Watson Studio と Jupyter Notebook を使用して、カスタマー・チャーン予測子を作成する  

IBM Watson Studio で電話会社のカスタマー・チャーン・データセットを使ってビジネス問題を解決し、カスタマー・チャーンを予測する

By Heba El-Shimy, Scott D’Angelo

Description

このコード・パターンでは、データ・サイエンス・プロジェクトのサイクルを始めから終わりまで案内します。まず始めに、特定の問題に対するビジネス上の見解を理解します。このコード・パターンで取り上げる問題は、カスタマー・チャーンです。次に、利用可能なデータセットを使用して洞察を引き出し、以降のデータで使用するための予測モデルを作成します。作成したモデルを本番環境にデプロイし、そのモデルを使用して、ユーザー・インターフェースから収集したデータに採点を付けます。

Overview

カスタマー・チャーン (顧客が企業との取引関係を終わらせること) は、ビジネスの収益を左右する最も基本的な要因の 1 つです。この問題を解決するためには、どの顧客が忠実で、どの顧客にチャーンのリスクがあるかを把握し、チャーンの決定に影響する要因を顧客の観点から理解しなければなりません。そこで、このコード・パターンでは機械学習モデルを作成し、そのモデルを使用してチャーンのリスクがある顧客を予測する方法を説明します。ここで取り上げるのは完全なデータ・サイエンス・プロジェクトであり、このプロジェクトで作成したモデルによる調査結果は、規範的分析やターゲットを絞ったマーケティングに使用できます。

このコード・パターンを完了すると、以下の方法がわかるようになります。

  • Jupyter Notebook を使用してデータをロード、視覚化、分析する
  • Notebook を IBM Watson Studio 内で実行する
  • IBM Cloud Object Storage からデータをロードする
  • scikit-learn を使用して、さまざまな機械学習モデルを作成、テスト、比較する
  • Watson Studio を使用して、選択した機械学習モデルを本番環境にデプロイする
  • クライアントとインターフェースをとるフロントエンド・アプリケーションを作成し、デプロイしたモデルの使用を開始する

Flow

  1. ビジネス問題について理解します。
  2. 用意されているノートブックを IBM Watson Studio プラットフォームにロードします。
  3. 電話会社のカスタマー・チャーン・データセットを Jupyter Notebook にロードします。
  4. ノートブック内でデータについて記述し、データを分析、視覚化します。
  5. データを前処理し、機械学習モデルを作成してテストします。
  6. 選択した機械学習モデルを本番環境にデプロイします。
  7. フロントエンド・アプリケーションを使用してモデルを操作し、使用します。

Instructions

詳細な手順については、README ファイルを参照してください。手順の概要は以下のとおりです。

Watson Studio に登録します。

  1. 新規プロジェクトを作成します。
  2. データセットをアップロードします。
  3. ノートブックを Watson Studio にインポートします。
  4. データセットをノートブックにインポートします。
  5. ノートブック内で手順に従います。
  6. Watson Machine Learning サービス・インスタンスを作成します。
  7. IBM Cloud またはローカルにデプロイします。

Related Blogs

Call for Code 2019 応募に向けて個別オンライン相談会の予約受付開始

皆さん、こんにちは。IBM デベロッパーアドボケイト戸倉彩です。 グローバルハッカソンは目標をもって仲間と一緒 […]

続けて読む Call for Code 2019 応募に向けて個別オンライン相談会の予約受付開始

Related Links