時間序列分析運用於電話客服之進線量預測

[jazzwang]

• 演講主題 Talk Topic: 時間序列分析運用於電話客服之進線量預測
• 講者姓名 Name: 張仲樸
• 單位名稱 Organization & Job Title: 學生
• 講者簡介 Self Introduction:

我是Enzo，跨足資料科學 x 軟體 x 教育，喜歡學習及幫助他人學習，致力成為興趣和職涯合一的敏捷工作者。

• 講題摘要 Abstract:

講者將分享某企業客服中心使用機器學習解決傳統做法問題的實際案例，讓大家認識時間序列分析與一般數據分析的差異，說明資料集以及使用到哪些套件/函式庫，如何透過資料清整、特徵工程來找出並製做規律性、特殊性及滯後等特徵，介紹挑選模型及迭代更新、調整參數的方法以及評估指標，用來預測未來期間之各時段進線量，並提出後續作法改良之建議。

電話客服中心往往是企業的成本中心，等候應答的服務體驗就成為了維護客戶關係的重要指標。若能預測出未來的進線量，就得以更精準的估算所需人力，節省人力成本並提升服務指標。

此專案利用過往兩年之進線資料進行時間序列分析，透過 feature selection & feature engineering 找出規律性、特殊性及滯後等特徵，以 LightGBM regressor 建模，搭配 Nested Cross-Validation 與HyperOpt 進行模型迭代及調參，預測未來特定期間之各時段進線量。

最後，對預測結果之誤差量、命中率及重要特徵進行了評估和探討，發現模型對於時段、星期(規律性)或例假日、年節(特殊性)的預測能力皆為優良，且比過往做法及條件式移動平均的表現要來得更好。