Tworzenie prognoz dla modeli Centrum wywołania (samouczek wyszukiwanie danych pośrednich)
Teraz, ma coś o interakcjach między zmian, dzień tygodnia, liczby wywołań i zamówienia, wiadomości i jakości usługa można przystąpić do tworzenia niektóre kwerendy przewidywanie, które mogą być używane w planowania i analizy biznesowej.Najpierw utworzysz niektóre prognoz badawczych model, aby przetestować pewne założenia.Następnie utworzysz przy użyciu modelu regresja logistyczne prognoz zbiorczej.
W tej lekcji założono, że znasz już sposobów korzystania z Konstruktora kwerend przewidywanie.Aby uzyskać ogólne informacje na temat używania przewidywanie Query konstruktora zobacz Tworzenie DMX przewidywanie kwerendy.
Tworzenie prognoz przy użyciu modelu neuronowe sieci
Poniższy przykład ilustruje sposób przewidywanie pojedynczych, przy użyciu modelu neuronowe sieci, który został utworzony dla poszukiwań.Pojedyncza prognoz są dobrym sposobem wypróbować różne wartości, aby zobaczyć efekt w modelu.W takim przypadku można przewidzieć jakości usługa dla przesunięcia północy (nie dni tygodnia, określony) Jeśli cło sześć operatorów doświadczenie w pracy.
Aby utworzyć kwerendę pojedynczych przy użyciu modelu neuronowe sieci
Business Intelligence Development Studio Otwórz rozwiązanie, które zawiera model, którego chcesz użyć.
W Konstruktorze wyszukiwanie danych, kliknij przycisk model wyszukiwania przewidywanie tab.
W model wyszukiwania Okienko kliknijWybierz model.
The Select model wyszukiwania dialog box presents a list of mining structures.Rozwiń struktura wyszukiwania w celu wyświetlenia listy modeli wyszukiwania skojarzonych z tej struktury.
Rozwiń struktura wyszukiwania Centrum wywołania, a następnie wybierz model wyszukiwania, Centrum Call — NN.
Z model wyszukiwania Wybierz opcję menuPojedyncza kwerendy.
The Singleton Query Input dialog box is displayed, with columns mapped to the columns in the model wyszukiwania.
W Pojedyncza Query wprowadzania -okno dialogowe, kliknij wiersz SHIFT, a następnie wybierz opcję midnight.
Kliknij wiersz Lvl Operatorzy 2, a następnie wpisz 6.
W dolnej połowie model wyszukiwania przewidywanie karcie, kliknij pierwszy wiersz w siatce.
Kliknij przycisk urządzenie źródłowe kolumna , a następnie wybierz opcję przewidywanie funkcji.W pole kolumna, select PredictHistogram.
Lista argumentów, które mogą być używane z tej funkcja przewidywanie automatycznie jest wyświetlana w Kryteria/argumenty box.
Przeciągnij kolumna ServiceGrade na liście kolumn w model wyszukiwania okienka i upuść ją w Kryteria/argumenty box.
Nazwa kolumna jest wstawiany automatycznie jako argumentu.W tym polu tekstowym, można usunąć dowolną kolumną przewidywalne atrybut.
Kliknij przycisk Przełącz się do kwerendy wyniki widoku, w prawym górnym rogu kwerendy przewidywanie konstruktora.
Oczekiwane wyniki zawierają możliwe przewidywane wartości dla każdej klasy usługa, biorąc pod uwagę następujące dane wejściowe, wraz z pomocy technicznej i prawdopodobieństwo wartości dla każdego przewidywanie.Powróć do projektu w dowolnym czasie i zmiana danych wejściowych lub dodać więcej danych wejściowych.
Tworzenie prognoz przy użyciu modelu regresyjnego logistyczne
Chociaż przewidywania można tworzyć przy użyciu modelu neuronowe sieci, bardziej zazwyczaj modelu neuronowe sieci jest używana w przypadku poszukiwania złożone relacje.Jeśli znasz już te atrybuty, które odnoszą się do problemu biznesowego, umożliwia modelu regresja logistyczne przewidzieć skutki zmiany określonych zmiennych niezależnych.Logistyczne regresja jest często używane w scenariuszach, takich jak finansowych wyników, na przykład do przewidywania zachowania nabywcy na podstawie kryteria demograficzne klientów lub inne atrybuty.
