Примечание.
Для доступа к этой странице требуется авторизация. Вы можете попробовать войти или изменить каталоги.
Для доступа к этой странице требуется авторизация. Вы можете попробовать изменить каталоги.
В этой задаче вы добавите представление источника данных, которое будет использоваться для доступа к данным центра обработки вызовов. Одни и те же данные будут использоваться для создания исходной модели нейронной сети для изучения, а также модели логистической регрессии, которую вы будете использовать для выполнения рекомендаций.
Вы также будете использовать Конструктор представлений источников данных для добавления столбца, соответствующего дню недели. Это связано с тем, что, хотя исходные данные отслеживают данные центра обработки вызовов по датам, ваш опыт говорит вам, что существуют повторяющиеся шаблоны как с точки зрения объема звонков, так и качества обслуживания, в зависимости от того, является ли день выходным или еженедельником.
Процедуры
Добавление представления источника данных
В обозревателе решений щелкните правой кнопкой мыши представления источников данных и выберите "Создать представление источника данных".
Откроется мастер представления источников данных.
На странице Мастера представления источника данных нажмите кнопку Далее.
На странице "Выбор источника данных " в разделе " Реляционные источники данных" выберите источник данных Adventure Works DW Multidimensional 2012. Если у вас нет этого источника данных, см. руководство по базовому интеллектуальному анализу данных. Нажмите кнопку Далее.
На странице "Выбор таблиц и представлений " выберите следующую таблицу и щелкните стрелку вправо, чтобы добавить ее в представление источника данных:
FactCallCenter (dbo)
DimDate
Нажмите кнопку Далее.
На странице "Завершение работы мастера " по умолчанию представление источника данных называется Adventure Works DW Multidimensional 2012. Измените имя на CallCenter и нажмите кнопку "Готово".
Откроется конструктор представлений источников данных для отображения представления источника данных CallCenter .
Щелкните правой кнопкой мыши в области представления источника данных и выберите пункт "Добавить и удалить таблицы". Выберите таблицу, DimDate и нажмите кнопку "ОК".
Связь должна быть автоматически добавлена между столбцами в каждой
DateKeyтаблице. Вы будете использовать эту связь, чтобы получить столбец , EnglishDayNameOfWeek, из таблицы DimDate и использовать его в модели.В конструкторе представлений источников данных щелкните правой кнопкой мыши таблицу FactCallCenter и выберите новый именованный расчет.
В диалоговом окне "Создание именованного вычисления " введите следующие значения:
Имя столбца ДеньНедели Описание Получение дня недели из таблицы DimDate выражение (SELECT EnglishDayNameOfWeek AS DayOfWeek FROM DimDate where FactCallCenter.DateKey = DimDate.DateKey)Чтобы убедиться, что выражение создает необходимые данные, щелкните правой кнопкой мыши таблицу FactCallCenter и выберите "Просмотреть данные".
Найдите минуту, чтобы просмотреть доступные данные и понять, как они используются в интеллектуальном анализе данных.
| Имя столбца | Содержит |
|---|---|
| FactCallCenterID | Произвольный ключ, созданный при импорте данных в хранилище данных. Этот столбец идентифицирует уникальные записи и должен использоваться в качестве ключа случая для модели интеллектуального анализа данных. |
| КлючДата | Дата операции центра обработки вызовов, выраженная как целое число. Целые ключи даты часто используются в хранилищах данных, но может потребоваться получить дату в формате даты и времени, если вы собираетесь сгруппировать значения даты. Обратите внимание, что даты не уникальны, так как поставщик предоставляет отдельный отчет для каждой смены в каждый день операции. |
| Тип заработной платы | Указывает, был ли день будничным, выходным или праздником. Возможно, существует разница в качестве обслуживания клиентов в выходные и будние дни, поэтому этот столбец будет использоваться как исходные данные. |
| Сдвиг | Указывает смену, для которой записываются вызовы. Этот центр вызовов делит рабочий день на четыре смены: AM, PM1, PM2 и Полночь. Возможно, смена влияет на качество обслуживания клиентов, поэтому вы будете использовать это в качестве входных данных. |
| LevelOneOperators | Указывает количество операторов уровня 1 по долгу. Сотрудники центра обработки вызовов начинаются на уровне 1, поэтому эти сотрудники менее опытны. |
| LevelTwoOperators | Указывает количество операторов второго уровня, находящихся на дежурстве. Сотрудник должен регистрировать определенное количество часов обслуживания, чтобы квалифицироваться как оператор уровня 2. |
| TotalOperators | Общее количество операторов, присутствующих во время смены. |
| Вызовы | Количество звонков, полученных во время смены. |
| AutomaticResponses | Количество вызовов, которые были полностью обработаны автоматизированной обработкой звонков (интерактивный голосовой ответ или IVR). |
| Заказы | Количество заказов, сделанных по результатам звонков. |
| ВозникшиеПроблемы | Количество проблем, требующих дальнейших действий, возникших из-за вызовов. |
| Среднее время на задачу | Среднее время, необходимое для ответа на входящий вызов. |
| ServiceGrade | Метрика, указывающая общее качество обслуживания, измеряемая как процент отказов за всю смену. Чем выше ставка отказа, тем более вероятно, что клиенты недовольны и что потенциальные заказы теряются. |
Обратите внимание, что данные включают четыре разных столбца, основанные на одном столбце дат: WageType, DayOfWeek, Shiftи DateKey. Обычно в интеллектуальном анализе данных не рекомендуется использовать несколько столбцов, производных от одних и того же данных, так как значения коррелируют друг с другом слишком сильно и могут скрывать другие шаблоны.
Однако мы не будем использовать DateKey в модели, так как она содержит слишком много уникальных значений. Нет прямой связи между Shift и DayOfWeek, и WageType и DayOfWeek только частично связаны. Если вы беспокоились о коллинарности, можно создать структуру с помощью всех доступных столбцов, а затем игнорировать различные столбцы в каждой модели и проверить эффект.