Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Oltre ad analizzare i fattori che potrebbero influire sulle operazioni del call center, è stato chiesto anche di fornire alcune raccomandazioni specifiche sul modo in cui il personale può migliorare la qualità del servizio. In questa attività si userà la stessa struttura di data mining usata per compilare il modello esplorativo e aggiungere un modello di data mining che verrà usato per la creazione di stime.
In Analysis Services, un modello di regressione logistica si basa sull'algoritmo delle reti neurali e offre quindi la stessa flessibilità e potenza di un modello di rete neurale. Tuttavia, la regressione logistica è particolarmente adatta per la stima dei risultati binari.
Per questo scenario si userà la stessa struttura di data mining usata per il modello di rete neurale. Tuttavia, il nuovo modello verrà personalizzato in base alle domande aziendali. Si è interessati a migliorare la qualità del servizio e a determinare quanti operatori esperti sono necessari, quindi si configurerà il modello per stimare tali valori.
Per assicurarsi che tutti i modelli basati sui dati del call center siano il più simili possibile, si userà lo stesso valore di inizializzazione di prima. L'impostazione del parametro di inizializzazione garantisce che il modello elabori i dati dallo stesso punto di partenza e riduce al minimo le variazioni causate dagli artefatti nei dati.
Per aggiungere un nuovo modello di data mining alla struttura di data mining del call center
In SQL Server Data Tools (SSDT), in Esplora soluzioni, fare clic con il pulsante destro del mouse sulla struttura di data mining, Call Center Binned, e scegliere Open Designer.
In Progettazione modelli di data mining fare clic sulla scheda Modelli di data mining .
Fare clic su Crea un modello di data mining correlato.
Nella finestra di dialogo Nuovo modello di data mining per Nome modello, digitare
Call Center - LR. Per Nome algoritmo selezionare Microsoft Logistic Regression.Fare clic su OK.
Il nuovo modello di mining viene visualizzato nella scheda Modelli di mining.
Per personalizzare il modello di regressione logistica
Nella colonna per il nuovo modello di data mining
Call Center - LR, lascia Fact CallCenter ID come chiave.Modificare il valore di ServiceGrade e Level Two Operators in Predict.
Queste colonne verranno usate sia come input che per la stima. In sostanza, si creano due modelli separati sugli stessi dati: uno che stima il numero di operatori e uno che stima il livello di servizio.
Modificare tutte le altre colonne in Input.
Per specificare il seme ed elaborare i modelli
Nella scheda Modello di data mining fare clic con il pulsante destro del mouse sulla colonna per il modello denominato Call Center - LR e scegliere Imposta parametri algoritmo.
Nella riga del parametro HOLDOUT_SEED fare clic sulla cella vuota in Valore e digitare
1. Fare clic su OK.Annotazioni
Il valore scelto come valore di inizializzazione non è importante, purché venga usato lo stesso valore di inizializzazione per tutti i modelli correlati.
Nel menu Modelli di data mining selezionare Elabora la struttura di data mining e tutti i modelli. Fare clic su Sì per distribuire il progetto di data mining aggiornato nel server.
Nella finestra di dialogo Modello di Process Mining fare clic su Esegui.
Fare clic su Chiudi per chiudere la finestra di dialogo Stato processo, quindi fare di nuovo clic su Chiudi nella finestra di dialogo Modello di Process Mining.
Attività successiva nella lezione
Creazione di stime per i modelli call center (esercitazione intermedia sul data mining)