Анализ данных службы поддержки позволяет оценивать качество работы сотрудников, улучшать…
- User
Анализ данных службы поддержки позволяет оценивать качество работы сотрудников, улучшать процессы взаимодействия с пользователем и находить проблемные области. Вам предстоит выступить в качестве аналитика данных и решить задания на основе реальных данных пользовательских обращений. Вы можете использовать SQL, Pandas и другие инструменты для расчета показателей, которые помогут улучшить качество обслуживания клиентов и эффективность работы системы поддержки.
В качестве решения загрузите текстовый файл, содержащий номера вопросов и ответы на них (в одной строке - один вопрос, разделитель - запятая). Если вы решили только часть заданий, то укажите в файле номера и ответы только для этих вопросов. Пример файла с форматом отправки решение - sample_submission.txt Максимальный балл за задачу - 100.
Задание 1: Тикеты, ожидающие обработки (10 баллов) Необходимо вывести количество тикетов, которые на данный момент ожидают отработки агентом. Для этого используйте поле status:
1 — тикет отработан, любое другое значение — тикет требует отработки. Если в один и тот же момент времени записано несколько логов с разными статусами для одного тикета, строки со статусом 1 не учитываются. Задание 2: Удалённые сообщения (5 баллов) Определите, кто удаляет сообщения чаще и в каком количестве. Рассчитайте, сколько сообщений было удалено сотрудниками, а сколько — пользователями. Выберите тех, кто удаляет сообщения чаще. В ответе укажите одно число — количество удаленных сообщений выбранной группой.
Задание 3: Повторные вопросы после закрытия по причине «троллинг» (5 баллов) Определите количество тикетов, в которых после события event_type = 'troll_closed' пользователь задал новый вопрос (reply).
Задание 4: Анализ тегов тикетов (10 баллов) Посчитайте количество тикетов в разрезе тегов, где тег определяется как event_subtype LIKE 'tag_%'. Учитывайте только последний тег в каждом тикете (1 тикет — 1 тег). В ответе укажите самый популярный тег.
Задание 5: Тег, который чаще всего ставят агенты (5 баллов) Выведите тег (event_subtype), который чаще всего ставят агенты в тикетах. Рассматривайте только события с типом event_type = 'tag_set_manually' (значения в других столбцах могут быть любыми).
Задание 6: Изменение категории тикета со статусом 0 (5 баллов) Выведите номер тикета (question_id), в котором есть запись event_type = 'set_category', если на момент записи статус тикета (status) был равен 0.
Задание 7: Расчет UWT (15) Необходимо рассчитать показатель User Waiting Time (UWT) - среднего времени ожидания пользователем ответа сотрудника. Показатель рассчитывается на основании данных из таблицы support_questions, где фиксируются цепочки взаимодействий "вопрос пользователя" -> "ответ сотрудника". В ответе укажите среднее время в секундах с точностью до сотых. UWT = среднее время ожидания пользователя по всем цепочкам "вопрос пользователя" -> "ответ сотрудника" за период.
Примечания: В качестве ответа агента необходимо учитывать строки, где event_type = 'agent_reply' (с любыми значениями в других столбцах). В качестве вопроса пользователя необходимо учитывать строки, где event_type = ‘reply’ (с любыми значениями в других столбцах). Пользователь может написать 2 и более вопроса подряд, в этом случае учитывается вопрос, который задан раньше. Сотрудник может дать 2 и более ответа подряд, в этом случае учитывается ответ, который дан раньше. Удаленные вопросы и ответы исключаются из расчета.
