De voorspellingsgegevens in een Qlik Sense-app visualiseren
De laatste stap van het proces is om een Qlik CloudQlik Sense-analyseapp aan te maken om de voorspellingsgegevens die u hebt gegenereerd inzichtelijk te maken.
Alternatieve methode: een vooraf geconfigureerde app uploaden
In plaats dat u de resterende stappen van dit onderwerp volgt, kunt u ook de Customer churn predictions.qvf-app die u aan het begin van deze zelfstudie hebt gedownload, uploaden in het Analyse-activiteitencentrum.
De resterende secties op deze pagina leiden u door het proces voor het maken van een vergelijkbare app. Er zullen enkele verschillen optreden tussen de voorspellingsgegevens in de app en uw eigen voorspellingsgegevens.
De downloadbare app bevat een aanvullend werkblad met de titel Individual Customer Analysis, dat voorwaardelijke uitdrukkingen bevat om een gedetailleerde analyse van een afzonderlijk klantaccount aan te moedigen.
Aan de slag
Ga vanuit het Analyse-activiteitencentrum naar de pagina Maken en klik op Analyse-app. Selecteer een ruimte voor de app en geef die de naam Voorspellingen klantenverloop.
Klik op Maken.
Het gegevensmodel maken
Uw gegevens selecteren
U moet de noodzakelijke gegevens toevoegen aan uw app. Deze bestaan uit de toe te passen gegevensverzameling (die u aan het begin van de zelfstudie hebt geüpload) en de twee gegevensverzamelingen die op basis van de voorspelling zijn gegenereerd.
Doe het volgende:
-
Klik in de nieuwe app om gegevens toe te voegen vanuit Gegevenscatalogus.
-
In Gegevenscatalogus schakelt u de selectievakjes naast de volgende drie gegevensverzamelingen in:
-
Toe te passen gegevensverzameling: AutoML Tutorial - Churn data - apply.csv of AutoML Tutorial - Churn data - apply.qvd
-
Gegevensverzameling voor voorspelling: AutoML Tutorial - Churn data - apply_Prediction.csv
-
Coordinate SHAP‑gegevensverzameling: AutoML Tutorial - Churn data - apply_Prediction_Coordinate_SHAP.csv
-
-
Klik op Volgende.
-
Er verschijnt een overzichtsvenster. Klik op de gegevensverzameling AutoML Tutorial - Churn data - apply.csv om de beschikbare velden uit te vouwen die geladen kunnen worden.
-
Klik op het pictogram naast functies waarvan de selectie is opgeheven tijdens de modeltraining. Dit moet DaysSinceLastService zijn, net als de functies die u hebt gedeselecteerd omdat ze weinig invloed op het model hadden.
-
Klik op Laden in app.
De gegevens koppelen
U hebt nu de gegevens toegevoegd aan de app, maar er wordt nog geen verbonden gegevensmodel gemaakt totdat u de gegevensverzamelingen koppelt. In dit geval is het veld AccountID de index die de gegevensverzamelingen aan elkaar koppelt.
In uw app wordt Gegevensbeheer nu geopend. U ziet de drie gegevensverzamelingen, maar ze worden getoond als afzonderlijke entiteiten die niet zijn verbonden.
Doe het volgende:
-
In uw app wordt Gegevensbeheer nu geopend. U ziet de drie gegevensverzamelingen, maar ze worden getoond als afzonderlijke entiteiten die niet zijn verbonden.
-
In het rechter deelvenster van Gegevensbeheer gaat u naar de koppelingssuggestie AccountID.
-
Klik op Toepassen. De tabellen moeten nu met elkaar zijn verbonden.
-
Klik op Gegevens laden.
Uw koppelingen in Gegevensmodelviewer controleren
Voordat u visualisaties in de app gaat maken, moet u verifiëren dat de gegevens juist zijn gekoppeld.
Doe het volgende:
-
Open in de navigatiebalk bovenaan de interface het navigatiemenu van de app en selecteer Gegevensmodelviewer.
-
Controleer of de drie gegevensverzamelingen juist zijn verbonden. Het veld AccountID zou moeten fungeren als een sleutel in alle drie de gegevensverzamelingen. Het gegevensmodel van de app zou moeten lijken op de onderstaande afbeelding.
