Visualizzazione dei dati di previsione in un'applicazione Qlik Sense

Creazione del modello dati

Selezione dei dati

È necessario aggiungere i dati necessari nell'applicazione. Questi consistono nel set di dati di applicazione (caricato all'inizio del tutorial) e nei due set di dati generati dalla previsione.

Procedere come indicato di seguito:

1. Nella nuova applicazione, fare clic per aggiungere dati da Catalogo dati.

2. In Catalogo dati, fare clic sulle caselle di controllo accanto ai tre set di dati seguenti:

   • Set di dati di applicazione:  ML - Churn data - apply.csv o ML - Churn data - apply.qvd

   • Set di dati di Previsione: ML - Prediction output.parquet

   • Set di dati SHAP coordinato: ML - Prediction output_Coordinate_SHAP.parquet

3. Fare clic su Avanti.

4. Viene visualizzato un pannello di riepilogo. Fare clic sul set di dati ML - Churn data - apply per espandere i campi disponibili da caricare.

5. Fare clic sull'icona accanto a qualsiasi funzionalità deselezionata durante l'addestramento del modello. È necessario mantenere AccountID nell'elenco perché è un campo chiave. Come riferimento, tornare alla configurazione della previsione creata e confrontare gli schemi del modello e del set di dati di applicazione (Per una guida generale, vedere Modifica delle configurazioni di previsione.).

6. Fare clic su Carica nell'app.

Associazione dei dati

A questo punto, i dati sono stati aggiunti all'applicazione, ma un modello dati connesso non viene costruito finché non si associano i set di dati tra loro. In questo caso, il campo AccountID sarà l'indice che collega i set di dati tra loro.

Nell'applicazione, ora è aperto Gestione dati. Si vedranno i tre set di dati, ma sono mostrati come entità separate non connesse.

Procedere come indicato di seguito:

1. Nell'applicazione, ora è aperto Gestione dati. Si vedranno i tre set di dati, ma sono mostrati come entità separate non connesse.

2. Nel riquadro di destra di Gestione dati, trovare il suggerimento di associazione AccountID.

3. Fare clic su Applica. Le tabelle dovrebbero ora essere connesse tra loro.

4. Fare clic su Carica dati.

Controllo delle associazioni in Sistema di visualizzazione modello dati

Prima di creare qualsiasi visualizzazione nell'applicazione, è necessario verificare che i dati siano stati associati correttamente.

Procedere come indicato di seguito:

1. Nella barra di navigazione nella parte superiore dell'interfaccia, aprire il menu di navigazione dell'applicazione e selezionare Sistema di visualizzazione modello dati.

2. Verificare che i tre set di dati siano stati connessi correttamente. Il campo AccountID dovrebbe fungere da chiave in tutti e tre i set di dati. Il modello dati dell'applicazione dovrebbe apparire come nell'immagine seguente.

   

Ora si è pronti per iniziare a creare contenuti di analisi. Fare clic su Foglio all'interno della scheda Analizza nella barra di navigazione.

Primo foglio: dashboard delle previsioni aggregate

Il primo foglio si concentrerà sull'analisi delle previsioni in forma aggregata.

Procedere come indicato di seguito:

1. Ora si dovrebbe essere in modalità di modifica del foglio.

2. Fare clic con il pulsante destro del mouse su qualsiasi visualizzazione esistente nel foglio ed eliminarla. Questa è una funzionalità di suggerimento del grafico che non utilizzeremo per questo tutorial.

3. Assegnare un titolo al foglio, ad esempio Aggregated Predictions. Per fare ciò, fare clic in un punto qualsiasi del foglio vuoto per aprire Proprietà foglio sul lato destro dell'interfaccia. In Titolo, digitare un nome per il foglio.

Grafico a torta

Un grafico a torta consente di visualizzare facilmente la scomposizione proporzionale dei dati. In questo caso, ha senso scomporre i dati in base ai risultati previsti (yes o no).

Procedere come indicato di seguito:

1. Trascinare un grafico a torta nel foglio.

2. Aggiungere Churned_predicted come dimensione.

3. Aggiungere la seguente misura:

   Count(AccountID)

4. Se lo si desidera, disattivare Etichetta dimensione in Aspetto > Presentazione nel pannello delle proprietà.

5. Espandere la dimensione in  Dati nel pannello delle proprietà e modificare l'Etichetta per la dimensione in Predicted to Churn.

   L'etichetta si aggiorna nella legenda.

Casella di filtro

Questa dashboard servirà per un'analisi ampia dell'intero modello dati. Tuttavia, sarà quasi certamente importante poter filtrare rapidamente i dati attraverso varie dimensioni per analizzare coorti specifiche.

Creare una casella di filtro con più caselle di riepilogo. Ogni casella di riepilogo consente la selezione di valori all'interno di una singola dimensione.

