mpmX Help Documentation

 

Qlik AutoML ist ein mächtiges Werkzeug, das es Analytics-Teams vereinfacht, Modelle zu generieren, Vorhersagen zu treffen und Business-Szenarios zu testen, ohne Code schreiben zu müssen.

 

Wir nutzen die Leistungsfähigkeit der Qlik Server-Side Extension (SSE), um ein einfaches Dashboard für die Szenarioanalyse direkt in Qlik Sense zu erstellen.

"Was-wäre-wenn-Szenarien" sind eine großartige Möglichkeit, Entscheidungen und Aktionen zu planen, indem man verschiedene Parameter testet und dabei die Vorhersage-API von AutoML nutzt.

 

Was also ist SSE?

Das Server-Seitige Erweiterungsprotokoll (SSE) ermöglicht es uns, die in Qlik integrierte Ausdrucksbibliothek mit Funktionen externer Berechnungsprogramme zu erweitern. In unserem Fall werden wir die Neuberechnung der Vorhersage durch AutoML auf der Grundlage von Variablenänderungen verwenden, um das Ergebnis in einem KPI-Diagramm anzuzeigen.

 

Lassen Sie uns den Prozess anhand eines praktischen Beispiels durchgehen. Wir betrachten das Risiko der Mitarbeiterfluktuation (Datensatz am Ende des Beitrags).

 

1.Erstellen Sie Ihr AutoML-Projekt und laden Sie den Datensatz. Stellen Sie sicher, dass Sie das Feld "links" als Ziel auswählen. Nachdem Sie den Trainingsprozess erfolgreich abgeschlossen haben, stellen Sie Ihr Modell bereit und aktivieren den API-Zugang. Notieren Sie sich die Zugriffs-URL und das Token, da wir diese benötigen, um die Verbindung in Qlik Sense herzustellen.

2.In unserem QS-Tenant müssen wir eine neue Datenverbindung über den "Qlik AutoML"-Analytics-Quellkonnektor erstellen. Wenn Sie ihn nicht sehen, stellen Sie sicher, dass Sie Endpunkte für maschinelles Lernen in der Management Console aktivieren.

3.Nun erstellen wir unseren Szenario-Analysebogen in der Qlik Sense-App.

oZunächst erstellen wir mehrere Variablen, die in unseren "Variable Input"-Objekten verwendet werden. Wir konzentrieren uns auf die Merkmale, die gemäß der Tabelle zur Merkmalsbedeutung wichtiger sind.

oAls nächstes erstellen wir unsere Objekte:

▪Der KPI, der die Austrittswahrscheinlichkeit der Mitarbeiter anzeigt, basiert auf einem Maß, das den SSE-Ausdruck wie folgt verwendet, wobei einige der Merkmale als Variablen übergeben werden.
P.S.: Beachten Sie, dass das erste Argument von ScriptEvalEx mit den Feldtypen unserer Merkmale übereinstimmt - wobei N eine Zahl und S ein String ist. Außerdem müssen die als drittes Argument übergebenen Merkmale 1 zu 1 mit AutoML übereinstimmen; fehlende Merkmale führen zu einem Fehler.

=endpoints.ScriptEvalEx('NNNNNNNSS','{"RequestType":"endpoint", "endpoint":{"connectionname":"Qlik_AutoML_Employee_Turnover","column":"probability_yes"}}',

vSatisfactionLevel AS satisfaction_level,

last_evaluation,

vNumberOfProjects AS number_project,

vAvgMonthlyHoursWorked AS average_monthly_hours,

vTimeSpent AS time_spend_company,

Work_accident,

promotion_last_5years,

vDepartment AS sales,

vSalary AS salary)

▪Als Nächstes erstellen wir unsere variablen Eingaben mithilfe des Diagramms "Variable Eingabe" unter Benutzerdefinierte Objekte > Qlik Dashboard Bundle. Passen Sie den Typ "Anzeigen als" nach Bedarf an.

Sie können nun die Variablen anpassen, um AutoML zu triggern, das die Daten automatisch umverteilt und das Ergebnis neu vorhersagt, um die Auswirkungen möglicher Maßnahmen zu verstehen.