W tym zadaniu przedstawiono sposób tworzenia urządzenie źródłowe danych, który będzie używany do przewidywania, a następnie wprowadź prognoz w celu odpowiedzi kilka pytania biznesowe.
Generowanie danych używane do prognozowania zbiorcze
W tym scenariuszu najpierw utworzy analitycznego zagregowane dane źródłowe, które mogą być używane do tworzenia prognoz zbiorczej, a następnie dołączyć dane do model wyszukiwania w kwerendzie przewidywanie.Istnieje wiele sposobów dostarczania danych wejściowych: na przykład można importowania poziomy personelu z arkusza kalkulacyjnego, lub programowo zawierają wartości. W tym przypadku do celów uproszczenia używane widok urządzenie źródłowe danych projektanta, aby utworzyć kwerendę o nazwie.Ta kwerenda o nazwie jest niestandardowych instrukcja T-SQL, która tworzy zagregowanych danych dla każdej zmiany, takie jak operatorów maksymalna, minimalna wywołań odebranych lub Średnia liczba problemów generowane.
Aby wygenerować dane wejściowe dla kwerendy przewidywanie zbiorczej
W programie eksplorator rozwiązań kliknij prawym przyciskiem myszy widok urządzenie źródłowe danychsi wybierz opcję Nowe widok urządzenie źródłowe danych.
W widok urządzenie źródłowe danych kreatora, wybierz AdventureWorks DW 2008 jako urządzenie źródłowe danych, a następnie kliknij przycisk Następny.
strona Wybierz tabele i widoki, click Następny bez zaznaczania żadnych tabel.
strona Kończenie pracy Kreatora, wpisz nazwę, Przesunięcia.
Ta nazwa będzie wyświetlana w programie eksplorator rozwiązań, jak nazwa widok urządzenie źródłowe danych.
Kliknij prawym przyciskiem myszy w okienku pusty projekt, a następnie wybierz Nowa kwerenda nazwanych.
W Tworzenie nazwanych kwerendy okno dialogowe , nazwa, typ Przesunięcia dla wywołań Center.
Ta nazwa będzie wyświetlana w widok urządzenie źródłowe danych projektanta tylko jako nazwę kwerendy o nazwie.
Wklej następującą instrukcję kwerendy w okienku tekstu SQL w dolnej części okna dialogowego.
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, WageTypeKliknij przycisk OK.
W okienku projektowania kliknij prawym przyciskiem myszy tabela, zmian dla Centrum połączenie i wybierz Eksplorowanie danych , aby wyświetlić podgląd danych zwróconych przez kwerendę T-SQL.
Kliknij prawym przyciskiem myszy kartę, Shifts.DSV (projekt) , a następnie kliknij przycisk Zapisz , aby zapisać nową definicję widoku urządzenie źródłowe danych.
Przewidywania usługa wskaźniki każde przesunięcie
Teraz, gdy został wygenerowany niektóre wartości dla każdego przesunięcia, będziesz używać te wartości jako dane wejściowe do modelu regresja logistyczne wbudowane, generowanie wielu prognoz.
Aby użyć nowy plik DSV jako dane wejściowe do przewidywanie kwerendy
W Konstruktorze wyszukiwanie danych, kliknij przycisk model wyszukiwania przewidywanie kartę przycisk
W model wyszukiwania Okienko kliknijWybierz model, a następnie wybierz polecenie Centrum Call - LR z listy dostępnych modeli.
Z Model górnictwie menu, usuń zaznaczenie opcji Pojedyncza kwerendy.Ostrzeżenie informuje o pojedynczych nakładów kwerendy zostaną utracone.Kliknij przycisk OK.
The Singleton Query Input dialog box is replaced with the Select Input tabela(s) dialog box.
Kliknij przycisk tabela przypadek.
In the Select Table dialog box, selectShifts from the list of data sources.W Nazwa tabela/widoku listy, zaznacz zmian dla Centrum wywołania (to może być automatycznie zaznaczona), a następnie kliknij przycisk OK.
The model wyszukiwania przewidywanie design surface is updated to show mappings that are created by Analysis Services based on the names and data types of columns in the input data and in the model.
Kliknij prawym przyciskiem myszy jeden z liniami łączyć, a następnie zaznacz Modyfikowanie połączeń.
W tym oknie dialogowym Zobacz dokładnie kolumny, które są mapowane, i które nie są.Model wyszukiwania zawiera kolumny dla połączenia, zamówienia, IssuesRaised i LvlTwoOperators, które można mapować do dowolnej agregatów utworzonego na podstawie tych kolumn w danych źródłowych.W tym scenariuszu będzie mapować do średnich.
