możesz mieć te dane w arkuszu Excel, pliku CSV, przechowywanym w bazie danych Redshift lub gdzie indziej. To może być również w różnych miejscach, i będziesz musiał je połączyć. Na przykład możesz mieć pole customerID i typ umowy w jednej bazie danych oraz pole customerID z informacjami o rezygnacji w innej bazie danych, co oznacza, że możesz połączyć je w polu customerID, aby utworzyć jeden zestaw danych.
budowanie modelu
tworzenie wspaniałego zbioru danych jest trudną częścią. Dzięki narzędziom bez kodu, takim jak Apteo, budowanie modelu churn jest łatwe.
najpierw podłącz zestaw danych. Poniżej po prostu przeciągam i upuszczam plik CSV z moimi danymi churn na platformę. Następnie udaję się do zakładki ” Predictive Insights „i wybieram” Churn ” jako moje KPI. Zostawiam domyślne ustawienia tak, jak są, a w tle tworzony jest zautomatyzowany model uczenia maszynowego.
teraz widzę, jak różne atrybuty wpływają na rezygnację i mogę przewidzieć, czy klient odejdzie, wprowadzając dane, takie jak miesięczna opłata i etat.
wnioski
analiza predykcyjna to świetny sposób na zwiększenie wartości danych, a rozpoczęcie pracy może być zaskakująco łatwe. Budowanie zestawu danych o jakości, który wskazuje na problem jest podstawowym warunkiem wstępnym, ale gdy zostanie spełniony, można analizować churn i zwiększyć swoje zyski.