Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Zusätzlich zur Analyse der Faktoren, die sich auf den Betrieb von Callcentern auswirken könnten, wurden Sie auch aufgefordert, einige spezifische Empfehlungen zur Verbesserung der Servicequalität bereitzustellen. In dieser Aufgabe verwenden Sie dieselbe Miningstruktur, die Sie zum Erstellen des explorativen Modells verwendet haben. Außerdem fügen Sie ein Miningmodell hinzu, um damit Vorhersagen zu erstellen.
In Analysis Services basiert ein logistisches Regressionsmodell auf dem Algorithmus für neurale Netzwerke und bietet daher die gleiche Flexibilität und Leistung wie ein neurales Netzwerkmodell. Die logistische Regression eignet sich jedoch besonders gut für die Vorhersage binärer Ergebnisse.
Für dieses Szenario verwenden Sie dieselbe Miningstruktur, die Sie für das neurale Netzwerkmodell verwendet haben. Sie passen das neue Modell jedoch an Ihre Geschäftsfragen an. Sie sind daran interessiert, die Dienstqualität zu verbessern und zu bestimmen, wie viele erfahrene Operatoren Sie benötigen, damit Sie Ihr Modell so einrichten, dass diese Werte vorhergesagt werden.
Um sicherzustellen, dass alle Modelle, die auf den Callcenterdaten basieren, so ähnlich wie möglich sind, verwenden Sie den gleichen Ausgangswert wie zuvor. Durch Festlegen des Seedparameters wird sichergestellt, dass das Modell die Daten vom selben Ausgangspunkt verarbeitet und Variationen minimiert, die durch Artefakte in den Daten verursacht werden.
Fügen Sie der Callcenter-Mining-Struktur ein neues Mining-Modell hinzu
Klicken Sie in SQL Server Data Tools (SSDT), im Projektmappen-Explorer mit der rechten Maustaste auf die Miningstruktur Call Center Binned und wählen Sie Designer öffnen aus.
Klicken Sie im Data Mining-Designer auf die Registerkarte "Miningmodelle ".
Klicken Sie auf "Erstellen eines verwandten Miningmodells".
Geben Sie im Dialogfeld "Neues Miningmodell" für Modellname
Call Center - LRein. Wählen Sie für den Namen des Algorithmusdie Microsoft Logistic Regression aus.Klicke auf OK.
Das neue Miningmodell wird auf der Registerkarte "Miningmodelle " angezeigt.
So passen Sie das Logistische Regressionsmodell an
Lassen Sie in der Spalte für das neue Miningmodell
Call Center - LRdie Fact CallCenter-ID als Schlüssel.Ändern Sie den Wert von ServiceGrade- und Level Two-Operatoren, um vorherzusagen.
Diese Spalten werden sowohl als Eingabe als auch für die Vorhersage verwendet. Im Wesentlichen erstellen Sie zwei separate Modelle für die gleichen Daten: eine, die die Anzahl der Operatoren vorhersagt, und eine, die die Dienstqualität vorhersagt.
Ändern Sie alle anderen Spalten in "Eingabe".
Um den Seed festzulegen und die Modelle zu verarbeiten
Klicken Sie auf der Registerkarte "Miningmodell " mit der rechten Maustaste auf die Spalte für das Modell namens Call Center - LR, und wählen Sie " Algorithmusparameter festlegen" aus.
Klicken Sie in der Zeile für den parameter HOLDOUT_SEED auf die leere Zelle unter "Wert", und geben Sie den Wert ein
1. Klicke auf OK.Hinweis
Der Wert, den Sie als Ausgangswert auswählen, spielt keine Rolle, solange Sie für alle verwandten Modelle denselben Samen verwenden.
Wählen Sie im Menü "Miningmodelle " die Option "Process Mining Structure" und "All Models" aus. Klicken Sie auf "Ja ", um das aktualisierte Data Mining-Projekt auf dem Server bereitzustellen.
Klicken Sie im Dialogfeld "Process Mining Model " auf "Ausführen".
Klicken Sie auf "Schließen", um das Dialogfeld "Prozessfortschritt" zu schließen, und klicken Sie dann im Dialogfeld "Process Mining Model" erneut auf "Schließen".