前言

有段時間沒有進行我們的微軟數據挖掘算法系列了，最近手頭有點忙，鑒于上一篇的神經網絡分析算法原理篇后，本篇將是一個實操篇，當然前面我們總結了其它的微軟一系列算法，為了方便大家閱讀，我特地整理了一篇目錄提綱篇：大數據時代：深入淺出微軟數據挖掘算法總結連載，我打算將微軟商業智能中在DM這塊所用到的算法全部集中在這個系列中，每篇包含簡要算法原理、算法特點、應用場景以及具體的操作詳細步驟，基本能涵蓋大部分的商業數據挖掘的應用場景，有興趣的童鞋可以點擊查閱。本篇我們將要總結的算法為：Microsoft 神經網絡分析算法，此算法微軟挖掘算法系列中最復雜也是應用場景最廣泛的一個，簡單點講：就是模擬我們的大腦從茫茫的數據海洋中思考出有用的信息，來達到數據挖掘的目的。原理可以參考上篇。

應用場景介紹

關于Microsoft神經網絡算法的應用場景還是蠻多的，在上一篇原理篇我們就介紹過，其主要是應用在以下領域：

• 營銷和促銷分析，如評估直接郵件促銷或一個電臺廣告活動的成功情況。

• 根據歷史數據預測股票升降、匯率浮動或其他頻繁變動的金融信息。

• 分析制造和工業流程。

• 文本挖掘。

• 分析多個輸入和相對較少的輸出之間的復雜關系的任何預測模型。

當然以上的應用場景說的很泛泛，并且沒有一個特定的應用場景，這個是可以理解的，因為此算法為模擬生物行型算法，也就是說在特定的環境中只要有足夠的”證據“支持，我們人類自己能通過主觀判斷出結果的應用場景，Microsoft神經網絡算法就能應用，但是當我們人腦思維對于少量”證據“下可以主觀的判斷，但是面對茫茫的”證據“海洋下我們人類腦子想要理清頭緒，然后判斷出結果就比較吃力了，這樣的就是神經網絡應用場景了。

上面的幾種應用場景中，并不是只有Microsoft神經網絡算法就能挖掘的，比如：營銷中評比郵件還是電臺廣告這兩種方式那種更有效，其實這是Microsoft決策樹分析算法的最佳應用場景；歷史數據預測股票升降這個是Microsfot時序算法的典型應用場景；....但是所有的這些這些...是因為我們能確定下來前提或者說挖掘范圍：比如：營銷評比，我們就比較郵件還有電臺廣告...但是出現一種特殊情況：比如兩者都不能促進營銷...反而是因為公司最近加強了銷售手段而提升的，或者說某種不確定的因素造成的業績提升，對于這種情況我們利用Microsoft決策樹算法也是沒用的。而用Microsoft神經網絡算法就可以分析出來。

還有一種更特殊的應用場景：當我們面對一堆的數據而要基于某種目的去數據挖掘時，感覺到無從下手或者在DM中選擇不到合適的算法的時候，這時候就是Microsoft神經網絡分析算法的應用場景了。

技術準備

（1）微軟案例數據倉庫（AdventureWorksDW208R2），案例數據倉庫中的呼叫中心的數據表，一張事實表FactCallCenter，下面步驟中我們會詳細介紹這張表里面的數據。

（2）VS2008、SQL Server、 Analysis Services。

挖掘目的

在一些大的商業公司中都有自己的呼叫中心，比如：移動的10086，聯通的10000....等等，而這些呼叫中心中除了再聯系完他們之后讓你選擇：滿意、不滿意、灰常不滿意來作為他們的服務等級標準外，在行業中還有一個指標來評比，這個指標被稱作：掛斷率，用來反映客戶的失望度，就是在我們接進他們的客服中心的之間，如果選擇人工服務，他讓你等待...你不爽，掛斷了，這就產生了一個掛斷事例，而通過掛斷事例總和在所有呼入人數的所占比就是掛斷率指標了。掛斷率越高說明他們客服中心服務質量越差。

挖掘的目的就是找出影響“掛斷率”的因素有哪些，是客服MM太少？態度不好？聲音不甜美？服務不周到？.........從而提高呼叫中心的服務質量，增加營收。

操作步驟

（1）我們這里還是利用上一期的解決方案，直接打開，添加數據源視圖，方法參照前幾篇，我們直接看圖：

右鍵，來瀏覽下這個表中的數據明細：

參照微軟案例數據庫官方說明，我們將這個事實表里面數據明細列出來。下面是字段說明：

其實上面的表中已經列出了幾個關鍵字段，我們來看，其中我們上面提到的“掛斷率”：ServiceGrade字段了，前面的一些行就是記錄一些呼叫中心工作信息了，當我們面對這些信息是無從下手的，因為我們看不出來那些因素會影響到ServiceGrade指標值的大小的，當然這時候我們就用Microsoft神經網絡分析算法采取誘探的方式進行挖掘分析了。

（2）新建挖掘結構

我們來新建這個數據挖掘模型，簡單的步驟，具體內容可參照我之前的博客內容，看幾個關鍵步驟：

我們點擊下一步，然后進行輸入和輸出的設置

這里我們不知道那些因素會影響到“掛斷率”這個指標，我們就乖乖的全選得了，這叫做：寧濫勿缺！....我去....但是有兩個我們還是沒選，一個DateKey..這個是上班記錄日期，我基本可以肯定這個指標和那天上班沒有毛關系，當然你也可以選擇，那處理時間更長一些，還有一個是FactCallCenterID，這個是鍵值，肯定不選擇的，然后輸出我們選擇了：ServiceGrade掛斷率、然后還有Orders（產生的訂單量），這個和績效有關，我們順便看看那些因素會產生更多的訂單，選他的原因你懂得！然后還有一個LevelOneOperators，這個是第一個崗位的數量，通過它我們可以分析出這種分兩種崗位級別會不會有用。