U kunt nu beginnen met het samenstellen van uw analyse-inhoud. Klik op Werkblad op het tabblad Analyseren van de navigatiebalk.
Eerste werkblad: dashboard met geaggregeerde voorspellingen
Het eerste werkblad focust op de analyse van de voorspellingen in geaggregeerde vorm.
Doe het volgende:
-
U moet in de bewerkingsmodus zijn. Klik op Geavanceerde opties.
-
Klik met de rechtermuisknop een bestaande visualisatie in het werkblad en verwijder het. Dit is een aanbevelingsfunctie voor diagrammen die we niet in deze zelfstudie gebruiken.
-
Geef het werkblad een titel, bijvoorbeeld Geaggregeerde voorspellingen. Klik op een willekeurige plek in het lege werkblad om Werkbladeigenschappen te openen aan de rechterkant van de interface. Onder Titel typt u een naam voor het werkblad.
Cirkeldiagram
Met een cirkeldiagram kunt u eenvoudig de evenredige uitsplitsing van uw gegevens visualiseren. In dit geval is het logisch om de gegevens uit te splitsen op basis van de voorspelde resultaten (yes of no).
Doe het volgende:
-
Sleep een cirkeldiagram naar het werkblad.
-
Voeg Churned_predicted toe als een dimensie.
-
Voeg Count(AccountID) toe als een meting.
-
Indien gewenst kunt u Dimensielabel uitschakelen onder Uiterlijk > Presentatie in het eigenschappenvenster.
-
Vouw de dimensie uit onder Gegevens in het eigenschappenvenster en wijzig het Label voor de dimensie in Verloop voorspeld.
Door dit label wordt de legenda bijgewerkt.
Filtervak
Dit dashboard is bedoeld voor een brede analyse van het volledige gegevensmodel. Het is echter zeer belangrijk dat u snel gegevens kunt filteren binnen verschillende dimensies om specifieke cohorten te analyseren.
Maak een filtervak met meerdere keuzelijsten. Elke keuzelijst staat selecties toe van waarden binnen een afzonderlijke dimensie.
Doe het volgende:
-
Sleep een filtervak naar het werkblad.
-
Voeg velden toe aan het filtervak. Dit kunnen dimensies zijn waarvan u verwacht dat deze van belang zijn voor de voorspelde resultaten.
-
Klik op het veld onder Gegevens in het eigenschappenvenster om elke keuzelijst indien nodig te wijzigen. Hierdoor wordt Eigenschappen keuzelijst geopend.
U wilt bijvoorbeeld het veldlabel wijzigen en stelt Keuzelijst samenvouwen in op Altijd om ruimte te besparen in het werkblad.
Wijzig de grootte van het filtervak zodat het verschijnt als deelvenster aan een kant van het werkblad.
KPI-objecten
KPI's zijn ideaal voor het weergeven van één enkele waarde voor een bijzonder belangrijke analyse van uw gegevens. In dit voorbeeld maken we drie KPI-diagramen aan.
Doe het volgende:
-
Maak een blanco KPI-diagram aan. Voeg de volgende meting toe:
=Count(Churned_predicted)
Dit berekent het totale aantal klanten voor wie we verloopvoorspellingen hebben aangemaakt.
-
Geef de meting het label Totaal # van klanten.
-
Stel de Nummerindeling in op Nummer en presenteer de waarden in de indeling 1,000 (zonder decimalen of percentages).
-
Maak een tweede blanco KPI-diagram aan. Voeg de volgende meting toe:
=Count({<Churned_predicted={"yes"}>}(Churned_predicted))
Dit is een vaste uitdrukking voor het berekenen van het aantal keren dat de waarde yes in het veld Churned_predicted voorkomt.
-
Geef de meetwaarde het label Voorspeld te vertrekken.
-
Configureer de nummerindeling van het diagram met dezelfde instellingen als de eerste KPI.
-
Maak een derde blanco KPI-diagram aan. Voeg de volgende meting toe:
=Count({<Churned_predicted={"no"}>}(Churned_predicted))
Dit berekent het aantal keer dat de waarde no voorkomt in het veld Churned_predicted.
-
Geef de meting het label Voorspeld te blijven.
