Aggiunta di un modello di regressione logistica alla struttura del call center (Esercitazione intermedia sul data mining)
Oltre ad analizzare i fattori che potrebbero influire sul funzionamento del call center, è necessario fornire consigli specifici su come il personale può migliorare il livello del servizio. In questa attività verrà utilizzata la stessa struttura di data mining utilizzata per creare il modello di rete neurale per l'esplorazione dei dati e verrà aggiunto un modello di data mining da utilizzare per la creazione di stime.
Sia le reti neurali che la regressione logistica possono essere utilizzate per la stima. In generale, tuttavia, le reti neurali vengono considerate ideali per l'esplorazione di interazioni complesse, mentre la regressione logistica è particolarmente adatta per la stima di risultati binari basati su variabili indipendenti note. In questa esercitazione è stato già individuato il risultato desiderato, ovvero un miglior livello di servizio, e sono stati definiti alcuni dei probabili fattori di influenza sul livello di servizio. La regressione logica rappresenta pertanto una buona scelta per stimare il modo in cui le modifiche apportate alle variabili indipendenti, ad esempio la gestione del personale o il tempo di risposta della chiamate, possono influire sul livello di servizio.
In questa lezione verrà aggiunto un nuovo modello, che verrà quindi personalizzato per soddisfare le esigenze aziendali.
Per aggiungere un nuovo modello di data mining alla struttura di data mining del call center
In Esplora soluzioni di Business Intelligence Development Studio fare clic con il pulsante destro del mouse sulla struttura di data mining Call Center, quindi scegliere Apri finestra di progettazione.
In Progettazione modelli di data mining fare clic sulla scheda Modelli di data mining.
Fare clic su Crea modello di data mining correlato.
Nella finestra di dialogo Nuovo modello di data mining digitare Call Center - LR in Nome modello . In Nome algoritmo selezionare Microsoft Logistic Regression.
Scegliere OK.
Nella scheda Modelli di data mining verrà visualizzato il nuovo modello di data mining.
Per personalizzare il modello di regressione logistica
Nella colonna del nuovo modello di data mining Call center - LR lasciare Fact CallCenter ID come chiave.
Modificare il valore di ServiceGrade e Level Two Operators in Stima.
Queste colonne verranno utilizzate sia per la stima che per l'input.
[!NOTA]
Quando si includono più attributi stimabili in un modello di rete neurale o di regressione logistica, si creano in realtà due modelli diversi all'interno dello stesso contenitore di metadati, in quanto l'algoritmo crea un sottoalbero distinto per ciascun set di attributi stimabili.
Impostare tutte le altre colonne su Input.
Per specificare il valore di inizializzazione ed elaborare i modelli
Nella scheda Modello di data mining fare clic con il pulsante destro del mouse sulla colonna del modello Call Center - LR, quindi scegliere Imposta parametri algoritmo.
Nella riga del parametro HOLDOUT_SEED fare clic sulla cella vuota in Valore e digitare 1. Scegliere OK.
[!NOTA]
Il valore scelto come valore di inizializzazione non è importante, a condizione che si utilizzi lo stesso valore per tutti i modelli correlati.
Scegliere Elabora struttura di data mining e tutti i modelli dal menu Modelli di data mining. Fare clic su Sì per distribuire il progetto di data mining aggiornato nel server.
Nella finestra di dialogo Elabora modello di data mining fare clic su Esegui.
Fare clic su Chiudi per chiudere la finestra di dialogo Stato elaborazione, quindi fare di nuovo clic su Chiudi per chiudere la finestra di dialogo Elabora modello di data mining.
Attività successiva della lezione
Creazione di stime per i modelli Call Center (Esercitazione intermedia sul data mining)