Lição 5: Criando modelos de regressão logística e de rede neural (Tutorial de mineração de dados intermediário)

O departamento de Operações da Adventure Works está envolvido em um projeto para melhorar a satisfação do cliente com seu call center. Eles contrataram um fornecedor para gerenciar o call center e relatar métricas sobre a eficácia do call center e solicitaram que você analisasse alguns dados preliminares fornecidos pelo fornecedor. Eles querem saber se há alguma descoberta interessante. Em particular, eles gostariam de saber se os dados sugerem algum problema de equipe ou formas de melhorar a satisfação do cliente.

O conjunto de dados é pequeno e abrange apenas um período de 30 dias na operação do call center. Os dados rastreiam o número de operadores novos e experientes em cada turno, o número de chamadas recebidas, o número de pedidos, bem como os problemas que devem ser resolvidos e o tempo médio que um cliente espera que alguém responda a uma chamada. Os dados também incluem uma métrica de qualidade do serviço com base na taxa de abandono, que é um indicador de frustração do cliente.

Como você não tem expectativas anteriores sobre o que os dados mostrarão, você decide usar um modelo de rede neural para explorar possíveis correlações. Os modelos de rede neural geralmente são usados para exploração porque podem analisar relações complexas entre muitas entradas e saídas.

O que você aprenderá

Nesta lição, você usará o algoritmo de rede neural para criar um modelo que você e a equipe de Operações podem usar para entender as tendências nos dados. Como parte desta lição, você tentará responder às seguintes perguntas:

Quais fatores afetam a satisfação do cliente?
O que o call center pode fazer para melhorar a qualidade do serviço?

Com base nos resultados, você criará um modelo de regressão logística que pode ser usado para previsões. As previsões serão usadas pela equipe de Operações como um auxílio no planejamento da operação do call center.

Eis os tópicos desta lição: