Lezione 5: Compilazione dei modelli di rete neurale e di regressione logistica (Esercitazione intermedia sul data mining)
Il reparto operazioni di Adventure Works è impegnato in un progetto per migliorare la soddisfazione dei clienti con il call center. La gestione del call center è stata affidata a un fornitore che deve anche raccogliere dati sull'efficienza del call center che dovranno essere analizzati. Si desidera sapere se sono presenti dati interessanti, in particolare se i dati suggeriscono problemi del personale o soluzioni per migliorare la soddisfazione dei clienti.
Il set di dati è piccolo e riguarda solo un periodo di 30 giorni di funzionamento del call center. I dati includono il numero di operatori esperti per ogni turno, il numero di chiamate in ingresso, il numero di ordini e i problemi che è necessario risolvere, nonché il tempo medio che un cliente attende che qualcuno risponda a una chiamata. I dati includono anche una metrica della qualità del servizio basata sulla frequenza di abbandono, che è un indicatore della frustrazione del cliente.
Poiché non esistono previsioni per i risultati dei dati, si decide di utilizzare un modello di rete neurale per esplorare le possibili correlazioni. I modelli di rete neurale vengono spesso utilizzati per l'esplorazione perché consentono di analizzare relazioni complesse tra molti input e output.
Lezioni dell'esercitazione
In questa lezione verrà utilizzato l'algoritmo Microsoft Neural Network per compilare un modello che sarà possibile utilizzare con il team del reparto operativo per comprendere i dati. In questa lezione si tenterà di rispondere alle domande seguenti:
Quali fattori influiscono sulla soddisfazione dei clienti?
Che cosa può fare il call center per migliorare la qualità del servizio?
In base ai risultati si compilerà quindi un modello di regressione logistica che risulterà utile per ottenere le stime che saranno utilizzate dal team operativo per supportare la pianificazione del funzionamento del call center.
In questa lezione sono inclusi gli argomenti seguenti:
Esplorazione del modello Call Center (Esercitazione intermedia sul data mining)
Creazione di stime per i modelli Call Center (Esercitazione intermedia sul data mining)
Attività successiva della lezione
Tutte le lezioni
Lezione 2: Compilazione di uno scenario di previsione (Esercitazione intermedia sul data mining)
Lezione 3: Compilazione di uno scenario Market Basket (Esercitazione intermedia sul data mining)
Lezione 5: Scenario di rete neurale e di regressione logistica (Esercitazione intermedia sul data mining)
Vedere anche
Esercitazione di base sul data mining
Esercitazione intermedia sul data mining (Analysis Services - Data mining)