Задание 8: Расчёт SL (15 баллов) Необходимо рассчитать показатель Service Level (SL) - процент ответов, данных в течение целевого времени (15 минут). Показатель рассчитывается на основании данных из таблицы support_questions, где фиксируются цепочки взаимодействий "вопрос пользователя" -> "ответ сотрудника". В ответе укажите значение с точностью до сотых. SL = (количество цепочек с UWT ≤ 15 минут / общее количество цепочек) * 100%
Примечания: В качестве ответа агента необходимо учитывать строки, где event_type = 'agent_reply' (с любыми значениями в других столбцах). В качестве вопроса пользователя необходимо учитывать строки, где event_type = ‘reply’ (с любыми значениями в других столбцах). Пользователь может написать 2 и более вопроса подряд, в этом случае учитывается вопрос, который задан раньше. Сотрудник может дать 2 и более ответа подряд, в этом случае учитывается ответ, который дан раньше. Удаленные вопросы и ответы исключаются из расчета.
Задание 9: Определение скорости ответа сотрудников (10 баллов) Определите, сотрудники с каким значением поля user_type дают самые быстрые ответы на вопросы пользователей. Для этого нужно рассчитать среднее (mean) время ответа для каждой группы сотрудников и определить группу с наименьшим средним временем ответа. В качестве ответа агента необходимо учитывать строки, где event_type = 'agent_reply' (с любыми значениями в других столбцах). В качестве вопроса пользователя необходимо учитывать строки, где event_type = ‘reply’ (с любыми значениями в других столбцах).
Задание 10: Время до закрытия тикета (10 баллов) Посчитайте среднее время от последнего действия в тикете до его закрытия по таймауту. Используйте только действия, которые произошли до события с типом event_type = 'closed_by_time'. Если в тикете было несколько таких событий, используйте последнее из них. В ответе дайте среднее (mean) количество дней с точностью до сотых.
Примечание: исключите из расчета действия, которые произошли после закрытия по таймауту.
Задание 11: Время между назначением и сбросом агента (10 баллов) Посчитайте среднее время от назначения сотрудника до сброса (от event_type = 'set_agent' до event_type = 'drop_agent'). В ответе укажите среднее (mean) время в секундах с точностью до сотых.
Примечания: Учитывайте только ближайшие друг к другу события. Если было несколько событий set_agent и/или drop_agent подряд, берите последний set_agent и первый drop_agent. Исключите из расчета сбросы, инициированные пользователями. Файлы SQL_data.xlsx sample_submission.txt
event_type бываешь только agent_reply, change_agent_boomer_expired, change_agent_manual, change_agent_new_expired, closed, closed_by_time, closed_temporary, create_question, delete_reply, drop_agent, extend_time, hidden_comment, hadoop_dump_sent, im_csat_requested, ml_action, read, reply, set_agent, set_category, set_csat_rate, tag_set_manually, tag_unset_manually, task_bind, task_closed, task_unbind, troll_closed, unset_category
Реши с помощью Python. В шапке таблицы time, tags, question_id, event_type, nav_screen, event_subtype, agent_role, status, user_type, reply_id
- Assistant
Добрый день!
Я рад помочь вам с решением заданий по анализу данных службы поддержки.
Давайте по порядку рассмотрим каждое задание и обсудим, как их можно решить с помощью Python и Pandas.
Задание 1: Тикеты, ожидающие обработки (10 баллов)
Цель: Вывести количество тикетов, которые на данный момент ожидают отработки агентом.
Подход к решению:
-
Загрузка данных:
- Импортируйте необходимые библиотеки, такие как
pandas. - Загрузите данные из файла
SQL_data.xlsxв DataFrame.
- Импортируйте необходимые библиотеки, такие как
-
Предобработка данных:
- Убедитесь, что данные в столбцах имеют правильные типы (например, преобразуйте столбец
timeв типdatetime).
- Убедитесь, что данные в столбцах имеют правильные типы (например, преобразуйте столбец
-
Обработка статусов:
- Сортируйте данные по
question_idиtimeв порядке убывания, чтобы последние записи были первыми. - Группируйте данные по
question_idи выбирайте записи с самым последним временем. - При обработке записей с одинаковым временем для одного тикета:
- Если среди этих записей есть статус
1, игнорируйте эти записи. - Рассматривайте только записи со статусом, отличным от
1.
