レッスン 5: ニューラル ネットワークおよびロジスティック回帰モデルの作成 (中級者向けデータ マイニング チュートリアル)
Adventure Works のオペレーション部門では、コール センターの顧客満足度を向上させるためのプロジェクトが進行中です。この部門では、コール センターを管理すると共にコール センターの有効性に関する基準をレポートするためにベンダを雇っています。ここであなたは、いくつかの予備データを分析して何らかの有益な結果を得るように求められました。彼らは特に、人員の配置上の問題を示唆するデータや、応答時間の改善に役立つと思われるデータに関する情報を求めています。
データセットには、コール センターでのオペレーションの 30 日分が含まれています。このデータは、シフトごとのオペレータの数、電話の数と注文の数、応答時間、および顧客の不満を表す 1 つの指標である電話放棄呼率に基づくサービス グレード基準を追跡しています。
データが何を示すかについての事前予測情報がないので、あなたはニューラル ネットワーク モデルを使用して有効な相関関係を探すことに決めました。ニューラル ネットワーク モデルは知識の発見によく使用されるモデルで、多くの入力と出力の間の複雑な関係を分析できます。
顧客満足に寄与する要因を特定したら、人員配置などの日常業務に関する意思決定を下すために使用できる回帰モデルを作成します。
学習する内容
このレッスンでは、データと傾向を理解するために、ニューラル ネットワーク アルゴリズムを使用して、あなたとオペレーション チームが使用できるモデルを作成します。その後で、次の質問に回答してください。
顧客満足に影響する要因には何がありますか。
コール センターのサービス グレードを向上させるにはどのような方法がありますか。
結果に基づいて、予測に使用できるロジスティック回帰モデルを作成します。予測は、コール センターのオペレーションの計画に役立てるためにオペレーション チームによって使用されます。
このレッスンの内容は次のとおりです。
変更履歴
変更内容 |
|---|
分離方法の異なる複数の数値列のコピーを含む 1 つのマイニング構造を使用するようにチュートリアルのシナリオを更新しました。 |
データ マイニング モデルで列の別名を使用する方法の説明を追加しました。 |
シナリオの更新に合わせて、予測のマイニング モデル名と DDL ステートメントを修正しました。 |
データ ソース ビューで曜日を生成する方法の説明を追加しました。結果のモデルに曜日を追加しました。 |