5단원: 신경망 및 로지스틱 회귀 모델 작성(중급 데이터 마이닝 자습서)
Adventure Works의 운영 부서가 콜 센터에서 고객 만족도를 향상시키는 프로젝트를 수행하고 있습니다. 이 부서에서는 콜 센터를 관리하고 콜 센터 효율성에 대한 메트릭을 보고할 한 업체를 선정하고 여러분에게 일부 예비 정보를 분석하여 흥미로운 사실을 찾는 업무를 요청합니다. 특히 이 데이터에서 직원 배치의 문제점 또는 응답 시간을 개선하는 방법을 제안하는지 알고 싶습니다.
데이터 집합은 30일 간의 콜 센터 운영 기간을 포함합니다. 데이터는 각 교대조의 전화 상담원 수, 전화 통화 및 주문 수, 응답 시간, 중단율(고객 불만의 표시)을 기반으로 하는 서비스 등급 메트릭을 추적합니다.
데이터가 나타내는 내용에 대해 사전에 어떠한 예측도 하지 않았으므로 신경망 모델을 사용하여 가능한 상관 관계를 탐색하기로 결정했습니다. 신경망 모델은 흔히 지식 검색에 사용되며 많은 입력과 출력 간의 복잡한 관계를 분석할 수 있습니다.
콜 센터에서 고객 만족도에 영향을 주는 요소를 확인했으면 직원 배치와 다른 일상적인 비즈니스 의사 결정을 예측하는 데 사용할 수 있는 회귀 모델을 작성합니다.
학습 내용
이 단원에서는 신경망 알고리즘을 사용하여 여러분과 운영 팀이 데이터와 추세를 이해하는 데 사용할 수 있는 모델을 작성하고 다음 질문에 답합니다.
고객 만족에 영향을 주는 요인은 무엇입니까?
콜 센터가 서비스 등급을 개선하기 위해 할 수 있는 일은 무엇입니까?
결과에 따라 예측에 사용할 수 있는 로지스틱 회귀 모델을 작성합니다. 운영 팀에서는 예측을 통해 호출 센터 운영을 보다 쉽게 계획할 수 있습니다.
이 단원에서는 다음 항목을 다룹니다.
변경 내역
업데이트된 내용 |
|---|
각 열이 다르게 분할되어 있는 숫자 열의 여러 복사본이 포함된 단일 마이닝 구조를 사용하도록 자습서 시나리오를 업데이트했습니다. |
데이터 마이닝 모델에서 열 별칭을 사용하는 방법에 대한 설명을 추가했습니다. |
업데이트된 시나리오와 일치하도록 예측 및 DDL 문에서 마이닝 모델 이름을 수정했습니다. |
데이터 원본 뷰에 요일을 생성하는 방법에 대한 설명을 추가했습니다. 결과 모델에 요일이 추가되었습니다. |