastre un gráfico de bloques a la hoja y agregue la misma dimensión y medida que utilizó en la clasificación de importancia de SHAP.

Configure las visualizaciones en la hoja para que se vean similares a la imagen a continuación.

Usar la app

Una vez que haya terminado de crear la aplicación, estará lista para usarse para el análisis de datos.

Haga clic en Editar hoja para cambiar al modo de análisis. En esta vista, puede realizar selecciones (en los paneles de filtrado o en cualquier otro lugar de la hoja) para filtrar los datos y realizar análisis específicos de subconjuntos de datos. Por ejemplo, es posible que desee analizar un tipo o región de plan de cliente específico y comparar los hallazgos con otros subconjuntos de datos.

¡Muchas gracias!

Ha llegado al final de este tutorial. Esperamos que haya aprendido algunas cosas y se haya dado cuenta de que el aprendizaje automático es una forma rápida y fácil de generar modelos predictivos. Qlik Sense es una herramienta potente que facilita la visualización de sus datos de predicciones y brinda información significativa sobre sus datos.