前言

有段时间没有进行我们的微软数据挖掘算法系列了，最近手头有点忙，鉴于上一篇的神经网络分析算法原理篇后，本篇将是一个实操篇，当然前面我们总结了其它的微软一系列算法，为了方便大家阅读，我特地整理了一篇目录提纲篇：大数据时代：深入浅出微软数据挖掘算法总结连载，我打算将微软商业智能中在DM这块所用到的算法全部集中在这个系列中，每篇包含简要算法原理、算法特点、应用场景以及具体的操作详细步骤，基本能涵盖大部分的商业数据挖掘的应用场景，有兴趣的童鞋可以点击查阅。本篇我们将要总结的算法为：Microsoft 神经网络分析算法，此算法微软挖掘算法系列中最复杂也是应用场景最广泛的一个，简单点讲：就是模拟我们的大脑从茫茫的数据海洋中思考出有用的信息，来达到数据挖掘的目的。原理可以参考上篇。

应用场景介绍

关于Microsoft神经网络算法的应用场景还是蛮多的，在上一篇原理篇我们就介绍过，其主要是应用在以下领域：

• 营销和促销分析，如评估直接邮件促销或一个电台广告活动的成功情况。

• 根据历史数据预测股票升降、汇率浮动或其他频繁变动的金融信息。

• 分析制造和工业流程。

• 文本挖掘。

• 分析多个输入和相对较少的输出之间的复杂关系的任何预测模型。

当然以上的应用场景说的很泛泛，并且没有一个特定的应用场景，这个是可以理解的，因为此算法为模拟生物行型算法，也就是说在特定的环境中只要有足够的”证据“支持，我们人类自己能通过主观判断出结果的应用场景，Microsoft神经网络算法就能应用，但是当我们人脑思维对于少量”证据“下可以主观的判断，但是面对茫茫的”证据“海洋下我们人类脑子想要理清头绪，然后判断出结果就比较吃力了，这样的就是神经网络应用场景了。

上面的几种应用场景中，并不是只有Microsoft神经网络算法就能挖掘的，比如：营销中评比邮件还是电台广告这两种方式那种更有效，其实这是Microsoft决策树分析算法的最佳应用场景；历史数据预测股票升降这个是Microsfot时序算法的典型应用场景；....但是所有的这些这些...是因为我们能确定下来前提或者说挖掘范围：比如：营销评比，我们就比较邮件还有电台广告...但是出现一种特殊情况：比如两者都不能促进营销...反而是因为公司最近加强了销售手段而提升的，或者说某种不确定的因素造成的业绩提升，对于这种情况我们利用Microsoft决策树算法也是没用的。而用Microsoft神经网络算法就可以分析出来。

还有一种更特殊的应用场景：当我们面对一堆的数据而要基于某种目的去数据挖掘时，感觉到无从下手或者在DM中选择不到合适的算法的时候，这时候就是Microsoft神经网络分析算法的应用场景了。

技术准备

（1）微软案例数据仓库（AdventureWorksDW208R2），案例数据仓库中的呼叫中心的数据表，一张事实表FactCallCenter，下面步骤中我们会详细介绍这张表里面的数据。

（2）VS2008、SQL Server、 Analysis Services。

挖掘目的

在一些大的商业公司中都有自己的呼叫中心，比如：移动的10086，联通的10000....等等，而这些呼叫中心中除了再联系完他们之后让你选择：满意、不满意、灰常不满意来作为他们的服务等级标准外，在行业中还有一个指标来评比，这个指标被称作：挂断率，用来反映客户的失望度，就是在我们接进他们的客服中心的之间，如果选择人工服务，他让你等待...你不爽，挂断了，这就产生了一个挂断事例，而通过挂断事例总和在所有呼入人数的所占比就是挂断率指标了。挂断率越高说明他们客服中心服务质量越差。

