Gestão de comunicação

Machine Learning for Business

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Grupos de trabalho

Agende reuniões recorrentes para acompanhar o progresso e definir:

  • Requisitos de negócio
  • Revisão do modelo de ML e dos produtos de negócio
  • Inferência vs. predição
  • Resultados do baseline e plano de updates
  • Teste de mercado
  • Produção
Machine Learning for Business

Requisitos de negócio

  1. Qual é a situação de negócio?
    • A taxa de churn começou a subir
  2. Qual é a oportunidade e seu tamanho?
    • Reduzir churn de X% para Y%
  3. Quais ações vamos tomar?
    • Fazer campanhas de retenção para clientes em risco
Machine Learning for Business

Produtos de machine learning

  • Quais produtos de ML o negócio precisa?

$$

  • Exemplo 1 - Prever churn. O negócio quer: 1) inferência sobre drivers do churn, atualizada trimestralmente, e 2) classificação diária de clientes: perdidos, em risco, sem risco

$$

  • Exemplo 2 - Previsão de fraude. O negócio quer: 1) inferência sobre fortes indicadores de churn, e 2) lista em tempo real de transações muito arriscadas para revisão manual e de risco médio para solicitação de dados adicionais
Machine Learning for Business

Desempenho e melhorias do modelo

Defina a tolerância a erros do modelo (lembre: todo modelo erra):

  • Classificação

    • Qual classe é mais cara de errar?
    • Exemplo: costuma ser pior classificar fraude como não-fraude do que o contrário

  • Regressão

    • Qual a tolerância de erro da predição?
    • Exemplo: em previsão de demanda, erro alto leva a comprar estoque em excesso
Machine Learning for Business

Teste de mercado

teste a/b

Machine Learning for Business

Machine learning em produção

  • Os testes mostram ganhos positivos consistentes?
  • O modelo é estável o suficiente?
  • Temos sistemas e ferramentas para integrar o modelo?
Machine Learning for Business

Vamos praticar!

Machine Learning for Business

Preparing Video For Download...