在 Qlik Sense 應用程式中視覺化預測資料

建立資料模型

選取您的資料

您需要將必要資料新增至應用程式。這包括套用資料集 (在教學課程開始時上傳) 和兩個從預測產生的資料集。

請執行下列動作：

1. 在新的應用程式中，按一下以從資料目錄新增資料。

2. 在資料目錄中，按一下以下三個資料集旁的核取方塊：

   • 套用資料集：AutoML Tutorial - Churn data - apply.csv 或 AutoML Tutorial - Churn data - apply.qvd

   • 預測資料集：AutoML Tutorial - Churn data - apply_Prediction.csv

   • 座標 SHAP 資料集：AutoML Tutorial - Churn data - apply_Prediction_Coordinate_SHAP.csv

3. 按一下下一步。

4. 就會顯示摘要面板。按一下 AutoML Tutorial - Churn data - apply.csv 資料集以展開要載入的可用欄位。

5. 按一下任何特徵旁邊、在模型訓練期間取消選取的 圖示。這應為 DaysSinceLastService，以及由於對模型影響力低而取消選取的任何特徵。

6. 按一下載入到應用程式中。

關聯資料

此時，您已將資料新增至應用程式，但在您將資料集關聯在一起時，不會建構連接的資料模型。在此案例中，AccountID 欄位會是將資料集連結在一起的索引。

在應用程式中，現在會開啟資料管理員。您將會看見三個資料集，但這會顯示為沒有連接的獨立實體。

請執行下列動作：

1. 在應用程式中，現在會開啟資料管理員。您將會看見三個資料集，但這會顯示為沒有連接的獨立實體。

2. 在資料管理員的右側窗格，尋找 AccountID 關聯建議。

3. 按一下套用。表格現在應連接在一起。

4. 按一下載入資料。

在 資料模型檢視器 中檢查關聯

在應用程式中建置任何視覺化之前，您應驗證資料已正確關聯。

請執行下列動作：

1. 在介面頂端的導覽列中，開啟應用程式導覽功能表並選取 資料模型檢視器。

2. 確認三個資料集已正確連接。AccountID 欄位應在全部三個資料集作為金鑰運作。應用程式的資料模型看起來應為下圖。

   

您現在已準備好開始建置分析內容。在導覽列按一下分析索引標籤內的工作表。

第一個工作表：彙總預測儀表板

第一個工作表將會聚焦於彙總形式的預測分析。

請執行下列動作：

1. 您現在應處於工作表編輯模式。按一下進階選項。

2. 用滑鼠右鍵按一下工作表中任何現有的視覺化，並刪除。此為我們不會在本教學課程使用的圖表建議特徵。

3. 向工作表提供標題，例如彙總預測。若要這麼做，按一下空白工作表的任何地方，以開啟介面右側的工作表屬性。在標題之下，輸入工作表的名稱。

圓形圖

圓形圖可讓您輕鬆視覺化成比例的資料解析。在此案例中，透過預測的結果 (yes 或 no) 解析資料是合理的做法。

請執行下列動作：

1. 將圓形圖拖曳至工作表。

2. 新增 Churned_predicted 作為維度。

3. 新增 Count(AccountID) 作為量值。

4. 如有需要，在屬性面板的外觀 > 呈現之下關閉維度標籤。

5. 在屬性面板的資料之下展開維度，並將維度的標籤修改為預測會流失。

   標籤會在圖例中更新。

篩選窗格

此儀表板將用於整個資料模型的廣泛分析。不過，能夠在各種維度快速篩選資料以分析特定群組，當然也很重要。

以多個清單方塊建立篩選窗格。每個清單方塊允許單一維度內的值選項。

請執行下列動作：

1. 將篩選窗格拖曳至工作表。

2. 將欄位新增至篩選窗格。這些可以是您預期對預測的結果會很重要的維度。

3. 在屬性面板中按一下資料之下的欄位，以根據需要修改每個清單方塊。這會開啟清單方塊屬性。

   例如，您可能會想要變更欄位標籤，並將摺疊清單方塊設定為永遠以儲存工作表空間。

調整篩選窗格的大小，以在工作表的某一側顯示為面板。

KPI 物件

若要為特別重要的資料分析顯示單一值，KPI 是很棒的方式。在此，我們將會建立三個 KPI 圖表。

請執行下列動作：

1. 建立空白 KPI 圖表。新增下列量值：

   =Count(Churned_predicted)

