【摘要】：呼叫中心故障处理流程的业务数据包含故障编号、故障省份、处理人工号、业务类别、故障等级、开始时间、结束时间、合计小时和接障人工号等字段。流程运行数据需要进行相应的抽取、转换操作才能满足流程挖掘的需要。在数据挖掘前需要对业务数据进行预处理，以提高数据的质量和流程挖掘的效率。图4.11 呼叫中心故障处理流程日志挖掘的过程流
呼叫中心故障处理流程的业务数据包含故障编号、故障省份（Province）、处理人工号、业务类别、故障等级、开始时间、结束时间、合计小时（Time）和接障人工号等字段。流程运行数据需要进行相应的抽取、转换操作才能满足流程挖掘的需要。此外，由于员工技能、流程执行环境等因素影响，业务数据中难免存在噪声、错误等脏数据。在数据挖掘前需要对业务数据进行预处理，以提高数据的质量和流程挖掘的效率。
（1）删除脏数据。源数据中存在少量的处理人工号字段为空值、合计小时字段为负值等脏数据，这些数据不符合业务规则，可以删除。
（2）转换数据类型。在源数据中合计小时的类型格式为字符串，需要转成连续型数据类型。
（3）将省份分组。流程运行数据中覆盖了30多个省、直辖市的故障处理情况，为了方便分析，可以按照地理位置把省份映射为华北、华东、华南、东北、西北、西南、华中等大区（District），以满足决策树分析的要求。
（4）合计小时属性离散化。合计小时属性为连续型的数据，为了提高决策树的分析效率和分析结果的可读性，将合计小时按照业务处理效率等级进行离散化（TimeLevel），如表4.1所示。
表4.1 离散化故障处理合计时间
（5）过滤无关属性。故障编号、开始时间、结束时间等字段与流程挖掘的目的不相关，因此可以过滤这些属性，提高数据分析的效率。
图4.11所示是呼叫中心故障处理流程日志挖掘的过程流。
图4.11 呼叫中心故障处理流程日志挖掘的过程流
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
