Partager via


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

 

S’applique à : SQL Server 2016 Preview

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 signaler des mesures de l'efficacité du centre d'appels, et vous a demandé d'analyser certaines données préliminaires fournies par ce fournisseur. Il veut savoir si des découvertes intéressantes ont été faites. En particulier, il veut savoir si les données suggèrent des problèmes de personnel ou des façons d'améliorer la satisfaction de la clientèle.

Le jeu de données est peu volumineux et couvre uniquement une période de 30 jours du fonctionnement du centre d'appels. Les données suivent le nombre des opérateurs nouveaux et expérimentés dans chaque équipe, le nombre d'appels entrants, le nombre de commandes, ainsi que les problèmes qui doivent être résolus et la durée moyenne d'attente d'un client avant que quelqu'un ne réponde à un appel. Les données incluent également une niveau mesure de qualité de service basée sur le taux d'abandonqui est un indicateur de la frustration des clients.

Puisque vous n'avez pas d'attente préalable 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 pour l'exploration car ils peuvent analyser des relations complexes entre de nombreuses entrées et sorties.

Contenu du didacticiel

Dans cette leçon, vous allez utiliser l'algorithme MNN (Microsoft Neural Network) pour générer un modèle que vous et l'équipe Opérations pouvez utiliser pour comprendre les tendances des données. Dans le cadre de cette leçon, vous allez essayer de répondre aux questions suivantes :

  • Quels facteurs affectent la satisfaction des clients ?

  • Qu'est-ce que le centre d'appels peut faire pour améliorer la qualité du 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 :

Tâche suivante de la leçon

Ajout d’une vue de Source de données pour les données de centre d’appels &#40 ; didacticiel d’exploration de données intermédiaires &#41 ;

Toutes les leçons

Leçon 1 : Création de la Solution d’exploration de données intermédiaires &#40 ; didacticiel d’exploration de données intermédiaires &#41 ;

Leçon 2 : Création d’un scénario de prévision &#40 ; didacticiel d’exploration de données intermédiaires &#41 ;

Leçon 3 : Génération d’un scénario de panier d’achat (Didacticiel sur l’exploration de données intermédiaire)

Leçon 4 : Création d’un scénario de cluster de séquence &#40 ; didacticiel d’exploration de données intermédiaires &#41 ;

Leçon 5 : Scénario de réseau neuronal et de régression logistique (didacticiel sur l’exploration de données intermédiaire)

Voir aussi

Didacticiel sur l'exploration de données de base
Didacticiel d’exploration de données intermédiaires &#40 ; Analysis Services - Exploration de données &#41 ;