Partager via

  • Article

Leçon 5 : Génération de modèles de réseau neuronal et de régression logistique (Didacticiel sur l'exploration de données intermédiaire)

Le service d'exploitation de la société Adventure Works prend part à un projet visant à améliorer la satisfaction des clients avec leur centre d'appels. Il a embauché un fournisseur pour gérer le centre d'appels et effectuer des mesures sur son efficacité ; par ailleurs, il vous a demandé d'analyser certaines données préliminaires afin d'y rechercher des éléments intéressants. En particulier, il veut savoir si les données suggèrent des problèmes avec le personnel ou des façons d'améliorer le temps de réponse.

Le jeu de données couvre une période de 30 jours de fonctionnement du centre d'appels. Les données représentent le suivi du nombre d'opérateurs dans chaque équipe, du nombre d'appels et de commandes, du temps de réponse et d'une mesure de niveau de service en fonction d'un taux d'abandon, qui est un indicateur de frustration des clients.

Étant donné que vous n'avez pas d'attentes par rapport à ce que les données indiqueront, vous décidez d'utiliser un modèle de réseau neuronal pour explorer les corrélations possibles. Les modèles de réseau neuronal sont souvent utilisés en matière d'exploitation des connaissances, car ils peuvent analyser des relations complexes entre de nombreuses entrées et sorties.

Une fois que vous avez déterminé les facteurs qui contribuent à la satisfaction des clients par rapport au centre d'appels, vous devez générer un modèle de régression permettant d'établir des prédictions sur la gestion du personnel et les décisions quotidiennes relatives à l'entreprise.

Contenu du didacticiel

Dans cette leçon, vous allez utiliser l'algorithme MNN (Microsoft Neural Network) pour générer un modèle que vous et l'équipe d'exploitation pouvez utiliser pour comprendre les données et les tendances, ainsi que pour répondre aux questions suivantes :

  • Quels facteurs affectent la satisfaction des clients ?

  • Qu'est-ce que le centre d'appels peut faire pour améliorer le niveau de service ?

Sur la base des résultats, vous générerez ensuite un modèle de régression logistique que vous pouvez utiliser pour des prédictions. Les prédictions seront utilisées par l'équipe d'exploitation comme une aide dans la planification du fonctionnement du centre d'appels.

Cette leçon contient les rubriques suivantes :

Historique des modifications

Mise à jour du contenu

Mise à jour du scénario du didacticiel afin d'utiliser une seule structure d'exploration de données qui contient plusieurs copies de la colonne numérique, avec une discrétisation différente de chaque colonne.

Ajout d'informations sur le mode d'utilisation des alias de colonnes dans les modèles d'exploration de données.

Correction des noms de modèles d'exploration de données dans les prédictions et les instructions DDL pour correspondre à la mise à jour du scénario.

Ajout d'une description sur la génération du jour de la semaine dans la vue de source de données ; ajout du jour de la semaine aux modèles résultants.