memilih teknik analisis seperti model logistic regression, random forest, gradient boosting, dll
mengimplementasikan solusi terhadap data yang sudah di praproses
menganalisa hasil analisis dan menentukan opsi terbaik berdasarkan kebutuhan bisnis
Evaluation
evaluasi hasil analisis menggunakan model terhadap data yang disiapkan untuk evaluasi
memvalidasi hasil menggunakan metrics untuk klasifikasi seperti akurasi, precision, recall, atau AUC-ROC
Deployment
mengintegrasikan model machine learning dengan infrastruktur perusahaan untuk memprediksi risiko churn pelanggan
menargetkan intervensi atau strategi untuk menjaga pelanggan yang berisiko churn agar tetap loyal
memonitor performa model dari waktu ke waktu
Namun jika saat fase evaluasi dinilai solusi atau rekomendasi yang diberikan kurang memuaskan, maka kita harus menilai tahap mana yang perlu diperbaiki/ditingkatkan. Karena itu penting untuk memahami apa kriteria/metrics yang tepat untuk evaluasi, performa seperti apa yang dianggap sudah bagus, dan tahap mana yang masih bisa diperbaiki → iterative process
