você pode ter estes dados em uma folha do Excel, um arquivo CSV, armazenado em um banco de dados Redshift, ou em qualquer outro lugar. Também pode estar em lugares diferentes, e você terá que reuni-los. Por exemplo, você pode ter o campo customerID e o tipo de contrato em uma base de dados, e o campo customerID com a informação do churn em outra base de dados, o que significa que você pode fundir estes no campo customerID para criar um conjunto de dados.
construir um modelo
criar um grande conjunto de dados é a parte mais difícil. Com ferramentas sem código como o Apteo, construir um modelo churn é fácil.Primeiro, ligue o seu conjunto de dados. Abaixo, eu simplesmente arrasto e deixo cair um arquivo CSV de meus dados de churn na plataforma. Depois, vou para a página ” Predictive Insights “e escolho” Churn ” como meu KPI. Eu deixo as configurações padrão como elas são, e um modelo automatizado de aprendizagem de máquina é criado em segundo plano.
agora, posso ver como diferentes atributos impactam o churn, e posso prever se um cliente vai churn colocando dados como a sua taxa mensal e mandato.
Conclusion
Predictive analytics is a great way to gain value from data, and getting started can be surprisingly easy. Construir um conjunto de dados de qualidade que seja indicativo do problema em mãos é um pré-requisito básico, mas uma vez que isso seja alcançado, você pode analisar o churn e aumentar a sua linha de fundo.