Deep dive into Qlik Cloud en leer meer over Machine Learning

– door Michiel Hofsteenge
“Qlik Cloud heeft mijn organisatie gered!” Dat is natuurlijk één van de mooiste complimenten die je als organisatie kan krijgen van een klant. Waarom deze klant zo enthousiast is, leg ik graag uit in mijn 7-delige blog over de mogelijkheden en inhoud van Qlik Cloud. Mijn naam is Michiel Hofsteenge, consultant bij 2Foqus en Qlik Cloud fanaat.

Machine learning als verlengstuk van je analytics

De laatste tijd lezen we steeds meer over Artificial Intelligence(AI) en Machine Learning (ML). Voor sommige nog een vaag begrip. Toch zal de impact van deze technieken op zeer korte termijn merkbaar worden voor iedereen. De wereld van business intelligence verandert daar net zo hard in mee. Waar vroeger diepgaande kennis nodig was om van alles en nog wat te kunnen, is dat steeds meer binnen handbereik. We schrijven anno 2023. Het jaar van de AI-revolutie.

Uiteraard is het een paar jaar geleden al begonnen met de insight advisor. AutoML is een van de laatste technieken die daaraan toegevoegd is. Omdat het toch iets totaal anders is dan je gewend bent met het Qlik analytics pakket, is het zeker de moeite waard om hier eens uitgebreid bij stil te staan.

Machine learning klinkt altijd enorm ingewikkeld, maar zeker met de hedendaagse technieken is het qua techniek enorm makkelijk gemaakt voor een eindgebruiker. Zo ook het AutoML van Qlik. Waar het echt om draait is: begrijp je wat je doet?

A better approach to AI and Machine Learning

Herlaadtaken

Laat ik beginnen met het uitleggen van de basisbeginselen van Machine Learning. ML is een onderdeel van Artificial Intelligence. Eigenlijk een beetje de kapstok waar alles rondom slimme machines onder hangt. Je kan het zien als dat we machines (lees: computer) net zo slim gaan maken als mensen. Het voordeel van computers is weer dat ze handelingen vele malen sneller kunnen uitvoeren dan mensen. Pure winst!

De meeste mensen zouden wel graag een kijkje in de toekomst willen nemen. Het hebben van zekerheid is een van de basisbehoeften van een mens. Voor jou is het analyseren van de toekomst hoogstwaarschijnlijk erg nuttig. Wat wordt ongeveer je omzet volgend jaar? Hoeveel effect gaat een marketingcampagne hebben? Tal van vragen die beantwoord kunnen worden door met data naar de toekomst te kijken. Machine learning neemt dit voor je uit handen.

Alles is gebaseerd op algoritmes. Je hoeft in de basis niet tot in detail te weten wat welk algoritme uitrekent. Het is zeker nuttig om je enigszins te verdiepen in de werking van algoritmes voordat je start met Machine Learning in Qlik.

Door het gebruik van de juiste variabelen kan een voorspelling worden gedaan. Aan de hand van deze voorspelling kan je weer acteren om betere keuzes te maken. Het bepalen van de juiste variabelen is vaak al een hele opgave. En als je deze variabelen dan hebt bepaald, heb je dan ook de juiste data voor handen? Gelukkig is er naast interne data ook vaak externe data te verkrijgen. Denk hierbij bijvoorbeeld aan data die gratis te verkrijgen is via het CBS.

AutoML proces

Automated Machine Learning

Automated Machine Learning, of AutoML, is een benadering van machine learning die het proces van het bouwen en implementeren van voorspellende modellen automatiseert. Het stelt gebruikers in staat om complexe algoritmen en technieken te gebruiken zonder diepgaande technische kennis te hebben. Met AutoML kunnen organisaties profiteren van de kracht van machine learning, zelfs als ze geen uitgebreide ervaring hebben met gegevenswetenschap.

AutoML maakt gebruik van een intuïtieve en gebruiksvriendelijke interface om de complexiteit van het bouwen van voorspellende modellen te verminderen. Het volgt een eenvoudig, stapsgewijs proces dat zelfs gebruikers zonder geavanceerde technische vaardigheden kunnen volgen. Laten we eens kijken naar de belangrijkste stappen in het proces:

1. Gegevensverkenning

Met AutoML kan je eenvoudig gegevens uploaden en verkennen. Het platform biedt tools om de gegevens te visualiseren, inzicht te krijgen in de verdeling van de variabelen en om potentiële relaties tussen variabelen te identificeren.

2. Voorbewerking van gegevens

Voordat je modellen kunt bouwen, moet je mogelijk enkele voorbewerkingen op de gegevens uitvoeren. Bijvoorbeeld het omgaan met ontbrekende waarden, het normaliseren van gegevens en het omzetten van categorische variabelen. AutoML van Qlik biedt ingebouwde functionaliteit voor gegevensvoorbewerking om dit proces te vergemakkelijken.

3. Modelselectie

Op basis van jouw doelstellingen en het type probleem dat je wilt oplossen (classificatie, regressie, clustering, enz.), selecteert AutoML automatisch de meest geschikte modellen om te verkennen. Het maakt gebruik van geavanceerde algoritmen om de best presterende modellen te identificeren en biedt een lijst met aanbevelingen.

4. Modeltraining en evaluatie

Zodra je de modellen heeft geselecteerd die je wilt verkennen, voert AutoML de training en evaluatie uit. Het verdeelt jouw gegevens in trainings- en testsets, past de geselecteerde modellen toe en evalueert hun prestaties aan de hand van relevante metrieken, zoals nauwkeurigheid, precisie en recall.

5. Inzetbaarheid en implementatie

Zodra je tevreden bent met het prestatieniveau van een model, kan het eenvoudig implementeren binnen je omgeving. AutoML van Qlik ondersteunt naadloze integratie met andere Qlik-producten en biedt mogelijkheden om voorspellingen en inzichten te delen via dashboards, rapporten en andere analytische toepassingen.

Tot slot

Uiteindelijk biedt AutoML aanzienlijk wat mogelijkheden. Helaas is het (nog) niet zo uitgebreid zoals bijvoorbeeld Azure. Maar het biedt zeker een leuke speelomgeving om de eerste stappen te zetten naar een volwassenere BI-omgeving. Is het een Analytics plus oplossing, ja wellicht wel. Maar zeker niet verkeerd om erbij te hebben.

 

Recente berichten

Beveiligingslek Qlik Sense Enterprise on Windows

Beveiligingslek Qlik Sense Enterprise on Windows

Update 17 mei 2024

Er is een nieuw beveiligingslek ontdekt met als vulnerability “Privilege escalation for authenticated/anonymous user”. Het scoringssysteem CVSS V3.1 detecteert dit als high (CVSS:3.1/AV:N/AC:L/PR:L/UI:N/S:U/C:H/I:H/A:H 8.8 (High).

Check hier hoe je het kan oplossen.

Lees meer