• Artikel

Lektion 5: Erstellen von neuronalen Netzwerk- und logistischen Regressionsmodellen (Data Mining-Lernprogramm für Fortgeschrittene)

Die Betriebsabteilung von Adventure Works arbeitet daran, die Kundenzufriedenheit bezüglich des Callcenters zu verbessern. Ein Hersteller wurde mit der Führung des Callcenters und der Berichterstellung zu Metriken bezüglich der Effektivität des Callcenters beauftragt. Ihre Aufgabe ist es, einige vorläufige Daten auf relevante Ergebnisse hin zu analysieren. Insbesondere, ob die Daten Rückschlüsse auf Probleme mit der Personalbesetzung zulassen oder Möglichkeiten aufzeigen, die Antwortzeit zu verbessern.

Das Dataset umfasst einen Betriebszeitraum des Callcenters von 30 Tagen. Die Daten enthalten die Anzahl der Telefonisten pro Schicht, die Anzahl der Aufrufe und Bestellungen, Antwortzeit und einer Dienstqualitätsmetrik auf Grundlage der Abbruchrate, einem Indikator für die Kundenfrustration.

Da Sie im Voraus keine bestimmten Ergebnisse von der Datenanalyse erwarten, beschließen Sie, mithilfe eines neuronalen Netzwerkmodells die Daten auf mögliche Korrelationen zu durchsuchen. Neuronale Netzwerkmodelle werden oft zum Erkenntnisgewinn verwendet und können komplexe Beziehungen zwischen zahlreichen Eingaben und Ausgaben analysieren.

Wenn Sie die Faktoren identifiziert haben, die zur Zufriedenheit der Kunden mit dem Callcenter beitragen, erstellen Sie ein Regressionsmodell. Mithilfe des Regressionsmodells können Vorhersagen für das Personalwesen und weitere alltägliche Geschäftsentscheidungen getroffen werden.

Lernziele

In dieser Lektion erstellen Sie mithilfe des Neural Network-Algorithmus ein Modell, mit dem Sie und das Betriebsteam die Daten und Trends analysieren und folgende Fragen beantworten können:

  • Welche Faktoren beeinflussen die Kundenzufriedenheit?

  • Wie kann das Callcenter die Servicequalität verbessern?

Auf Grundlage der Ergebnisse erstellen Sie dann ein logistisches Regressionsmodell, das Sie für Vorhersagen verwenden können. Die Vorhersagen werden vom Betriebsteam für die Betriebsplanung des Callcenters verwendet.

Diese Lektion enthält die folgenden Themen:

Änderungsverlauf

Aktualisierter Inhalt

Das Szenario des Lernprogramms wurde aktualisiert, sodass eine einzelne Miningstruktur verwendet wird, die mehrere Kopien der numerischen Spalte enthält und in der jede Spalte unterschiedlich diskretisiert wurde.

Es wurde eine Erklärung hinzugefügt, wie die Spaltenaliase in Data Mining-Modellen zu verwenden sind.

Die Miningmodellnamen wurden in Vorhersagen und DDL-Anweisungen korrigiert, um dem aktualisierten Szenario zu entsprechen.

Es wurde eine Beschreibung hinzugefügt, wie in der Datenquellensicht ein Tag der Woche generiert wird. Der Tag der Woche (DayOfWeek) wurde den entsprechenden Modellen hinzugefügt.