我們點擊下一步：

這里提示下，神經網絡分析算法是不允許鉆取的，這個是可以理解的，因為它不是線性函數，也就是說你鉆取的是一個個“神經元”節點，而這些“神經元”同樣又依靠其它的“神經元”支撐，所以理論上你的下鉆是毫無意義的，不明白的可以參考我上篇原理篇。

我們來部署該挖掘模型，然后進行處理，過程簡單，不廢話介紹。

結果分析

不介紹，我們直接上圖看結果

神經網絡的“模型查看器”很簡單，可以看到只有一個面板，里面分為兩部分：輸入和輸出，下面的就是各個變量的屬性值，通過操作上面的輸入和輸出就可以分析不同變量對輸出的影響了，這個類似于“聚類分析算法”的特征分析面板。

輸入屬性很簡單，我們可以選擇上面我們選擇的各種屬性：

可以選擇值

這里我們可以看到，上面我們選擇了“自助應答”這個值，但是它顯示的值是一個分段的區間值，這里我們要說明一下神經網絡的特點，對于離散型屬性值，Microsoft神經網絡是采取采樣分段來進行區間值截斷，但是這個區間值并不是嚴格意義的按照數學上的等比數列進行分組，比如：

我們來看一下ServiceGrade這個離散值在vs中的分組方式：

ServiceGrade 屬性在理論上是介于 0.00（應答所有呼叫）和 1.00（掛斷所有呼叫）之間的數值，但是在神經網絡算法中是按照上面的圖進行分組的，會將分組成0.0748051948 - 0.09716216215 這樣的范圍。盡管此分組在數學上很準確，但此類范圍可能對業務用戶并沒有太大意義。要以不同的方式對數值進行分組，可以創建數值數據列的一個或多個副本，并指定數據挖掘算法應如何處理這些值。這樣更能順利的接近我們的目標分析值。

我們可以看到，這個輸出也是同樣的方式：

下面我們來分析上面的第一個挖掘目的：那些因素會影響（掛斷率）Service Grade.我們選擇一個分組最高的，一個分數最低的

上圖總可以看到，我們選擇的輸出為“掛斷率”：Service Grade 這里選擇了兩個區間：0.030-0.072和0.126-0.210,0.210的概念就是有一百個客戶打來電話，人家不爽，給你掛斷的人數有21個，已經是一個很高的值了，這個值越高說明服務質量越差，我們來看一下變量，很明顯：影響“掛斷率”的第一個因素為：Average Time Per Issue（應答花費的平均時間）。

“應答花費的平均時間”在44.000-70.597之間的更傾向于0.030-0.072這個低分值的應答率，說明啥？也就是說人家打來電話一般在這個時間給你解決掉的，人家都比較滿意，都不會掛斷你。

第二個因素“Orders”訂單數量，這個也是在321.940-539.000之間的，掛斷率更低，其實這個應該是因為掛斷率低而導致訂單數量增加

我們來看第三個因素“應答花費的平均時間”在89.087-120.000之間的，掛斷率直接飆升到0.126-0.210.....納尼?。?！這是為毛？...客服應答的時間越久...掛斷率越高！

哦哦...我猜這部分一般是客服MM給人家解釋的不滿意，然后人家一直想問明白，丫的客服MM就是解釋不清楚，于是乎客戶果斷掛電話，不再鳥你了。當然還存在一種情況就是客戶打電話一直騷擾著客戶MM...然后...然后客服MM就給掛斷了...當然..這些就是猜測了...我們不關心過程，只關心結果：在這個區間的掛斷率就是高，有圖有真相。

我好奇的比較下“應答花費的平均時間”的兩個區間的對比值，我們來看：

嘿嘿....應答平均時間在區間44.000-70.597之間的“掛斷率”就是很低，而且評分在100分！看上圖，概率在53.48%，而成為高“掛斷率”的概率才為：6.18%。

下面的應答平均時間在區間89.087-120.000之間的“掛斷率”很高，評分在74.01，評分值的高低反映的就是這個判斷的可信度大小，并且看成為高“掛斷率”的概率飆升為：45.22%。

再往下看，我們還發現了一個更可愛的情況，截個圖看看：

這個Shift的值代表為輪班時間，看上面的值顯示的是midnight....深夜...漆黑的夜晚...給客服MM打電話的掛斷率概率都挺低的....這是神馬原因.....看來微軟給的案例數據庫數據還是挺真實的！

其它的屬性我這里就不分析了，方法同上。其實到這里我們已經利用Microsoft神經網絡分析算法已經分析出影響“掛斷率”最重要的因素為：Average Time Per Issue(應答平均時間)，下面我們調整輸入，直接來分析這個因素：

在44.000-70.597之間的，清一色的低掛斷率，并且產生的訂單量最可能為321.940-539.000，汗...你妹...上班期間最好還是在深夜。下面接著看：

換了一個區間...結果基本沒變，原因不解釋

下一個區間，情況發生了變化，在這個區間里，訂單為50.000-181.677之間的已經展現出來高”掛斷率“的趨勢。

.....我去...到了這個區間...成了清一色的高”掛斷率”，并且上班時間成了（PM2）下午....訂單數減少至50.000-181.677....看來下午客服中心應該都放假，全部改成“深夜”上班...嘿嘿...

為此我通過數據源視圖瀏覽數據，通過透視表來驗證一下我們的推斷是否正確，看看下面的圖就知道了：