Como lo anunciamos con anterioridad, Power BI esta integrando soluciones de Inteligencia Artificial en su plataforma, en este mes de Febrero se agregó la “Visualización de influenciadores clave”, la cual ya esta empoderada con Inteligencia Artificial. Esta visualización incluye dos modelos de Machine Learning activos (Regresión Logística y Arboles de decisión).
Este nuevo objeto visual de influenciadores clave nos ayudará a reconocer los factores que mayor impacto tienen en una métrica de nuestro interés. Power BI analiza los datos, clasifica aquellos factores que son importantes y los muestra como influenciadores clave. Veamos un ejemplo práctico, para el artículo, usaremos como ejemplo la tasa de abandono de los clientes de una compañía que ofrece el servicio de telefonía, internet y televisión.
El contexto es el siguiente, se preguntan los motivos principales por los cuales los clientes abandonan el servicio, para este caso el valor es “Cliente Perdido”= “Si” o “No” y entre los posibles factores que pudieran explicarlo están:
- Antigüedad
- Si el cliente es Adulto Mayor
- Tipo de servicio de Internet (Fibra óptica, DSL, sin servicio)
- Método de Pago
- Duración del Contrato
- Etc.
Es importante considerar la experiencia que el analista tenga del modelo de negocio, ya que esto facilitará la selección de variables a considerar y, también, debemos considerar analizar aquellos elementos que hoy desconocemos su impacto en la variable de interés (este es un proceso crítico y de descubrimiento).
Abrimos Power BI, cargamos el archivo de ejemplo y seleccionamos nuestro visual “Key Influencers”.
Seleccionamos la variable que deseamos investigar, la colocamos en la sección “Analyze” y las variables que consideremos importantes, aquellas que deseamos saber su impacto, las colocaremos en la sección “Explain by”
Veremos como el gráfico se genera y evaluará la importancia de cada elemento y aquellos que no sean relevantes no serán mostrados.
De este modo vemos como el Tipo de contrato ”Cargo Mensual” es el elemento más importante, parece tener lógica de negocio, si el cliente tiene la opción de cancelar su contrata cada mes, será más probable que abandone el servicio. Por otro lado, tenemos como segundo factor el servicio de internet “Fibra optica”, es decir, que los clientes que están contratando el servicio de Fibra óptica tienen más probabilidad de dejar de ser nuestros consumidores.
Podemos ver que, no solamente ordena de mayor a menor impacto los elementos, también nos indica la probabilidad de abandonar a la compañía de acuerdo con cada caso, es decir, si el “Servicio de Internet” es “Fibra óptica”, tendrá 2.89 veces más probabilidad de abandonar el servicio que aquellos que contratan “DSL” o que no contrataron Internet.
También, hay que resaltar que apesar de haber agregado como factor si el cliente es “Adulto Mayor”, no aparece entre los elementos relevantes, el modelo discrimina a los factores que no tiene un peso significativo.
Adicionalmente, segmenta en grupos por características similares y por el mayor porcentaje de clientes perdidos. Con ello podremos detectar las características principales de los clientes que han abandonado el servicio.
Podemos dar click en cada segmento y ver los detalles de cada uno, para enfocarnos en las estrategias a seguir.
Podemos ver las características compartidas de este segmento, lo cual nos permitirá empezar a hacer inferencias, por ejemplo, observamos que, con un contrato de tipo mensual y con servicio de Fibra óptica es más probable que el cliente nos abandone en un par de meses, esto nos puede indicar que nuestro servicio no esta cumpliendo las expectativas de los clientes, ya que los habremos perdido a partir del segundo mes. Es decir, se inscriben prueban el servicio y nos abandonan, con ello ya podemos a empezar a tomar acciones correctivas.
Debido a la facilidad de uso y a lo rápido que se puede implementar, los primeros retos que esta tecnología nos presenta son:
- Como analistas, tendremos el reto de explicar los resultados, considerando lo complejo de los algoritmos, que no pueden ser aproximados directamente con una cuenta rápida en una calculadora, apelando siempre al contexto y a la lógica del negocio.
- Como tomadores de decisiones, deberemos asimilar que en la actualidad existen tantos factores y variables que humanamente no es posible analizarlos todos, y que la tecnología puede ayudarnos a acortar el tiempo de análisis y a entender más nuestro negocio, por lo cual tendremos que empezar a confiar en la Inteligencia Artificial.
Una vez que el proceso de adopción haya pasado, tendremos dos mundos, aquellas compañías que estarán encontrando sus Influenciadores Clave y tomaran decisiones para tener mejoras inmediatas, y aquellas corporaciones que estarán buscando sobrevivir, porque serán arrasadas por su competencia y no entenderán que está pasando. Será una competencia desigual.
Como ves a TU Machine Learning
Como lo sentirá tu competencia
¿Y TÚ ya estás listo para USAR INTELIGENCIA ARTIFICIAL EN TODA TU EMPRESA?
¡¡¡Si no, es porqué TE HACE FALTA MÁS DAX!!!
Ponte en contacto con nosotros y empieza diferenciarte de tu competencia, prepárate para usar Inteligencia Artificial.
contacto@dax-plotion.com
Referencias:
https://ml-cheatsheet.readthedocs.io/en/latest/logistic_regression.html
https://towardsdatascience.com/decision-trees-in-machine-learning-641b9c4e8052
https://www.ibm.com/communities/analytics/watson-analytics-blog/guide-to-sample-dataset
Economista del ITAM y MBA del IPADE, Especialista Certificado en People Analytics, entusiasta del Data Science, Business Intelligence y Big Data, que ha utilizado infinidad de herramientas para analizar datos (desde software especializado STATA, MATLAB, SAS, Eviews hasta los comerciales Qlickview, Tableau, SAS), pero siempre todo regresa a Excel, ahora con las herramientas del Power Stack (Power Pivot, Power Query y Power BI) no hay límites para todos los usuarios tengan DATA SUPERPOWERS.
2 comentarios