挖掘的目的就是找出影响“挂断率”的因素有哪些，是客服MM太少？态度不好？声音不甜美？服务不周到？.........从而提高呼叫中心的服务质量，增加营收。

操作步骤

（1）我们这里还是利用上一期的解决方案，直接打开，添加数据源视图，方法参照前几篇，我们直接看图：

右键，来浏览下这个表中的数据明细：

参照微软案例数据库官方说明，我们将这个事实表里面数据明细列出来。下面是字段说明：

其实上面的表中已经列出了几个关键字段，我们来看，其中我们上面提到的“挂断率”：ServiceGrade字段了，前面的一些行就是记录一些呼叫中心工作信息了，当我们面对这些信息是无从下手的，因为我们看不出来那些因素会影响到ServiceGrade指标值的大小的，当然这时候我们就用Microsoft神经网络分析算法采取诱探的方式进行挖掘分析了。

（2）新建挖掘结构

我们来新建这个数据挖掘模型，简单的步骤，具体内容可参照我之前的博客内容，看几个关键步骤：

我们点击下一步，然后进行输入和输出的设置

这里我们不知道那些因素会影响到“挂断率”这个指标，我们就乖乖的全选得了，这叫做：宁滥勿缺！....我去....但是有两个我们还是没选，一个DateKey..这个是上班记录日期，我基本可以肯定这个指标和那天上班没有毛关系，当然你也可以选择，那处理时间更长一些，还有一个是FactCallCenterID，这个是键值，肯定不选择的，然后输出我们选择了：ServiceGrade挂断率、然后还有Orders（产生的订单量），这个和绩效有关，我们顺便看看那些因素会产生更多的订单，选他的原因你懂得！然后还有一个LevelOneOperators，这个是第一个岗位的数量，通过它我们可以分析出这种分两种岗位级别会不会有用。

我们点击下一步：

这里提示下，神经网络分析算法是不允许钻取的，这个是可以理解的，因为它不是线性函数，也就是说你钻取的是一个个“神经元”节点，而这些“神经元”同样又依靠其它的“神经元”支撑，所以理论上你的下钻是毫无意义的，不明白的可以参考我上篇原理篇。

我们来部署该挖掘模型，然后进行处理，过程简单，不废话介绍。

结果分析

不介绍，我们直接上图看结果

神经网络的“模型查看器”很简单，可以看到只有一个面板，里面分为两部分：输入和输出，下面的就是各个变量的属性值，通过操作上面的输入和输出就可以分析不同变量对输出的影响了，这个类似于“聚类分析算法”的特征分析面板。

输入属性很简单，我们可以选择上面我们选择的各种属性：

可以选择值

这里我们可以看到，上面我们选择了“自助应答”这个值，但是它显示的值是一个分段的区间值，这里我们要说明一下神经网络的特点，对于离散型属性值，Microsoft神经网络是采取采样分段来进行区间值截断，但是这个区间值并不是严格意义的按照数学上的等比数列进行分组，比如：

我们来看一下ServiceGrade这个离散值在vs中的分组方式：

ServiceGrade 属性在理论上是介于 0.00（应答所有呼叫）和 1.00（挂断所有呼叫）之间的数值，但是在神经网络算法中是按照上面的图进行分组的，会将分组成 0.0748051948 - 0.09716216215 这样的范围。尽管此分组在数学上很准确，但此类范围可能对业务用户并没有太大意义。要以不同的方式对数值进行分组，可以创建数值数据列的一个或多个副本，并指定数据挖掘算法应如何处理这些值。这样更能顺利的接近我们的目标分析值。

我们可以看到，这个输出也是同样的方式：

下面我们来分析上面的第一个挖掘目的：那些因素会影响（挂断率）Service Grade.我们选择一个分组最高的，一个分数最低的

上图总可以看到，我们选择的输出为“挂断率”：Service Grade 这里选择了两个区间：0.030-0.072和0.126-0.210,0.210的概念就是有一百个客户打来电话，人家不爽，给你挂断的人数有21个，已经是一个很高的值了，这个值越高说明服务质量越差，我们来看一下变量，很明显：影响“挂断率”的第一个因素为：Average Time Per Issue（应答花费的平均时间）。

“应答花费的平均时间”在44.000-70.597之间的更倾向于0.030-0.072这个低分值的应答率，说明啥？也就是说人家打来电话一般在这个时间给你解决掉的，人家都比较满意，都不会挂断你。

