Criando previsões para os modelos de call center (Tutorial de mineração de dados intermediário)

Agora que você aprendeu algo sobre as interações entre turnos, o número de operadores, chamadas e nível de serviço, você está pronto para criar algumas consultas de previsão que podem ser usadas na análise e planejamento de negócios. Primeiro, você criará algumas previsões no modelo exploratório para testar algumas suposições. Em seguida, você criará previsões em massa usando o modelo de regressão logística.

Esta lição pressupõe que você já esteja familiarizado com o conceito de consultas de previsão.

Criando previsões usando o modelo de rede neural

O exemplo a seguir demonstra como fazer uma previsão singleton usando o modelo de rede neural que foi criado para exploração. Previsões singleton são uma boa maneira de experimentar valores diferentes para ver o efeito no modelo. Nesse cenário, você preverá o nível de serviço para o turno da meia-noite (nenhum dia da semana especificado) se seis operadores experientes estiverem de plantão.

Para criar uma consulta do tipo singleton usando um modelo de rede neural

1. No SSDT (SQL Server Data Tools), abra a solução que contém o modelo que você deseja usar.

2. No Designer de Mineração de Dados, clique na guia Previsão do Modelo de Mineração .

3. No painel Modelo de Mineração , clique em Selecionar Modelo.

4. A caixa de diálogo Selecionar Modelo de Mineração mostra uma lista de estruturas de mineração. Expanda a estrutura de mineração para exibir uma lista de modelos de mineração associados a essa estrutura.

5. Expanda a estrutura de mineração Call Center Default e selecione o modelo de rede neural, Call Center – LR.

6. No menu Modelo de Mineração , selecione Singleton Query.

   A caixa de diálogo Entrada de Consulta Singleton aparecerá, com colunas que correspondem às colunas no modelo de mineração.

7. Na caixa de diálogo Entrada de Consulta Singleton , clique na linha do Shift e selecione meia-noite.

8. Clique na linha para Operadores de Nível 2 e digite 6.

9. Na parte inferior da aba Previsão do Modelo de Mineração, clique na primeira linha da grade.

10. Na coluna Origem , clique na seta para baixo e selecione a função Previsão. Na coluna Campo , selecione PredictHistogram.

    Uma lista de argumentos que você pode usar com essa função de previsão aparece automaticamente na caixa Critérios/Argumentos .

11. Arraste a coluna ServiceGrade da lista de colunas no painel Modelo de Mineração para a caixa Critérios/Argumentos .

    O nome da coluna é inserido automaticamente como o argumento. Você pode escolher qualquer coluna de atributo previsível para arrastar para essa caixa de texto.

12. Clique no botão Alternar para o modo de exibição de resultados de consulta, no canto superior do Construtor de Consultas de Previsão.

Os resultados esperados contêm os possíveis valores previstos para cada grau de serviço, considerando essas entradas, juntamente com valores de suporte e probabilidade para cada previsão. Você pode retornar ao modo de exibição de design a qualquer momento e alterar as entradas ou adicionar mais entradas.

Criando previsões usando um modelo de regressão logística

Se você já souber os atributos relevantes para o problema de negócios, poderá usar um modelo de regressão logística para prever o efeito de fazer alterações em alguns atributos. A regressão logística é um método estatístico que geralmente é usado para fazer previsões com base em alterações em variáveis independentes: por exemplo, ele é usado na pontuação financeira, para prever o comportamento do cliente com base na demografia do cliente.

Nesta tarefa, você aprenderá a criar uma fonte de dados que será usada para previsões e, em seguida, fará previsões para ajudar a responder a várias perguntas de negócios.

Gerando dados usados para previsão em grande escala

Há muitas maneiras de fornecer dados de entrada: por exemplo, você pode importar níveis de pessoal de uma planilha e executar esses dados por meio do modelo para prever a qualidade do serviço para o próximo mês.

Nesta lição, você usará o designer de Exibição da Fonte de Dados para criar uma consulta nomeada. Essa consulta nomeada é uma instrução Transact-SQL personalizada que, para cada turno no agendamento, calcula o número máximo de operadores na equipe, as chamadas mínimas recebidas e o número médio de problemas gerados. Em seguida, você unirá esses dados a um modelo de mineração para fazer previsões sobre uma série de datas futuras.

Para gerar dados de entrada para uma consulta de previsão em massa

1. No Gerenciador de Soluções, clique com o botão direito do mouse em Exibições da Fonte de Dados e selecione Nova Exibição da Fonte de Dados.

2. No Assistente de Exibição da Fonte de Dados, selecione Adventure Works DW Multidimensional 2012 como a fonte de dados e clique em Avançar.

