Lección 5: Generar modelos de red neuronal y de regresión logística (Tutorial intermedio de minería de datos)
El departamento de operaciones de Adventure Works está ocupado en un proyecto para mejorar la satisfacción del cliente con su centro de llamadas. Han contratado a un proveedor para administrar el centro de llamadas y proporcionar métricas sobre la efectividad del centro de llamadas, y le han solicitado el análisis de algunos datos preliminares que proporciona el proveedor con el fin de encontrar hallazgos interesantes. En particular, desean saber si los datos sugieren algún problema con el personal o métodos para mejorar el tipo de respuesta.
El conjunto de datos cubre un período de 30 días en el funcionamiento del centro de llamadas. Los datos realizan el seguimiento del número de operadores en cada turno, el número de llamadas y pedidos, el tiempo de respuestas y una métrica de grado de servicio basado en la tasa de abandono, un indicador de la frustración del cliente.
Puesto que no cuenta con expectativas a priori sobre lo que mostrarán los datos, decide usar un modelo de red neuronal para explorar posibles correlaciones. En la detección de conocimiento se suelen utilizar modelos de red neuronal que pueden analizar relaciones complejas entre un alto número de entradas y salidas.
Cuando determine los factores que contribuyen a la satisfacción del cliente con el centro de llamadas, generará un modelo de regresión que se pueda utilizar para realizar predicciones sobre cómo el personal y otras decisiones comerciales cotidianas.
Aprendizaje
En esta lección, utilizará el algoritmo de red neuronal para crear un modelo que tanto usted como el equipo de operaciones puedan utilizar para conocer los datos y sus tendencias.
¿Qué factores afectan a la satisfacción del cliente?
¿Qué puede realizar el centro de llamadas para mejorar el grado de servicio?
A continuación, basándose en los resultados, creará un modelo de regresión logística que puede utilizar para las predicciones. El equipo de operaciones utilizará estas predicciones como ayuda para planear el funcionamiento del centro de llamadas.
En esta lección se incluyen los temas siguientes:
Siguiente tarea de la lección
Historial de cambios
Contenido actualizado |
|---|
Se actualiza el escenario del tutorial para usar una única estructura de minería de datos que contiene varias copias de la columna numérica y cada columna se discretiza de manera diferente. |
Se agrega una explicación de cómo utilizar los alias de columna en los modelos de minería de datos |
Se han corregido los nombres del modelo de minería de datos en las predicciones e instrucciones DDL para que coincidan con el escenario actualizado. |
Se ha agregado la descripción del procedimiento para generar el día de la semana en la vista del origen de datos; se ha agregado el día de la semana a los modelos resultantes. |
Vea también