   這將會針對已產生流失預測的客戶計算客戶總數。

2. 將量值標示為客戶總數。

3. 將數字格式設定為數字並以 1,000 格式 (沒有小數或百分比值) 呈現值。

4. 建立另一個空白 KPI 圖表。新增下列量值：

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

   此為計算 yes 值在 Churned_predicted 欄位中顯示次數的集合運算式。

5. 將量值標示為預測會流失。

6. 使用與第一個 KPI 相同的設定來設定圖表的數字格式。

7. 建立第三個空白 KPI 圖表。新增下列量值：

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

   這計算 no 值在 Churned_predicted 欄位中顯示的次數。

8. 將量值標示為預測會留存。

直方圖

您可以使用長條圖視覺化預測可能性值的分佈。

將長條圖拖曳至工作表，並提供標題。新增 Churned_yes 作為維度。

堆疊長條圖

若要依類別欄位 (例如方案類型) 分析預測，您可以透過互相堆疊的個別集合分析建立長條圖。

請執行下列動作：

1. 將長條圖拖曳到工作表並提供標題依方案類型的流失預測。

2. 新增 PlanType 作為維度。標示為方案類型。

3. 新增下列量值：

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

   將量值標示為預測會留存。

4. 新增下列量值：

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

   將量值標示為預測會流失。

5. 在外觀 > 呈現之下，將版面配置從分組變更為堆疊。

6. 移除捲軸並將值標籤設定為開啟。

7. 將區段標籤和標籤總數設定為自動。

完成後，您可以使用相同但有不同類別維度 (例如 NumberOfPenalties) 的兩個量值，建立類似的長條圖。

用來分析個別數字欄位值的分佈圖

分佈圖可用來依量值與不同數值呈現預測資料。在此區段中，您將會建立圖表，以依基本費用與相異的客戶服務評價分組顯示流失預測。

請執行下列動作：

1. 將分佈圖拖曳到工作表，並命名為依基本費用和服務評價的流失預測。

2. 新增 AccountID 作為這些點的維度。

3. 在 X 軸新增下列量值：

   =Avg(BaseFee)

4. 在 Y 軸新增下列計算維度：

   =Round(ServiceRating,2)

   這會為每個相近的 ServiceRating 值沿著 Y 軸建立分組。值越高，客戶對服務品質的評價越高。

5. 在外觀 > 呈現之下，將泡泡大小減少為 20 並開啟抖動點。

6. 在色彩和圖例中，將色彩設定為自訂。

7. 選取選項以依下列維度為資料著色：

   =Churned_predicted

   這將會為 Churned_predicted 欄位中的每個值指派一種色彩。在此案例中，會顯示兩種色彩。

8. 將標籤新增至維度和量值，並將下列標籤新增至自訂色彩設定：預測會流失。

可以用其他欄位彙總取代 BaseFee 量值，以建立類似圖表以便分析不同數字欄位。

設定工作表上的視覺化，使之類似下圖。

第二個工作表：彙總的 SHAP 儀表板

接下來，建立專門用於分析彙總 SHAP 值的工作表。

請執行下列動作：

1. 建立新的工作表並開啟進階編輯模式。

2. 向工作表提供標題 (例如彙總 SHAP)。

SHAP importance 排名

此圖表類型類似於自動產生的圖表類型，您可能已在設定實驗版本時看過。在此，我們將會為預測的資料集製作一項。

此圖表類型的目的是顯示對 Churned 欄中所見的結果最有貢獻的特徵。我們需要注意，由於將會使用絕對值，SHAP 結果可以是正值 (yes值) 或負值 (no值)。若您偏好，您也可以使用不會計算絕對值的運算式。

請執行下列動作：

1. 將長條圖拖曳至空的工作表。

2. 為圖表依特徵的 SHAP 重要性提供標題。

3. 新增 automl_feature 作為維度，並提供特徵標籤。

   這可讓您在所有納入的特徵呈現彙總資料。

4. 新增下列計算量值：

   =fabs(Avg(SHAP_value))

5. 在標籤之下，輸入 平均絕對 SHAP。

6. 在屬性面板中，於外觀 > 呈現之下，移除捲軸 (如有)，並將圖表方向從垂直設定為水平。

7. 在排序之下，將量值拖曳到維度上方 (如未進行)。每個欄位的排序為自動。

   這會以遞減模式依量值排序圖表。

格狀容器

您可以讓格狀容器為維度內的特定欄位值篩選資料。在此案例中，我們可以針對提供給客戶的四種方案類型，解析每一種的 SHAP 值。

若要建立格狀物件，您需要指定維度和主要視覺化。我們會將剛才建立的 SHAP importance 排名轉換為主要視覺化。

請執行下列動作：

1. 用滑鼠右鍵按一下工作表中的平均絕對 SHAP 圖表，然後選取  新增至主項目。
2. 保留預設名稱並按一下新增。

3. 在資產面板中的自訂物件 > Qlik 視覺化搭售之下，將格狀容器拖曳到工作表。

4. 新增 PlanType 作為維度。

5. 按一下圖表內部的新增主要視覺化，然後新增平均絕對 SHAP 圖表。

6. 在屬性面板中的外觀 > 一般之下，開啟顯示標題並向圖表提供標題依方案類型的 SHAP 重要性。

7. 調整格狀容器的大小，讓寬度足以在圖表中顯示特徵名稱。若所有標籤都沒有顯示，在瀏覽器視窗中調整縮放。

或者，您可以針對要分析的每個維度值，透過集合運算式建立個別圖表，以顯示此資料。在此案例中，您可以為四種方案類型分別建立各自的圖表。

重複使用篩選窗格

您在第一個工作表建立的篩選窗格可在此工作表重複使用。在進階編輯模式下，用滑鼠右鍵按一下篩選窗格並複製。在彙總 SHAP 工作表中貼上。

樹狀圖

您也可以使用樹狀圖視覺化 SHAP 值解析。將樹狀圖拖曳到工作表，並新增用於 SHAP 重要性排名的相同維度和量值。

設定工作表上的視覺化，使之類似下圖。

使用應用程式

完成建置應用程式之後，就準備好用於資料分析了。

按一下編輯工作表以切換至分析模式。在此檢視中，您可以進行選取 (在篩選窗格中或工作表的任何地方)，以篩選用於資料子集特定分析的資料。例如，您可能會想要分析特定客戶方案類型或區域，並與其他資料子集比較結果。

謝謝您！

您已到達本教學課程的結束部分。我們希望您學到幾件事情，並意識到自動化機器學習是產生預測模型時快速且簡單的方式。Qlik Sense 是強大的工具，可以輕鬆視覺化預測資料，並對資料提供有意義的深入資訊。