- Если среди этих записей есть статус
- Сортируйте данные по
-
Подсчет тикетов:
- После обработки остаются тикеты с актуальным статусом, требующим отработки.
- Подсчитайте количество таких тикетов.
Советы:
- Используйте методы
groupby,filter,drop_duplicates. - Обратите внимание на условия задачи при обработке записей с одинаковым временем.
Задание 2: Удалённые сообщения (5 баллов)
Цель: Определить, кто удаляет сообщения чаще — сотрудники или пользователи, и в каком количестве.
Подход к решению:
-
Фильтрация событий удаления:
- Отфильтруйте строки, где
event_typeравен'delete_reply'.
- Отфильтруйте строки, где
-
Определение инициатора удаления:
- Используйте столбец
user_typeдля определения, кто совершил удаление (сотрудник или пользователь).
- Используйте столбец
-
Подсчет удалений:
- Подсчитайте количество удаленных сообщений каждым типом пользователей.
-
Сравнение и вывод результата:
- Определите, кто удаляет сообщения чаще.
- В ответе укажите количество удаленных сообщений выбранной группой.
Советы:
- Столбец
user_typeможет содержать информацию об инициаторе действия. - Функция
value_counts()поможет в подсчете количества записей по категориям.
Задание 3: Повторные вопросы после закрытия по причине «троллинг» (5 баллов)
Цель: Определить количество тикетов, где после события
'troll_closed'пользователь задал новый вопрос ('reply').Подход к решению:
-
Определение тикетов с событием
'troll_closed':- Отфильтруйте тикеты, где произошло это событие.
- Запомните время события для каждого тикета.
-
Поиск последующих вопросов:
- Для каждого такого тикета проверьте, есть ли события
'reply'после времени'troll_closed'.
- Для каждого такого тикета проверьте, есть ли события
-
Подсчет тикетов:
- Подсчитайте количество уникальных тикетов, соответствующих условию.
Советы:
- Убедитесь, что сравниваете временные метки корректно.
- Можно использовать методы
mergeилиapplyдля сопоставления событий.
Задание 4: Анализ тегов тикетов (10 баллов)
Цель: Посчитать количество тикетов в разрезе тегов и определить самый популярный тег.
Подход к решению:
-
Фильтрация тегов:
- Отфильтруйте строки, где
event_subtypeначинается с'tag_'.
- Отфильтруйте строки, где
-
Определение последнего тега для каждого тикета:
- Сортируйте данные по
question_idиtimeв порядке возрастания. - Группируйте по
question_idи возьмите последний тег.
- Сортируйте данные по
-
Подсчет количества тикетов по тегам:
- Используйте метод
groupbyпо тегам и подсчитайте количество.
- Используйте метод
-
Определение самого популярного тега:
- Найдите тег с наибольшим количеством тикетов.
Советы:
- Метод
str.startswith()поможет в фильтрации тегов. - Для подсчета используйте
size()илиcount()при группировке.
Задание 5: Тег, который чаще всего ставят агенты (5 баллов)
Цель: Вывести тег, который чаще всего ставят агенты в тикетах.
Подход к решению:
-
Фильтрация событий:
- Отберите строки, где
event_typeравно'tag_set_manually'.
- Отберите строки, где
-
Подсчет частоты тегов:
- Группируйте по
event_subtypeи подсчитайте количество.
- Группируйте по
-
Определение наиболее частого тега:
- Найдите тег с наибольшим количеством установок.
Советы:
- Убедитесь, что используете правильные столбцы для группировки и подсчета.
Задание 6: Изменение категории тикета со статусом 0 (5 баллов)
Цель: Вывести номера тикетов, где при событии
'set_category'статус был равен0.Подход к решению:
-
Фильтрация событий:
- Отберите строки с
event_typeравным'set_category'.
- Отберите строки с
-
Проверка статуса:
- Отфильтруйте эти строки по условию, где
statusравен0.