Procedere come indicato di seguito:

1. Trascinare una casella di filtro nel foglio.

2. Aggiungere campi alla casella di filtro. Queste potrebbero essere dimensioni che ci si aspetta siano significative per i risultati previsti.

3. Modificare ogni casella di riepilogo in base alle necessità facendo clic sul campo in Dati nel pannello delle proprietà. Questo apre le Proprietà casella di riepilogo.

   Ad esempio, si potrebbe voler modificare l'etichetta del campo e impostare Comprimi casella di riepilogo su Sempre per risparmiare spazio nel foglio.

Ridimensionare la casella di filtro in modo che appaia come un pannello su un lato del foglio.

Oggetti KPI

I KPI sono un ottimo modo per visualizzare un singolo valore per un'analisi particolarmente importante dei propri dati. Qui, creeremo tre grafici KPI.

Procedere come indicato di seguito:

1. Creare un grafico KPI vuoto. Aggiungere la seguente misura:

   =Count(Churned_predicted)

   Questo calcolerà il numero totale di clienti per i quali abbiamo generato previsioni di abbandono.

2. Etichettare la misura Total # of Customers.

3. Impostare Formattazione numero su Numero e presentare i valori nel formato 1.000 (senza decimali o valori percentuali).

4. Creare un altro grafico KPI vuoto. Aggiungere la seguente misura:

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

   Questa è un'espressione di set che calcola il numero di volte in cui il valore yes è stato visualizzato nel campo Churned_predicted.

5. Etichettare la misura Predicted to Churn.

6. Configurare la formattazione del numero del grafico con le stesse impostazioni del primo KPI.

7. Creare un terzo grafico KPI vuoto. Aggiungere la seguente misura:

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

   Questo calcola il numero di volte in cui il valore no è stato visualizzato nel campo Churned_predicted.

8. Etichettare la misura Predicted to Stay.

Istogramma

È possibile visualizzare la distribuzione dei valori di probabilità di previsione con un istogramma.

Trascinare un istogramma nel foglio e assegnargli un titolo. Aggiungere Churned_yes come dimensione.

Grafici a barre in pila

Per analizzare le previsioni in base a un campo categorico, come il tipo di piano, è possibile creare un grafico a barre con singole analisi di set in pila l'una sull'altra.

Procedere come indicato di seguito:

1. Trascinare un grafico a barre sul foglio e intitolarlo Churn Predictions by Plan Type.

2. Aggiungere PlanType come dimensione. Etichettarlo Plan Type.

3. Aggiungere la seguente misura:

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

   Etichettare la misura Predicted to Stay.

4. Aggiungere la seguente misura:

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

   Etichettare la misura Predicted to Churn.

5. In Aspetto > Presentazione, modificare il layout da Raggruppato a In pila.

6. Rimuovere la barra di scorrimento e impostare Etichette valori su On.

7. Configurare Etichette segmento ed Etichette totali su Auto.

Al termine, è possibile creare un grafico a barre simile con le stesse due misure, ma con una dimensione categorica diversa, come NumberOfPenalties.

Grafico di distribuzione per analizzare i singoli valori dei campi numerici

Un grafico di distribuzione può essere utilizzato per presentare i dati delle previsioni in base a una misura con diversi valori numerici. In questa sezione, si creerà un grafico per visualizzare le previsioni di abbandono in base alla tariffa base, con raggruppamenti distinti per la valutazione del servizio del cliente.

Procedere come indicato di seguito:

1. Trascinare un grafico di distribuzione sul foglio e intitolarlo Churn Predictions by Base Fee and Service Rating.

2. Aggiungere AccountID come dimensione per i punti.

3. Aggiungere la seguente misura sull'asse x:

   =Avg(BaseFee)

4. Aggiungere la seguente dimensione calcolata sull'asse y:

   =Round(ServiceRating,2)

   Questo crea raggruppamenti lungo l'asse y per valori approssimativi di ServiceRating. Più alto è il valore, più alta è la valutazione della qualità del servizio da parte del cliente.

5. In Aspetto > Presentazione, ridurre la Dimensione bolla a 20 e attivare Punti di jitter.

6. In Colori e legenda, impostare Colori su Personalizzato.

7. Selezionare l'opzione per colorare i dati in base alla seguente dimensione:

   =Churned_predicted

   Questo assegnerà un colore per ciascuno dei valori nel campo Churned_predicted. In questo caso, verranno visualizzati due colori.

8. Aggiungere etichette alla dimensione e alla misura e aggiungere la seguente etichetta all'impostazione del colore personalizzato: Predicted to Churn.

È possibile creare grafici simili per analisi di diversi campi numerici sostituendo altre aggregazioni di campi al posto della misura BaseFee.

Configurare le visualizzazioni sul foglio in modo che appaiano simili all'immagine sottostante.

Secondo foglio: dashboard SHAP aggregata

Successivamente, creare un foglio dedicato all'analisi dei valori SHAP aggregati.

