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

Artigo
12/29/2017

O departamento de Operações da Adventure Works está envolvido em um projeto para melhorar a satisfação do cliente com seu call center. Eles contrataram um fornecedor para gerenciar o call center e relatar a métrica da efetividade do call center e pediram a você para analisar alguns dados preliminares apresentados pelo fornecedor. Eles querem saber se é há alguma descoberta interessante. Em particular, eles gostariam de saber se os dados sugerem algum problema com a equipe ou maneiras de melhorar a satisfação do cliente.

O conjunto de dados é pequeno e abrange apenas um período de 30 dias na operação do call center. Os dados mostram o número de operadores novos e experientes em cada turno, o número de chamadas recebidas, o número de pedidos e os problemas que devem ser resolvidos e o tempo médio que o cliente aguarda para alguém responder à chamada. Os dados também incluem uma métrica de qualidade de serviço baseada na taxa de abandono, que é um indicador de 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 frequência para exploração, porque podem analisar relações complexas entre muitas entradas e saídas.

O que você aprenderá

Nesta lição, você usará o algoritmo de rede neural para criar um modelo que você e a equipe de Operações possam usar para entender as tendências nos dados. Como parte desta lição, você tentará responder as seguintes perguntas:

Quais fatores afetam a satisfação do cliente?
O que o call center pode fazer para melhorar a qualidade 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.

Eis os tópicos desta lição: