Power BI identifica i fattori di influenza chiave con ML.NET

Power BI è una soluzione di analisi business sviluppata da Microsoft che consente agli utenti di visualizzare i propri dati e condividere informazioni dettagliate all’interno delle organizzazioni o di incorporarle nelle app. Power BI offre un'ampia gamma di visualizzazioni, ad esempio diagrammi, grafici e indicatori, per consentire agli utenti di creare report dai propri dati. Recentemente, Power BI ha usato l'apprendimento automatico per semplificare le attività complesse per gli utenti, al fine di consentire a tutti nelle organizzazioni di sfruttare la potenza dell'intelligenza artificiale per prendere decisioni migliori. Nel mese di febbraio 2019, Power BI ha presentato in anteprima la prima visualizzazione basata sull’intelligenza artificiale intelligenza, Fattori di influenza chiave, che usa ML.NET dietro le quinte per esaminare i dati e visualizzare i dati analitici in modo naturale.

Problema aziendale

Per qualsiasi azienda, identificare e comprendere i segmenti di clientela e i fattori di influenza chiave, ossia i meccanismi principali che determinano le prestazioni e i risultati di business, è fondamentale per prendere decisioni strategiche, per dare priorità alle modifiche alle attività e ottenere vantaggi competitivi. L'analisi dei fattori di influenza chiave consente di rivelare quali fattori hanno l'impatto maggiore sulle prestazioni aziendali e può aiutare a trovare risposta a domande come "quali fattori inducono i clienti a lasciare recensioni negative su questo servizio?" oppure "cosa influenza l'aumento dei prezzi delle case?"

Questo processo di analisi dei dati per i fattori di influenza chiave e la segmentazione dei clienti richiede tuttavia molto tempo, lavoro e competenze. Comporta spesso la scrittura del codice di più funzioni, il campionamento, test di significatività e classificazione dei risultati. Power BI si è quindi affidato a una soluzione di apprendimento automatico, in modo da consentire agli utenti di accelerare il processo per ottenere informazioni dettagliate significative ed eseguire analisi statistiche senza dover dedicare tempo alla scrittura di codice complesso.

Fattori di influenza chiave e ML.NET

Power BI ha creato la visualizzazione Fattori di influenza chiave come soluzione di apprendimento automatico per consentire alle aziende di sfruttare l'intelligenza artificiale in modo da poter analizzare i dati in meno tempo e prendere più rapidamente le decisioni aziendali fondamentali. In altre parole, gli utenti possono usare i fattori di influenza chiave per dedicare meno tempo all'analisi dei dati e più tempo ad agire sulle informazioni dettagliate raccolte dalla visualizzazione dell'intelligenza artificiale.

Una volta che un utente sceglie un indicatore di prestazioni chiave (KPI) da analizzare (ad esempio, tasso di fidelizzazione, percentuale di clic e così via), la visualizzazione Fattori di influenza chiave utilizza algoritmi di apprendimento automatico forniti da ML.NET per capire quali sono gli aspetti più importanti nelle metriche di guida, nonché per trovare segmenti interessanti per ulteriori approfondimenti. Fattori di influenza chiave analizza i dati di un utente, classifica i fattori rilevanti, contrasta l'importanza relativa di questi fattori e li visualizza come fattori di influenza chiave e segmenti principali per metriche sia categoriche che numeriche.

Architettura della soluzione

Power BI viene fornito in più forme. La visualizzazione Fattori di influenza chiave è supportata nei moduli per dispositivi mobili, desktop, servizi condivisi e servizi Premium.

Quando un utente aggiunge colonne all'oggetto visivo fattore di influenza chiave, viene attivato un flusso in cui vengono inviati i dati di training ad Analysis Services (motore di database su cui è basato Power BI). Analysis Services esegue ML.NET per il training dei modelli di Machine Learning e vengono restituiti i risultati. Viene quindi eseguito il training del modello ogni volta che un utente aggiorna le funzionalità selezionate. L'obiettivo generale è eseguire l'analisi entro pochi secondi, per offrire un'esperienza interattiva.

Il flusso complessivo è visualizzato di seguito:

ML.NET viene utilizzato come una libreria .NET Framework e viene eseguito in locale, se usato in Power BI Desktop, o nel cloud, se usato nel servizio Power BI. I set di dati in Power BI vengono archiviati in formato binario nativo di Analysis Services.