Histogram
Met behulp van een histogram kunt u de verdeling visualiseren van waarschijnlijkheidswaarden van een voorspelling.
Sleep een histogram naar het werkblad en geef het een titel. Voeg Churned_yes toe als dimensie.
Gestapelde staafdiagrammen
Om de voorspellingen te analyseren per categorieveld, bijv. type plan, kunt u een staafdiagram maken met de individuele datasetanalyses op elkaar gestapeld.
Doe het volgende:
-
Sleep een staafdiagram naar het werkblad en geef het de titel Voorspeld verloop per plantype.
-
Voeg PlanType toe als een dimensie. Geef de meting het label Plantype.
-
Voeg de volgende meting toe:
=Count({<Churned_predicted={"no"}>}(Churned_predicted))
Geef de meting het label Voorspeld te blijven.
-
Voeg de volgende meting toe:
=Count({<Churned_predicted={"yes"}>}(Churned_predicted))
Geef de meting het label Voorspeld te vertrekken.
-
Ga naar Vormgeving > Presentatie en wijzig de opmaak van Gegroepeerd naar Gestapeld.
-
Verwijder de schuifbalk en stel Waardelabels in op Aan.
-
Configureer Segmentlabels en Totaal labels als Automatisch.
Nadat u klaar bent, kunt u een vergelijkbare staafdiagram maken met dezelfde twee metingen, maar met een andere categorische dimensie zoals NumberOfPenalties.
Een verdelingsplot voor het analyseren van waarden van individuele numerieke velden
Een verdelingsplot kan worden gebruikt om voorspelde data te presenteren met behulp van een meting met verschillende numerieke waarden. In deze sectie gaat u een diagram aanmaken om verloopvoorspellingen per basistarief weer te geven, met aparte groepen voor de servicescore van klanten.
Doe het volgende:
-
Sleep een verdelingsplot naar het werkblad en geef het de titel Voorspelde verloop per basistarief en servicescore.
-
Voeg AccountID toe als dimensie voor de punten.
-
Voeg de volgende meting toe aan de x-as:
=Avg(BaseFee)
-
Voeg de volgende berekende dimensie toe aan de y-as:
=Round(ServiceRating,2)
Dit maakt groepen op de y-as aan voor elke geschatte waarden voor ServiceRating. Hoe hoger de waarde, hoe hoger de klant de kwaliteit van de service heeft beoordeeld.
-
Ga naar Vormgeving > Presentatie en reduceer de Bubbelgrootte tot 20 en schakel Jitter-punten in.
-
Ga naar Kleuren en legenda en stel de Kleuren in op Aangepast.
-
Selecteer de optie om de data een kleur te geven met de volgende dimensie:
=Churned_predicted
Dit wijst een kleur toe aan elk van de waarden in het veld Churned_predicted. In ons voorbeeld worden twee kleuren weergegeven.
-
Voeg labels toe aan de dimensie en de meting en voeg het volgende label toe aan de aangepaste kleurinstelling: Verloop voorspeld.
Soortgelijke grafieken kunnen worden aangemaakt voor het analyseren van verschillende numerieke velden door andere aggregaties te vervangen door de meting BaseFee.
Configureer de diagrammen op het werkblad zodat ze eruit zien als de onderstaande afbeelding.
Tweede werkblad: dashboard geaggregeerde SHAP
Maak vervolgens een werkblad voor het analyseren van de geaggregeerde SHAP-waarden.
Doe het volgende:
-
Maak een nieuw werkblad en open de geavanceerde bewerkingsmodus.
-
Geef het werkblad een titel, bijvoorbeeld Geaggregeerde SHAP.
Rangschikking SHAP-belang
Dit type diagram lijkt op de automatisch gegenereerde diagram die u mogelijk hebt gezien bij het configureren van uw experimentele versies. Hier gaan we er een aanmaken voor de voorspelde dataset.
Het doel van dit soort diagrammen is om de functies te tonen die het meeste bijdragen tot het resultaat dat wordt weergegeven in de kolom Churned. Houd er rekening mee dat de SHAP‑resultaten ofwel positief (waarde yes) of negatief (waarde no) kunnen zijn, want we gebruiken absolute waarden. Indien u dit wenst, kunt u ook een uitdrukking gebruiken die de absolute waarde niet berekend.
