Управляем загруженностью службы поддержки с помощью машинного обучения и добрых дел

На примере банка для предпринимателей «Точка».

Управляем загруженностью службы поддержки с помощью машинного обучения и добрых дел
2525 показов
4.6K4.6K открытий

Модель прогноза SLA от количества обращений, числа операторов и средней длительности разговора в приближении Пуассоновского распределения была описана Эрлангом хрен знает сколько лет назад и применяется во всех системах WFM (workforce management). Зачем тут нейронная сеть, машинное обучение и прочие сложности? :)

Ответить

Я тоже прифигел от "мы перебрали несколько методов машинного обучения, опробовав поочерёдно регрессионную модель, эволюционные алгоритмы и нейронную сеть". Судя по прогнозу и результату достаточно было день недели и удаленность от НГ просто умножить на рост кол-ва клиентов.
Вам надо статью на хабре написать - поржём в комментах.

Ответить

Нам принципы подобия рассказывали в 5 классе на геометрии, но без нейронной сети сейчас никуда =).

Ответить

Авторам статьи и всему отделу, занимающемуся подобной аналитикой, советую книгу Хэмди А. Таха "Исследование операций". Там про теорию массового обслуживания достаточно подробно написано.
И да, напишите на Хабр, что вы конкретно сделали. Интересно будет обсудить :)

Ответить

Не кажется ли вам, что нужен просто FAQ, с которым стоит предлагать ознакомиться всем, открывающим счёт в Точке?
Обычно именно для этого и нужен "топ вопросов".

Ответить

что за кресло на первом фото? удобное?

вот интересно почему нет обзоров на удобные кресла для айтишников..

Ответить

нет обзоров на удобные кресла для айтишников..Нет денег - маркус
Есть деньги - аэрон

/обзор

Ответить

правда интересует минимальное кресло за 30 баксов?

Ответить