3. Na página Selecionar Tabelas e Exibições , clique em Avançar sem selecionar nenhuma tabela.

4. Na página Concluindo o Assistente, digite o nome. Shifts

   Esse nome será exibido no Gerenciador de Soluções como o nome da exibição da fonte de dados.

5. Clique com o botão direito do mouse no painel de design vazio e selecione Nova Consulta Nomeada.

6. Na caixa de diálogo Criar Consulta Nomeada , para Nome, digite Shifts for Call Center.

   Esse nome será exibido no designer de Exibição da Fonte de Dados apenas como o nome da consulta nomeada.

7. Cole a seguinte instrução de consulta no painel de texto SQL na metade inferior da caixa de diálogo.

   SELECT DISTINCT WageType, Shift,   
   AVG(Orders) as AvgOrders, MIN(Orders) as MinOrders, MAX(Orders) as MaxOrders,  
   AVG(Calls) as AvgCalls, MIN(Calls) as MinCalls, MAX(Calls) as MaxCalls,  
   AVG(LevelTwoOperators) as AvgOperators, MIN(LevelTwoOperators) as MinOperators, MAX(LevelTwoOperators) as MaxOperators,  
   AVG(IssuesRaised) as AvgIssues, MIN(IssuesRaised) as MinIssues, MAX(IssuesRaised) as MaxIssues  
   FROM dbo.FactCallCenter  
   GROUP BY Shift, WageType  
   

8. No painel de design, clique com o botão direito do mouse na tabela, Shifts for Call Center e selecione Explorar Dados para visualizar os dados conforme retornado pela consulta T-SQL.

9. Clique com o botão direito do mouse na guia Shifts.dsv (Design) e clique em Salvar para salvar a nova definição de exibição da fonte de dados.

Prever métricas de serviço para cada turno

Agora que você gerou alguns valores para cada turno, usará esses valores como entrada para o modelo de regressão logística criado, para gerar algumas previsões que podem ser usadas no planejamento de negócios.

Para usar o novo DSV como entrada para uma consulta de previsão

1. No Designer de Mineração de Dados, clique na guia Previsão do Modelo de Mineração .

2. No painel Modelo de Mineração , clique em Selecionar Modelo e escolha Call Center – LR na lista de modelos disponíveis.

3. No menu Modelo de Mineração, desmarque a opção Consulta Singleton. Um aviso informa que as entradas de consulta singleton serão perdidas. Clique em OK.

   A caixa de diálogo Entrada de Consulta Singleton é substituída pela caixa de diálogo Selecionar Tabelas de Entrada .

4. Clique em Selecionar Tabela de Casos.

5. Na caixa de diálogo Selecionar Tabela, selecioneShifts na lista de fontes de dados. Na lista de Tabela/Visualização, selecione Turnos para Call Center (ele pode ser selecionado automaticamente) e clique em OK.

   A interface de design da Previsão do Modelo de Mineração é atualizada para mostrar mapeamentos criados com base nos nomes e tipos de dados das colunas nos dados de entrada e no modelo.

6. Clique com o botão direito do mouse em uma das linhas de junção e selecione Modificar Conexões.

   Nesta caixa de diálogo, você pode ver exatamente quais colunas são mapeadas e quais não são. O modelo de mineração contém colunas para Chamadas, Pedidos, IssuesRaised e LvlTwoOperators, que você pode mapear para qualquer uma das agregações criadas com base nessas colunas nos dados de origem. Nesse cenário, você mapeia para as médias.

7. Clique na célula vazia ao lado de LevelTwoOperators e selecione Shifts for Call Center.AvgOperators.

8. Clique na célula vazia ao lado de Chamadas, selecione Shifts para Call Center.AvgCalls. e clique em OK.

Para criar as previsões para cada turno

1. Na grade na metade inferior do Construtor de Consultas de Previsão, clique na célula vazia sob Origem, e então selecione Turnos para Call Center.

2. Na célula vazia em Campo, selecione Shift.

3. Clique na próxima linha vazia na grade e repita o procedimento descrito acima para adicionar outra linha para WageType.

4. Clique na próxima linha vazia na grade. Na coluna Origem , selecione Função de Previsão. Na coluna Campo, selecione Predizer.

5. Arraste a coluna ServiceGrade do painel Modelo de Mineração para baixo até a grade e para a célula Critérios/Argumento . No campo Alias , digite Grau de Serviço Previsto.

6. Clique na próxima linha vazia na grade. Na coluna Origem , selecione Função de Previsão. Na coluna Campo , selecione PredictProbability.