第二个因素“Orders”订单数量，这个也是在321.940-539.000之间的，挂断率更低，其实这个应该是因为挂断率低而导致订单数量增加

我们来看第三个因素“应答花费的平均时间”在89.087-120.000之间的，挂断率直接飙升到0.126-0.210.....纳尼！！！这是为毛？...客服应答的时间越久...挂断率越高！

 哦哦...我猜这部分一般是客服MM给人家解释的不满意，然后人家一直想问明白，丫的客服MM就是解释不清楚，于是乎客户果断挂电话，不再鸟你了。当然还存在一种情况就是客户打电话一直骚扰着客户MM...然后...然后客服MM就给挂断了...当然..这些就是猜测了...我们不关心过程，只关心结果：在这个区间的挂断率就是高，有图有真相。

我好奇的比较下“应答花费的平均时间”的两个区间的对比值，我们来看：

嘿嘿....应答平均时间在区间44.000-70.597之间的“挂断率”就是很低，而且评分在100分！看上图，概率在53.48%，而成为高“挂断率”的概率才为：6.18%。

下面的应答平均时间在区间89.087-120.000之间的“挂断率”很高，评分在74.01，评分值的高低反映的就是这个判断的可信度大小，并且看成为高“挂断率”的概率飙升为：45.22%。

再往下看，我们还发现了一个更可爱的情况，截个图看看：

 这个Shift的值代表为轮班时间，看上面的值显示的是midnight....深夜...漆黑的夜晚...给客服MM打电话的挂断率概率都挺低的....这是神马原因.....看来微软给的案例数据库数据还是挺真实的！

其它的属性我这里就不分析了，方法同上。其实到这里我们已经利用Microsoft神经网络分析算法已经分析出影响“挂断率”最重要的因素为：Average Time Per Issue(应答平均时间)，下面我们调整输入，直接来分析这个因素：

在44.000-70.597之间的，清一色的低挂断率，并且产生的订单量最可能为321.940-539.000，汗...你妹...上班期间最好还是在深夜。下面接着看：

换了一个区间...结果基本没变，原因不解释

下一个区间，情况发生了变化，在这个区间里，订单为50.000-181.677之间的已经展现出来高”挂断率“的趋势。

.....我去...到了这个区间...成了清一色的高”挂断率”，并且上班时间成了（PM2）下午....订单数减少至50.000-181.677....看来下午客服中心应该都放假，全部改成“深夜”上班...嘿嘿...

为此我通过数据源视图浏览数据，通过透视表来验证一下我们的推断是否正确，看看下面的图就知道了：

是吧...平均应答时间越久，应答率分数越高，说明挂断率越高。

我们也可以借助Microsoft神经网络算法的特性，对上面咱们推断的结论进行反向验证，我们将输出改成Average Time Per Issue “应答平均时间”，然后还是选择两个区间值来看看，影响这个属性的变量值有哪些

看到了嘛...很高的挂断率在0.126-0.210之间的应答平均时间更倾向于89.087-120.000，同样低“挂断率”的就趋向于44.000-79.597了。

咱们属性值就分析到这里，有兴趣的童鞋可以继续分析其它的。

结语

本篇文章到此结束了...关于Microsoft神经网络算法的应用场景非常的广泛，其实这几年渐渐兴起的语音识别、人工智能、文本挖掘等领域背后的最重要的支撑算法就是神经网络算法了，有关基础原理可以参照我上一篇文章，本篇就不做深入介绍了，后续文章继续分析其它问题。

文章的最后我们给出前几篇算法的文章连接：

Microsoft决策树分析算法总结

Microsoft聚类分析算法总结

Microsoft Naive Bayes 分析算法

Microsoft算法结果预测篇

Microsoft时序算法总结

Microsoft 时序算法——结果预算+下期彩票预测篇

Microsoft 关联规则分析算法

Microsoft 神经网络分析算法原理篇

大数据时代：深入浅出微软数据挖掘算法总结连载

如果您看了本篇博客,觉得对您有所收获，请不要吝啬您的“推荐”。  

（原创）大数据时代：基于微软案例数据库数据挖掘知识点总结（Microsoft 神经网络分析算法）