Doe het volgende:
-
Sleep een staafdiagram naar het lege werkblad.
-
Geef het diagram de titel SHAP importance volgens functie.
-
Voeg automl_feature als een dimensie toe en geef dit het label functie.
Op die manier kunt u de samengevoegde gegeven weergeven in alle inbegrepen functies.
-
Voeg de volgende berekende meetwaarde toe:
=fabs(Avg(SHAP_value))
-
Typ onder Label de titel Gemiddelde absolute SHAP.
-
Ga naar het eigenschappenpaneel en verwijder onder Vormgeving > Presentatie de scrollbalk als die aanwezig is, en stel de oriëntering van het diagram in vanVerticaal naar Horizontaal.
-
Ga naar Sorteren en sleep de waarde boven de dimensie, als dat nog niet gebeurd is. Laat het sorteren van elk veld staan op Automatisch.
Dit sorteert de meetwaarden van het diagram in aflopende volgorde.
Trellis-container
U kunt een trelliscontainer aanmaken voor het filteren van gegevens op specifieke veldwaarden binnen een dimensie. In dit geval kunnen we de SHAP-waarden indelen volgens elke van de vier soorten klantenplannen.
Om een trellisobject aan te maken, dient u een dimensie en een mastervisualisatie op te geven. We gaan de rangschikking van het SHAP-belang dat we zonet hebben aangemaakt, omzetten in een mastervisualisatie.
Doe het volgende:
- Klik met de rechtermuisknop op het diagram Gemiddelde absolute SHAP in het werkblad en selecteer vervolgens Toevoegen aan masteritems.
- Behoud de standaarnaam en klik op Toevoegen.
-
Ga in het bedrijfsmiddelenvenster naar Aangepaste objecten > Qlik Visualization Bundle en sleep een trelliscontainer naar het werkblad.
-
Voeg PlanType toe als een dimensie.
-
Klik in het diagram op Mastervisualisering toevoegen en voeg vervolgens het diagramGemiddelde absolute SHAP toe.
-
Ga in het eigenschappenvenster naar Vormgeving > Algemeen, schakel Titels tonen in en geef het diagram de titel SHAP-belang volgens plantype.
-
Pas de afmetingen van de trelliscontainer aan zodat hij breed genoeg is voor alle namen van de functies in het diagram. Als niet alle labels zichtbaar zijn, pas dat de zoom-instelling in uw browservenster aan.
U kunt optioneel ook de gegevens weergeven door individuele diagramen aan te maken met vaste expressies voor elke dimensiewaarde die u wilt analyseren. In dit voorbeeld kunt u een aparte diagram voor elk van de vier soort plannen kunnen aanmaken.
Het filtervak opnieuw gebruiken
Het filtervak dat u in het eerste werkblad hebt geopend, kunt u opnieuw gebruiken in dit werkblad. Klik in de geavanceerde bewerkingsmodus op het filtervak en kopieer het. Plak het in het werkblad Geaggregeerde SHAP.
Structuuroverzicht
U kunt de uitsplitsing van de SHAP-waarden ook visualiseren met een structuuroverzicht. Sleep een structuuroverzicht naar het werkblad en voeg dezelfde dimensie en meting toe die u hebt gebruik voor de rangschkking van het SHAP-belang.
Configureer de diagrammen op het werkblad zodat ze eruit zien als de onderstaande afbeelding.
De app gebruiken
Nadat u klaar bent met het bouwen van de app, kunt u deze gebruiken voor gegevensanalyse.
Klik op Werkblad bewerken om over te schakelen naar de analysemodus. In deze weergave kunt u selecties maken (in de filtervakken of andere plekken in het werkblad) om de gegevens te filteren voor een specifieke analyse van subsets van de gegevens. Mogelijk wilt u een specifiek abonnemenststype van klanten of een regio analyseren en de bevindingen vergelijken met andere subsets van gegevens.
Hartelijk dank!
U bent aan het einde van deze zelfstudie. We hopen dat u een paar dingen hebt geleerd en zich hebt gerealiseerd dat geautomatiseerde machine learning een snelle en eenvoudige manier is om voorspellende modellen te genereren. Qlik Sense is een krachtig hulpmiddel om vlot uw voorspelde data inzichtelijk te maken en betekenis te geven.