Kliknij pustą komórka obok LevelTwoOperators, a następnie zaznacz Przesunięcia dla wywołań Center.AvgOperators.
Kliknij pustą komórka obok połączenia, a następnie zaznacz Przesunięcia dla wywołań Center.AvgCalls.Kliknij przycisk OK.
Do tworzenia prognoz dla każdego przesunięcia
W siatce w dolnej połowie Konstruktor kwerend przewidywanie, kliknij puste komórka w obszarze urządzenie źródłowe i wybierz zmian dla Centrum wywołania.
W pustej komórce w obszarze pole, wybierz polecenie SHIFT.
Kliknij następny pusty wiersz w siatce i powtórzyć procedurę opisaną po prostu dodać nowy wiersz dla WageType.
Kliknij następny pusty wiersz w siatce.Dla urządzenie źródłowe, select przewidywanie Funkcja.Dla pole, select Przewidywanie.
Przeciągnij kolumna ServiceGrade z Model górnictwie okienko niedziałający do siatki i upuszczania kolumna do Argument/kryteriów komórka.W Alias Typ polePrzewidywane kategorii usługa.
Kliknij następny pusty wiersz w siatce.Dla urządzenie źródłowe, select przewidywanie Funkcja.Dla pole, select PredictProbability.
Ponownie, przeciągnij kolumna ServiceGrade z model wyszukiwania okienka do siatki i upuszczania kolumna do Argument/kryteriów komórka.W Alias Typ polePrawdopodobieństwo.
Kliknij przycisk Przełącz się do widoku wyników kwerendy , aby wyświetlić prognoz.
W poniższej tabela pokazano przykład wyniki dla każdej zmiany.
SHIFT |
WageType |
Przewidywane kategorii usługa |
Prawdopodobieństwo |
|---|---|---|---|
AM |
dni wolnych |
0.109136059911771 |
0.988372093023256 |
północy |
dni wolnych |
0.102997190221556 |
0.988372093023256 |
PM1 |
dni wolnych |
0.118717846218269 |
0.988372093023256 |
PM2 |
dni wolnych |
0.129285352721855 |
0.988372093023256 |
AM |
dzień tygodnia |
0.0818812064002576 |
0.988372093023256 |
północy |
dzień tygodnia |
0.0708461247735892 |
0.988372093023256 |
PM1 |
dzień tygodnia |
0.0902827481812303 |
0.988372093023256 |
PM2 |
dzień tygodnia |
0.101794450305237 |
0.988372093023256 |
Przewidywana skutki czas połączenia dla klasy usługa
Oryginalny zamierzenia firmy było ustalić sposoby zachować opuszczania kurs w miejsce docelowe zakres 0,05 0,00.Model sieci neuronowe, zaprojektowany do poszukiwania wskazuje, że czas odpowiedzi Rozmowa wpływa na silnie jakości usługa.Dlatego zespołu operacji decyduje się na uruchomienie niektórych prognoz, aby ocenić, czy skrócenia czas odpowiedzi wywołanie średnia może zwiększyć stopień usługa.Na przykład jeśli czas odpowiedzi Rozmowa wycięte 90 % lub nawet 80 % bieżący czas odpowiedzi Rozmowa, co mogłoby stanie?
Można łatwo utworzyć widok urządzenie źródłowe danych (DSV), oblicza czas odpowiedzi średniej dla każdego przesunięcia i dodać kolumny, które obliczają pewne procent to średni czas odpowiedzi.Następnie można użyć DSV jako dane wejściowe do modelu.
Na przykład w poniższej tabela przedstawiono wyniki przewidywanie kwerendę, która przyjmuje jako czas wprowadzania trzech różnych odpowiedzi: średnia z rzeczywistymi danymi, wartości 90 % wartości rzeczywistej i wartość 80 % represenign wywołanie średni czas odpowiedzi.
W tych wyniki reprezentuje przewidywane pierwszego zestawu prognoz w każdej kolumnie usługa klasy, a drugi zestaw numerów (w nawiasach) reprezentuje prawdopodobieństwo, że przewidywane wartości.Z tych wyniki może zawierać najbardziej ekonomiczne rozwiązanie w zakresie może być próba skrócenia czas odpowiedzi do 90 %.
