lehet, hogy ezek az adatok Excel-lapon, CSV-fájlban, vöröseltolódás-adatbázisban vagy valahol máshol vannak tárolva. Különböző helyeken is lehet, és össze kell hoznia őket. Előfordulhat például, hogy a customerID mező és a szerződés típusa egy adatbázisban, a customerID mező pedig a lemorzsolódás adatait tartalmazza egy másik adatbázisban, ami azt jelenti, hogy ezeket a customerID mezőben egyesítheti egy adatkészlet létrehozásához.
modell létrehozása
nagyszerű adatkészlet létrehozása a nehéz rész. Olyan kód nélküli eszközökkel, mint az Apteo, a lemorzsolódási modell felépítése egyszerű.
először csatlakoztassa az adatkészletet. Lent, egyszerűen áthúzom a lemorzsolódási adataim CSV-fájlját a platformra. Ezután a “prediktív betekintés” fülre lépek, majd a “lemorzsolódás” lehetőséget választom KPI-ként. Az alapértelmezett beállításokat úgy hagyom, ahogy vannak, és egy automatizált gépi tanulási modell jön létre a háttérben.
most már látom, hogy a különböző attribútumok hogyan befolyásolják a lemorzsolódást, és meg tudom jósolni, hogy az ügyfél lemorzsolódik-e olyan adatok megadásával, mint a havi díj és a birtoklás.
következtetés
a prediktív elemzés nagyszerű módja annak, hogy értéket nyerjen az adatokból, és az első lépések meglepően egyszerűek lehetnek. A minőségi adatkészlet felépítése, amely jelzi a problémát, alapvető előfeltétel, de ha ez teljesül, elemezheti a lemorzsolódást és növelheti az alsó sorát.