Procedere come indicato di seguito:

1. Creare un nuovo foglio.

2. Assegnare un titolo al foglio (ad esempio, Aggregated SHAP).

Classificazione dell'importanza SHAP

Questo tipo di grafico è simile a quello generato automaticamente che si potrebbe aver visto durante la configurazione delle versioni dell'esperimento. Qui, ne creeremo uno per il set di dati previsto.

Lo scopo di questo tipo di grafico è mostrare le funzionalità che contribuiscono maggiormente al risultato visto nella colonna Churned. Dobbiamo essere consapevoli che, poiché utilizzeremo valori assoluti, i risultati SHAP potrebbero essere positivi (valore di yes) o negativi (valore di no). Se si preferisce, è anche possibile utilizzare un'espressione che non calcola il valore assoluto.

Procedere come indicato di seguito:

1. Trascinare un grafico a barre sul foglio vuoto.

2. Intitolare il grafico SHAP Importance by Feature.

3. Aggiungere automl_feature come dimensione ed etichettarla Feature.

   Questo consente di presentare i dati aggregati in tutte le funzionalità incluse.

4. Aggiungere la seguente misura calcolata:

   =fabs(Avg(SHAP_value))

5. In Etichetta, digitare Average Absolute SHAP.

6. Nel pannello delle proprietà, in Aspetto > Presentazione, rimuovere la barra di scorrimento se presente e impostare l'orientamento del grafico da Verticale a Orizzontale.

7. In Ordinamento, trascinare la misura sopra la dimensione se non è già stato fatto. Lasciare l'ordinamento di ogni campo su Auto.

   Questo ordina il grafico in base ai valori della misura in modo decrescente.

Trellis container

È possibile creare un contenitore Trellis per filtrare i dati per valori di campo specifici all'interno di una dimensione. In questo caso, possiamo scomporre i valori SHAP per ciascuno dei quattro tipi di piano offerti ai clienti.

Per creare un oggetto Trellis, è necessario specificare una dimensione e una visualizzazione principale. Convertiremo la classificazione dell'importanza SHAP appena creata in una visualizzazione principale.

Procedere come indicato di seguito:

1. Fare clic con il pulsante destro del mouse sul grafico Average Absolute SHAP nel foglio, quindi selezionare  Aggiungi a voci principali.
2. Mantenere il nome predefinito e fare clic su Aggiungi.

3. In Oggetti personalizzati > Qlik Visualization bundle nel pannello risorse, trascinare un contenitore Trellis sul foglio.

4. Aggiungere PlanType come dimensione.

5. Fare clic su Aggiungi visualizzazione principale all'interno del grafico, quindi aggiungere il grafico Average Absolute SHAP.

6. In Aspetto > Generale nel pannello delle proprietà, attivare Mostra titoli e intitolare il grafico SHAP Importance by Plan Type.

7. Ridimensionare il contenitore Trellis in modo che sia abbastanza largo da visualizzare i nomi delle funzionalità nei grafici. Se non vengono visualizzate tutte le etichette, regolare lo zoom nella finestra del browser.

In alternativa, è possibile visualizzare questi dati creando grafici individuali con espressioni di set per ogni valore di dimensione che si sta cercando di analizzare. In questo caso, si potrebbe creare un grafico separato per ciascuno dei quattro tipi di piano.

Riutilizzo della casella di filtro

La casella di filtro creata nel primo foglio può essere riutilizzata in questo foglio. In modalità di modifica del foglio, fare clic con il pulsante destro del mouse sulla casella di filtro e copiarla. Incollarla nel foglio Aggregated SHAP.

Mappa ad albero

È anche possibile visualizzare la scomposizione dei valori SHAP con una mappa ad albero. Trascinare una mappa ad albero sul foglio e aggiungere la stessa dimensione e misura utilizzate nella classificazione dell'importanza SHAP.

Configurare le visualizzazioni sul foglio in modo che appaiano simili all'immagine sottostante.

Utilizzo dell'applicazione

Dopo aver terminato la creazione dell'applicazione, è pronta per essere utilizzata per l'analisi dei dati.

Fare clic su Modifica foglio per passare alla modalità di analisi. In questa vista, è possibile effettuare selezioni (nelle caselle di filtro o altrove nel foglio) per filtrare i dati per un'analisi specifica di sottoinsiemi di dati. Ad esempio, si potrebbe voler analizzare un tipo di piano cliente o una regione specifica e confrontare i risultati con altri sottoinsiemi di dati.

Grazie!

Siete giunti alla fine di questo tutorial. Speriamo che abbiate imparato alcune cose e abbiate compreso che il machine learning automatizzato è un modo semplice e veloce per generare modelli predittivi. Qlik Sense è uno strumento potente che semplifica la visualizzazione dei dati delle previsioni e fornisce informazioni significative sui propri dati.