SHIFT |
WageType |
Wywołanie średni czas reakcji na zmiany |
Zmniejszyć czas reakcji 90 procent bieżącą godzinę |
Zmniejszyć czas reakcji 80 procent bieżącą godzinę |
|---|---|---|---|---|
AM |
dni wolnych |
0.165 (0.366079388) |
0.05 (0.457470875) |
0.05 (0.610514425) |
AM |
dzień tygodnia |
0.05 (0.341218694) |
0.05 (0.475767776) |
0.05 (0.60083244) |
północy |
dni wolnych |
0.165 (0.337801273) |
0.05 (0.413774655) |
0.05 (0.545764101) |
północy |
dzień tygodnia |
0.05 (0.378241537) |
0.05 (0.471615415) |
0.05 (0.545614362) |
PM1 |
dni wolnych |
0.165 (0.457871243) |
0.165 (0.376892925) |
0.05 (0.359440286) |
PM1 |
dzień tygodnia |
0.08 (0.299182047) |
0.08 (0.363761441) |
0.08 (0.40686473) |
PM2 |
dni wolnych |
0.105 (0.325921785) |
0.05 (0.392121793) |
0.05 (0.521558758) |
PM2 |
dzień tygodnia |
0.105 (0.436051591) |
0.105 (0.342589832) |
0,05 (Y) |
Oprócz wartości wejściowych za pośrednictwem widok urządzenie źródłowe danych, jak pokazano poniżej, można programowo obliczania danych wejściowych i dostarcza je do modelu.Przez iteracji wszystkich możliwych wartości, można znaleźć najmniejszą redukcji czas reakcji, który gwarantuje świadczenie miejsce docelowe poziom usług dla każdego przesunięcia.
Istnieją różne inne kwerendy przewidywanie, które można tworzyć na tym modelu.Na przykład przewidywania liczbę podmiotów gospodarczych są niezbędne do spełnienia pewnego poziom usługa lub odpowiedzieć na określoną liczbę połączeń przychodzących.Można dołączyć wiele wyjść w modelu regresja logistyczne, dlatego jest łatwe do eksperymentowania z różnymi zmiennymi niezależnymi a wyniki bez konieczności tworzenia wielu oddzielnych modeli.
Uwagi
wyszukiwanie danych dodatki programu Excel 2007 zapewniają kreatory logistyczne regresja, które ułatwiają odpowiedzi na pytania złożonych, takich jak liczby dwa operatory poziom byłaby potrzebna do poprawy jakości usługa do poziomu docelowego dla określonego przesunięcia.wyszukiwanie danych Dodatki są bezpłatnie pobrać i zawierają kreatorów, które są oparte na sieci neuronowe i/lub regresja logistyczne algorytmów.Aby uzyskać więcej informacji zobacz następujące łącza:
Program SQL Server 2005 danych wyszukiwania dodatków dla pakietu Office 2007: Szukanie i co zrobić jeżeli analizy scenariusza
Program SQL Server 2008 danych wyszukiwania dodatków dla pakietu Office 2007: Cel co zrobić jeżeli wyniku analizy scenariuszy Scenariusz analizy i przewidywanie kalkulatora
Wniosek
Wiadomości zostały tworzenie, dostosowywanie i interpretowania modeli wyszukiwania, które są oparte na algorytm neuronowe sieci firmy Microsoft i algorytm Regresja logistyczne Microsoft.Te typy modeli są zaawansowanych i zezwolić na różne niemal nieskończoną w analizie i dlatego mogą być złożone i trudne do wzorca.Narzędzia, takie jak oparte na programie Excel wykresów i tabel przestawnych, pod warunkiem że w Projektancie Widok urządzenie źródłowe danych można zapewnić obsługę najsilniejszą trendów, wykrywania przez algorytmy i może ułatwić zrozumienie trendów, które zostały wykryte.Jednak aby pełni wdzięczni za danych z modelu, konieczne może być Eksploruj analizy dostarczanych przez model i przeglądanie danych w niektórych głębokość i z powrotem przekazywanych między podglądu modelu niestandardowe wyszukiwania i innych narzędzi pełni rozwijać Zrozumienie trendów w danych.
Historia zmian
Microsoft Learning |
|---|
Poprawiono nazwy model wyszukiwania w prognoz i instrukcje DDL uwzględnienie zaktualizowanych scenariusza. |
Poprawiono nazwę kolumna dla problemów.Zaktualizowane refelct modelu, który zawiera DayOfWeek przykładowe wyniki.Dodano wyjaśnienie scenariusza prognozowania końcowego. |