7. Arraste a coluna ServiceGrade do painel Modelo de Mineração para baixo até a grade e para a célula Critérios/Argumento . No campo Alias , digite Probabilidade.

8. Clique em Alternar para a visualização de resultados de consulta para visualizar as previsões.

A tabela a seguir mostra os resultados de exemplo para cada turno.

Turno	WageType	Grau de serviço previsto	Probabilidade
DA MANHÃ	feriado	0.165	0.377520666
Meia-noite	feriado	0.105	0.364105573
PM1	feriado	0,165	0.40056055
PM2	feriado	0.165	0.338532973
SOU	Dia da semana	0.165	0.370847617
Meia-noite	Dia da semana	0.08	0.352999173
Material Particulado 1	Dia da semana	0.165	0.317419177
PM2	dia da semana	0.105	0.311672027

Prever o efeito da redução do tempo de resposta no nível do serviço

Você gerou alguns valores médios para cada turno e usou esses valores como entrada para o modelo de regressão logística. No entanto, considerando que o objetivo empresarial é manter a taxa de abandono dentro do intervalo de 0,00 a 0,05, os resultados não são animadores.

Portanto, com base no modelo original, que mostrou uma forte influência do tempo de resposta no nível de serviço, a equipe de Operações decide executar algumas previsões para avaliar se reduzir o tempo médio para responder às chamadas pode melhorar a qualidade do serviço. Por exemplo, se você reduzir o tempo de resposta da chamada para 90% ou até 80% do tempo de resposta da chamada atual, o que aconteceria com os valores de nível de serviço?

É fácil criar uma exibição de fonte de dados (DSV) que calcula os tempos médios de resposta para cada turno e, em seguida, adicionar colunas que calculam 80% ou 90% do tempo médio de resposta. Em seguida, você pode usar o DSV como entrada para o modelo.

Embora as etapas exatas não sejam mostradas aqui, a tabela a seguir compara os efeitos na nota de serviço ao se reduzir os tempos de resposta para 80% ou para 90% dos tempos de resposta atuais.

Nesses resultados, você pode concluir que, em turnos direcionados, você deve reduzir o tempo de resposta para 90% da taxa atual, a fim de melhorar a qualidade do serviço.

Turno, salário e dia	Qualidade do serviço prevista com tempo de resposta médio atual	Qualidade do serviço prevista com redução de 90% no tempo de resposta	Qualidade do serviço prevista com redução de 80% no tempo de resposta
Manhã de Feriado	0.165	0,05	0,05
Feriado PM1	0,05	0,05	0,05
Meia-noite de feriado	0.165	0,05	0,05

Há uma variedade de outras consultas de previsão que você pode criar neste modelo. Por exemplo, você pode prever quantos operadores são necessários para atender a um determinado nível de serviço ou responder a um determinado número de chamadas de entrada. Como você pode incluir várias saídas em um modelo de regressão logística, é fácil experimentar diferentes variáveis independentes e resultados sem precisar criar muitos modelos separados.

Observações

A Mineração de Dados Add-Ins para Excel 2007 fornece assistentes de regressão logística que simplificam responder a perguntas complexas, como quantos Operadores de Nível Dois seriam necessários para melhorar o nível de serviço até um nível desejado para um turno específico. Os suplementos de mineração de dados são um download gratuito e incluem assistentes baseados na rede neural ou algoritmos de regressão logística. Para obter mais informações, consulte os seguintes links:

• Add-Ins de Mineração de Dados do SQL Server 2005 para Office 2007: Busca de Metas e Análise de Cenários Hipotéticos

• Add-Ins de mineração de dados do SQL Server 2008 para o Office 2007: análise de cenário de busca de metas, análise de cenário e calculadora de previsão

Conclusão

Você aprendeu a criar, personalizar e interpretar modelos de mineração baseados no algoritmo Microsoft Neural Network e no algoritmo de Regressão Logística da Microsoft. Esses tipos de modelo são sofisticados e permitem uma variedade quase infinita na análise e, portanto, podem ser complexos e difíceis de dominar.

No entanto, esses algoritmos podem iterar por meio de muitas combinações de fatores e identificar automaticamente as correlações mais fortes, fornecendo suporte estatístico para insights que, de outra forma, seriam muito difíceis de descobrir por meio da exploração manual de dados usando Transact-SQL ou até mesmo o PowerPivot.

Consulte Também

Exemplos de consulta de modelo de regressão logística
Algoritmo de regressão logística da Microsoft
Algoritmo de rede neural da Microsoft
Exemplos de consulta de modelo de rede neural