Fattori di influenza chiave categorici

Le metriche categoriche possono includere elementi come valutazioni o classificazioni. Nell'esempio seguente la metrica è Valutazione e la visualizzazione ha determinato che Role in Org is consumer è il singolo fattore principale che influisce sulla probabilità di una valutazione bassa. La visualizzazione mostra informazioni aggiuntive nel riquadro destro, ad esempio:

• Il 14,93% dei consumer assegna un punteggio basso.
• In media, tutti gli altri ruoli assegnano un punteggio basso il 5,78% delle volte.
• È 2,57 volte più probabile che i consumer assegnino un punteggio basso rispetto a tutti gli altri ruoli.

I Fattori di influenza chiave usano ML.NET per eseguire la regressione logistica per le metriche categoriche mediante Codifica One-hot, Sostituisci valore mancante, and Normalizza varianza media trasformazioni dati e algoritmo di regressione logistica L-BFGS. In questo caso, l’algoritmo esegue la ricerca di modelli nei dati e osserva le differenze tra i clienti che hanno fornito una valutazione bassa e quelli che hanno fornito una valutazione alta. Potrebbe scoprire, ad esempio, che i clienti con un maggior numero di ticket di assistenza forniscono una percentuale più alta di valutazioni basse rispetto ai clienti con pochi o nessun ticket di assistenza.

Fattori di influenza chiave numerici

Le metriche numeriche possono includere elementi come i numeri di prezzo o di vendita. Nell'esempio seguente la metrica è Prezzo della casa e la visualizzazione ha determinato che “la Qualità della cucina è eccellente” è il fattore principale che influisce sulla probabilità di un aumento del prezzo della casa.

Fattori di influenza chiave utilizza ML.NET per eseguire la regressione lineare, utilizzando le stesse trasformazioni di dati dei fattori di influenza chiave categorici e utilizzando l’algoritmo SDCA regression. In questo caso, l'algoritmo analizza il modo in cui cambia il prezzo della casa in base a fattori esplicativi, quali il numero di camere da letto o la metratura. Nella fattispecie, l’algoritmo analizza l'impatto di una cucina eccellente sul prezzo della casa.

Calcolo dei segmenti principali

I segmenti principali mostrano i gruppi principali che contribuiscono al valore della metrica selezionata. Un segmento è costituito da una combinazione di valori. Il segmento seguente, ad esempio, è relativo a utenti che sono consumer o amministratori, che hanno più di 4 ticket di supporto e che sono stati clienti per più di 29 mesi. Il 74,3% dei clienti in questo segmento ha fornito una classificazione bassa rispetto al cliente medio, che ha restituito una classificazione bassa il 11, 7% del tempo.

Segmenti principali usa ML.NET per eseguire un albero delle decisioni, usando algoritmi Fast Tree (categorici e numerici) per trovare sottogruppi interessanti. L'obiettivo è quello di ottenere un sottogruppo di punti dati relativamente alto nella metrica di interesse. Potrebbe trattarsi di clienti con valutazioni basse o case con prezzi elevati.

L'algoritmo accetta ogni fattore esplicativo e tenta di determinare quale fattore fornisce la suddivisione migliore. Dopo che l'albero delle decisioni ha eseguito una suddivisione, accetta il sottogruppo di dati e determina la suddivisione migliore successiva per tali dati. In questo caso, il sottogruppo è costituito da clienti che hanno commentato la sicurezza. Dopo ogni suddivisione, valuta anche se dispone di punti dati sufficienti per consentire a questo gruppo di essere sufficientemente rappresentativo da dedurre un modello o se si tratta di un'anomalia nei dati e non di un segmento reale. Al termine dell'esecuzione, l'albero delle decisioni accetta tutte le divisioni, ad esempio i commenti sulla sicurezza e le grandi imprese, e crea segmenti.

Power BI usa ML.NET per aiutare i clienti a identificare facilmente i fattori chiave che influenzano le loro aziende, risparmiando tempo e impegno e consentendo loro di concentrarsi su modifiche e decisioni aziendali basate su analisi e informazioni dettagliate generate dai modelli di ML.NET.