Lezione 5: Creazione di modelli di rete neurale e regressione logistica (esercitazione intermedia sul data mining)

Il reparto operativo di Adventure Works è impegnato in un progetto per migliorare la soddisfazione dei clienti con il call center. Hanno assunto un fornitore per gestire il call center e per segnalare le metriche sull'efficacia del call center e hanno chiesto di analizzare alcuni dati preliminari forniti dal fornitore. Vogliono sapere se ci sono risultati interessanti. In particolare, vogliono sapere se i dati suggeriscono eventuali problemi di personale con il personale o modi per migliorare la soddisfazione dei clienti.

Il set di dati è piccolo e copre solo un periodo di 30 giorni nel funzionamento del call center. I dati tengono traccia del numero di operatori nuovi ed esperti in ogni turno, del numero di chiamate in arrivo, del numero di ordini e dei problemi che devono essere risolti e del tempo medio in cui un cliente attende che qualcuno risponda a una chiamata. I dati includono anche una metrica di qualità del servizio basata sul tasso di abbandono, che è un indicatore della frustrazione dei clienti.

Poiché non si hanno aspettative precedenti su ciò che verranno visualizzati i dati, si decide di usare un modello di rete neurale per esplorare le possibili correlazioni. I modelli di rete neurale vengono spesso usati per l'esplorazione perché possono analizzare relazioni complesse tra molti input e output.

Cosa Imparerai

In questa lezione si userà l'algoritmo di rete neurale per creare un modello che l'utente e il team operativo possono usare per comprendere le tendenze nei dati. Come parte di questa lezione, si proverà a rispondere alle domande seguenti:

Quali fattori influiscono sulla soddisfazione dei clienti?
Cosa può fare il call center per migliorare la qualità del servizio?

In base ai risultati, si creerà quindi un modello di regressione logistica che è possibile usare per le stime. Le stime verranno usate dal team operativo come supporto per la pianificazione dell'operazione del call center.

In questa lezione sono inclusi gli argomenti seguenti: