Prever promoções de vendas no varejo

O projeto de amostra contém vários conjuntos de dados e fluxos de modelador de amostra. Se você ainda não tiver o projeto de amostra, consulte o tópico Tutoriais para criar o projeto de amostra. Em seguida, siga estas etapas para abrir o projeto de amostra:

1. Em Cloud Pak for Data no menu de navegação , escolha Projetos > Exibir todos os projetos.
2. Clique em SPSS Modeler Project.
3. Clique na guia Assets (Ativos ) para ver os conjuntos de dados e os fluxos do modelador.

Verifique seu progresso

A imagem a seguir mostra a guia Assets (Ativos) do projeto. Agora você está pronto para trabalhar com o fluxo do modelador de amostra associado a este tutorial.

de volta para a parte superior

A promoção de vendas no varejo inclui vários nós. Siga estas etapas para examinar os nós Data Asset, Derive e Type:

Nó de ativo de dados

1. Na guia Assets (Ativos ), abra o fluxo do modelador Retail Sales Promotion (Promoção de vendas no varejo ) e aguarde o carregamento da tela.
2. Clique duas vezes no nó goods1n.csv. Esse nó é um nó de ativo de dados que aponta para o arquivo goods1n.csv no projeto.
3. Revise as propriedades do formato do arquivo.
4. Clique em Preview data (Visualizar dados) para ver o conjunto completo de dados.
5. Observe que cada registro contém:
   • Class. Tipo de produto.
   • Cost. Preço unitário.
   • Promotion. Índice do valor gasto em uma promoção específica.
   • Before. Receita antes da promoção.
   • After. Receita após a promoção.

   Os dois campos de receita (Before e " After) são expressos em termos absolutos. No entanto, parece provável que o aumento da receita após a promoção (e, presumivelmente, como resultado dela) pode ser um número mais útil.

6. Feche a visualização de dados e o painel lateral de propriedades.

Nó Derivar

1. Clique duas vezes no nó Increase (Derive). Esse nó deriva o valor do aumento da receita.
2. Revise as configurações, em particular o campo Expression (Expressão ), que contém uma fórmula para derivar o aumento como uma porcentagem da receita antes da promoção: ' (After - Before) / Before * 100.0.
3. Clique em Preview data (Visualizar dados) para ver o conjunto de dados com os valores derivados.
4. Observe a coluna Aumento.

   Para cada classe de produto, existe uma relação quase linear entre o aumento da receita e o custo da promoção. Portanto, parece provável que uma árvore de decisão ou rede neural poderia prever, com razoável precisão, o aumento da receita dos outros campos disponíveis.

5. Feche a visualização de dados e o painel lateral de propriedades.

Nó Tipo

1. Clique duas vezes no nó Definir tipos (Tipo). Esse nó especifica as propriedades do campo, como o nível de medição (o tipo de dados que o campo contém) e a função de cada campo como alvo ou entrada na modelagem. O nível de medição é uma categoria que indica o tipo de dados no campo. O arquivo de dados de origem usa três níveis de medição diferentes:
   • Um campo contínuo (como o campo " Age ) contém valores numéricos contínuos.
   • Um campo nominal (como o campo " Education ) tem dois ou mais valores distintos - nesse caso, " College ou " High school.
   • Um campo ordinal (como o campo " Income level ) descreve dados com vários valores distintos que têm uma ordem inerente - nesse caso, " Low, " Medium e " High.

     Para cada campo, o nó Type também especifica uma função para indicar o papel que cada campo desempenha na modelagem. A função é definida como Target para o campo " Increase, que é o campo derivado. O " target é o campo para o qual você deseja prever o valor.

     A função é definida como Input para a maioria dos outros campos. Os campos de entrada às vezes são conhecidos como " predictors, ou campos cujos valores são usados pelo algoritmo de modelagem para prever o valor do campo de destino.

     A função do campo " After está definida como None, portanto, esse campo não é usado pelo algoritmo de modelagem.

2. Opcional: Clique em Preview data (Visualizar dados) para ver o conjunto de dados com os valores derivados.

Verifique seu progresso

A imagem a seguir mostra o nó Type. Agora você está pronto para gerar e comparar os modelos.

de volta para a parte superior

O fluxo treina uma rede neural e uma árvore de decisão para fazer essa previsão de aumento de receita. Siga estas etapas para gerar os dois modelos:

Gerar os modelos

1. Clique duas vezes no nó Increase (Neural net) para revisar suas propriedades.
   1. Expanda a seção Basics (Noções básicas ) para ver que o Multilayer Perceptron é o tipo de modelo. Essa propriedade determina como a rede conecta os preditores aos alvos por meio das camadas ocultas. O perceptron multicamadas permite relações mais complexas ao custo possível de aumentar o tempo de treinamento e pontuação.
   2. Expanda a seção Opções de modelo para ver as propriedades de avaliação e pontuação.
2. Clique duas vezes no nó Increase (C&R Tree) para ver suas propriedades.
3. Clique em Run all e aguarde a geração dos nuggets do modelo.

Verifique seu progresso

A imagem a seguir mostra a saída do nó Analysis (Análise ).

de volta para a parte superior