Les accélérateurs métier fournis par IBM consistent en un ensemble de solutions de bout en bout que vous pouvez exécuter comme des exemples ou personnaliser pour régler certains problèmes métier courants.
Vue d'ensemble des accélérateurs métier
Chaque accélérateur de l'industrie est conçu pour vous aider à résoudre un problème métier spécifique, qu'il s'agisse de prévoir comment les clients réagiront à une promotion ou une compréhension de l'attrition des clients. Parcourez les accélérateurs dans le Cloud Pak for Data as a Service Resource hub et créez ceux que vous voulez.
La plupart des accélérateurs incluent un exemple de projet avec tout ce dont vous avez besoin pour analyser les données, construire un modèle et afficher les résultats. Les exemples de projets comprennent des instructions détaillées, des ensembles de données, des blocs-notes Jupyter, des modèles et des applications R Shiny. La plupart des accélérateurs incluent aussi des termes métier pour la gouvernance des données. Utilisez ces exemples de projets comme modèles pour vos propres besoins en science des données afin d'apprendre des techniques spécifiques ou de démontrer les capacités de watsonx.ai Studio et d'autres services de Cloud Pak for Data as a Service
Le processus d'utilisation d'un accélérateur métier est illustré dans ce graphique.
Exemple de projet pour un accélérateur
Lorsque vous téléchargez un accélérateur, vous obtenez un projet qui contient les actifs dont vous avez besoin pour générer et entraîner les modèles associés à cet accélérateur.
Public
Spécialistes des données ou analystes métier qui analysent les données et construisent des modèles pour résoudre les problèmes métier.
Contenu
Un accélérateur typique contiendra les éléments suivants :
- Fichier readme qui fournit des instructions.
- Des fichiers CSV contenant les données exemples.
- Des carnets Python pour entraîner et évaluer les modèles et des scripts Python associés pour préparer et transformer les données pour la modélisation. Les blocs-notes créent des points d'extrémité d'API afin d'exposer la sortie à l'application R Shiny.
- Modèles d'apprentissage automatique conçus pour vous aider à trouver des réponses aux problèmes métier décrits par l'accélérateur.
- (Certains accélérateurs) Un tableau de bord interactif pour afficher les résultats du modèle.
Conditions requises
Tous les accélérateurs qui ont des exemples de projets nécessitent le service watsonx.ai Studio et un ou plusieurs de ces services :
- watsonx.ai Runtime
- IBM Knowledge Catalog
Présentation du processus
Chaque accélérateur fournit des instructions détaillées. Ces étapes donnent un aperçu du processus pour les exemples de projet :
- Accédez à l'exemple de projet dans Resource Hub, cliquez sur Créer un projet, sélectionnez les configurations du projet et cliquez sur Créer. Consultez Création d'un projet.
- Suivez les instructions du fichier readme pour exécuter les carnets et effectuer d'autres tâches.
Etapes suivantes
Vous pouvez utiliser l'exemple de projet comme modèle en ajoutant vos propres données et en suivant les mêmes étapes pour passer des données au modèle déployé. Vous devrez peut-être explorer et nettoyer vos données. Comme vos données et votre schéma sont probablement différents des données de l'échantillon, les modèles que vous trouvez dans vos données peuvent ne pas correspondre aux modèles des données de l'échantillon. Vous pouvez utiliser les exemples et le code pour adapter le modèle à vos données et reformer le modèle avec vos données.
Pour utiliser un exemple de projet comme modèle pour vos propres données, procédez comme suit :
- Ajoutez vos données au projet.
- Si nécessaire, nettoyez ou façonnez vos données.
- Mettez à jour et reformez le modèle avec vos données.
Accélérateurs pour les services financiers
| Module d'accélérateur métier | Descriptif |
|---|---|
| Financial Markets Customer Attrition Prediction | Fournit un ensemble d'actifs de science des données et un ensemble structuré de termes métier qui vous aident à prédire quels clients partiront. |
| Financial Markets Customer Offer Affinity | Prédit quels produits le client est le plus susceptible d'envisager ou d'acheter. |
| Financial Markets Customer Segmentation | Affecte des clients à des groupes spécifiques, en fonction de leur mode de vie et de leur comportement. |
| Financial Markets Customer Life Event Prediction | Utilisez l'accélérateur de prévision des événements de la vie des clients sur les marchés financiers pour mener vos clients sur la voie de la réussite financière à l'aide d'offres appropriées au bon moment. Cet accélérateur comprend des termes métier, un jeu d'exemples d'actifs de sciences des données et un exemple de tableau de bord permettant de visualiser les résultats. |
| Prédiction des ventes à l'aide des Weather Company Data | Optimisez les capacités de votre entreprise de vente en formant un modèle pour prédire les ventes en fonction du temps. L'accélérateur inclut des termes métier et des catégories, un ensemble d'actifs de données de données de données et un exemple de tableau de bord pour visualiser les résultats. |
| Fidélisation de la clientèle du commerce de détail | Utiliser des sondages sur la satisfaction des clients pour prédire le roulement du client et élaborer des stratégies de conservation. |
Accélérateurs destinés au secteur des services publics et de l'énergie
| Nom de l'accélérateur métier | Descriptif |
|---|---|
| Utilities Customer Attrition Prediction | Fournit les causes probables de l'attrition des clients. |
| Utilities Customer Micro-Segmentation | Affecte des clients à des groupes spécifiques, en fonction de leur mode de vie et de leur comportement. |
| Utilities Demand Response Program Propensity | Quels clients devraient avoir la possibilité de s'inscrire au programme de réponse aux demandes ? Utilisez l'accélérateur Utilities Demand Response Program Propensity pour relancer votre analyse. Cet accélérateur comprend des termes métier, un jeu d'exemples d'actifs de sciences des données et un exemple de tableau de bord RStudio permettant de visualiser les résultats. |
| Utilities Payment Risk Prediction | Utilisez l'accélérateur Utilities Payment Risk Prediction pour vous engager de manière proactive auprès des clients à risque de défaut de paiement. Cet accélérateur comprend des termes métier, un jeu d'exemples d'actifs de sciences des données et un exemple de tableau de bord permettant de visualiser les résultats. |
Accélérateurs destinés à d'autres catégories
| Nom de l'accélérateur métier | Descriptif |
|---|---|
| Projet d'organisateur de commentaires | Permettre aux entreprises de consulter les commentaires d'une manière plus organisée et de voir plus facilement les commentaires positifs ou négatifs des clients. |
| Projet agricole efficace | Soutient l'agriculture efficace en surveillant la croissance des cultures à l'aide d'un guide des cultures et en prévenant les agriculteurs suffisamment à l'avance des changements météorologiques, de l'éventuelle évolution des maladies des cultures, de l'évaporation des fongicides et de l'utilisation efficace des panneaux solaires (support agrivoltaïque). |
| Insurance Loss Estimation using Remote Sensing | Utilise des données d'inondation du système de télédétection pour faciliter l'évaluation des déclarations de sinistre. |
| Projet de réadmission à l'hôpital | Prédit le taux de réadmission des patients à l'hôpital en utilisant les données des patients. |
| Surveiller le modèle Amazon SageMaker à l'aide de Watson Openscale | Ce projet montre comment utiliser le point de terminaison généré par Deploy an IBM watsonx.ai Studio Model on Amazon SageMaker pour démontrer comment surveiller le déploiement AWS avec Watson OpenScale. |
Rubrique parent : Mise en route