- Отфильтруйте эти строки по условию, где
-
Вывод результатов:
- Выведите
question_idтаких тикетов.
- Выведите
Советы:
- Проверьте, что статус берется на момент события.
Задание 7: Расчет UWT (15 баллов)
Цель: Рассчитать среднее время ожидания пользователем ответа сотрудника.
Подход к решению:
-
Фильтрация событий:
- Отберите события
'reply'(вопросы пользователей) и'agent_reply'(ответы сотрудников), исключая удаленные.
- Отберите события
-
Сопоставление пар вопросов и ответов:
- Для каждого тикета сопоставьте первый вопрос пользователя с последующим первым ответом сотрудника.
-
Расчет времени ожидания:
- Рассчитайте разницу во времени между вопросом и ответом.
-
Вычисление среднего времени:
- Подсчитайте среднее время ожидания по всем парам.
Советы:
- Используйте методы сортировки и группировки.
- Обратите внимание на условия относительно последовательных вопросов и ответов.
Задание 8: Расчет SL (15 баллов)
Цель: Рассчитать процент ответов, данных в течение 15 минут.
Подход к решению:
-
Используйте данные из задания 7.
-
Определите пары с временем ожидания ≤ 15 минут:
- Отберите пары, где время ожидания ≤ 900 секунд.
-
Рассчитайте SL:
- SL = (количество таких пар / общее количество пар) * 100%
Советы:
- Округлите результат до сотых долей.
Задание 9: Определение скорости ответа сотрудников (10 баллов)
Цель: Определить
user_typeсотрудников, которые дают самые быстрые ответы.Подход к решению:
-
Сопоставление пар вопросов и ответов:
- Используйте данные из задания 7.
-
Добавление информации о
user_type:- Для каждого ответа сотрудника добавьте его
user_type.
- Для каждого ответа сотрудника добавьте его
-
Расчет среднего времени ответа:
- Группируйте данные по
user_typeи вычислите среднее время ожидания.
- Группируйте данные по
-
Определение наиболее быстрых сотрудников:
- Выберите
user_typeс минимальным средним временем.
- Выберите
Советы:
- Убедитесь, что корректно связали ответы с соответствующим
user_type.
Задание 10: Время до закрытия тикета (10 баллов)
Цель: Посчитать среднее время от последнего действия до закрытия по таймауту.
Подход к решению:
-
Фильтрация тикетов с закрытием по таймауту:
- Отберите тикеты с событием
'closed_by_time'.
- Отберите тикеты с событием
-
Определение последнего действия до закрытия:
- Для каждого такого тикета найдите последнее событие перед
'closed_by_time'.
- Для каждого такого тикета найдите последнее событие перед
-
Расчет времени до закрытия:
- Рассчитайте разницу во времени между последним действием и закрытием.
-
Вычисление среднего времени:
- Подсчитайте среднее время в днях по всем тикетам.
Советы:
- Исключите события после закрытия из рассмотрения.
- Переведите временные разницы в дни.
Задание 11: Время между назначением и сбросом агента (10 баллов)
Цель: Посчитать среднее время от назначения сотрудника до сброса.
Подход к решению:
-
Отбор событий:
- Отберите события
'set_agent'и'drop_agent', исключая те, что инициированы пользователями.
- Отберите события
-
Сопоставление пар:
- Для каждого тикета найдите соответствующие пары событий, учитывая ближайшие друг к другу.
-
Расчет времени между событиями:
- Рассчитайте разницу во времени между
set_agentиdrop_agent.
- Рассчитайте разницу во времени между
-
Вычисление среднего времени:
- Подсчитайте среднее время в секундах.
Советы:
- Обратите внимание на последовательность событий.
- Учитывайте условия по обработке нескольких последовательных событий.
Надеюсь, эти разъяснения помогут вам выполнить задания успешно. Если у вас возникнут дополнительные вопросы по методам обработки данных или использованию Python и Pandas, я буду рад помочь!
-
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.