• Artigo

Lição 5: Criando modelos de rede neural e de regressão logística (Tutorial de mineração de dados intermediário)

O departamento de Operações da Adventure Works está envolvido em um projeto para melhorar satisfação do cliente com seu call center. Eles contrataram um fornecedor para gerenciar o call center e relatar as métricas da efetividade do call center e pediram a você para analisar alguns dados preliminares para verificar se há informações interessantes. Em particular, eles gostariam de saber se os dados sugerem algum problema com a equipe ou maneiras de melhorar o tempo de resposta.

O conjunto de dados cobre um período de 30 dias na operação do call center. Os dados rastreiam o número de operadores em cada turno, o número de chamadas e pedidos, o tempo de resposta e uma métrica de classificação de serviço com base na taxa de abandono que é um indicador da frustração do cliente.

Como você não tem nenhuma expectativa anterior sobre o que os dados mostrarão, você decide usar um modelo de rede neural para explorar as possíveis correlações. Os modelos de rede neural são usados com freqüência para descoberta de conhecimento e podem analisar relações complexas entre muitas entradas e saídas.

Ao determinar os fatores que contribuem para a satisfação do cliente com o call center, você compilará um modelo de regressão que pode ser usado para fazer previsões sobre pessoal e outras decisões de negócios diárias.

O que você aprenderá

Nesta lição, você usará o algoritmo de rede neural para criar um modelo que você e a equipe de Operações podem usar para entender os dados e as tendências, e responder às seguintes perguntas:

  • Quais fatores afetam a satisfação do cliente?

  • O que o call center pode fazer para melhorar a classificação do serviço?

Com base nos resultados, você criará um modelo de regressão logística que poderá usar para previsões. As previsões serão usadas pela equipe de Operações como um auxílio no planejamento da operação do call center.

Esta lição contém os seguintes tópicos:

Histórico de alterações

Conteúdo atualizado

Cenário do tutorial atualizado para usar uma única estrutura de mineração que contém várias cópias da coluna numérica, com cada coluna diferenciada de maneira diferente.

Adicionada uma explicação de como usar os aliases de coluna em modelos de mineração de dados.

Corrigidos os nomes dos modelos de mineração em previsões e instruções DDL para que correspondam ao cenário atualizado.

Foi adicionada uma descrição sobre como gerar o dia da semana na exibição da fonte de dados; foi adicionado o dia da semana para modelos resultantes.