了解如何中心数据和分析团队使中西部家庭服务公司更有效, 基于机器学习的基于数据的人员配置决策，使用R进行统计计算.
业务需求
客户(一家中西部家庭服务公司)没有能力使用数据来处理季节性的人员配置决策. 人员配备决策是根据直觉做出的. 客户还对技术人员任期与技术人员绩效之间的关系感兴趣. 如果任期和绩效之间的关系很强, 全年雇用更多的季节性技术人员是有利可图的.
存在两大障碍:
- 该数据没有可以分析的格式.
- 客户既没有工具也没有专业知识来执行数据分析.
中心的方法:
Centric的工作方法是使用两个阶段 机器学习 过程. 机器学习的第一阶段集中在数据收集过程. 这需要按照准确测试假设所必需的要求组织和分析数据集. 该团队采用了一种灵活的数据挖掘方法来克服应该分析哪些数据的不确定性. 这种灵活的方法使团队能够维护一个可靠的数据集，该数据集具有使用过滤器的简单性，而不会丢失数据完整性. 在巩固数据集和适当测试它的准确性之后, 研究小组提出了一个假设，让他们能够确定技术人员的任期是否与技术人员的表现相关.
工作的第二阶段是分析和建立模型来检验假设并得出结论. Centric的数据科学家团队能够通过将清理后的数据集从第一阶段插入到描述统计数据 “R”代表“统计计算”. 使用该工具，团队构建了回归模型、敏感性分析和决策树.
测试了许多不同的变量，以确定对技术人员表现的影响，包括位置, 价格, 任期内, 年龄, 性别, 和职位. 使用假设检验，团队能够快速证明或反驳假设. 快速迭代不仅让团队对业务有了更多的了解，还让他们提出了新的问题并获得了新澳门金沙官网.
结果:
中心团队不仅能够以一种可以进行分析的格式获得数据, 而且还提供了执行这一分析的专业知识. Centric公司所做的定量分析，使他们能够向客户提出明智的建议. Centric的数据科学家有信心分享从分析中获得澳门金沙官网. 该团队还展示了内置的强大的交互式可视化结果 表 这使得客户端使用数据变得简单.
Centric能够向客户表明，技术人员任期和技术人员绩效之间的关系在统计上还不够强，不足以建议全年保留更多的季节性技术人员. 这一发现不考虑技术人员的质量、位置和价格. 客户现在能够根据数据的统计分析做出明智的人员配置决策，而不是依赖于他们的直觉.
有兴趣了解更多关于这个项目或Centric的 数据和分析 功能?
联系中心 全国数据和分析实践领导, 杰夫Kanel.