Datos Ficticios de Quejas Bancarias
Datos ficticios de quejas bancarias
Presentación de un nuevo conjunto de datos ficticios para fines de entrenamiento, prueba, demostración y educación
Este artículo presenta un nuevo conjunto ficticio de datos que imita quejas ficticias de clientes en un banco de consumo genérico.
Imagina que eres un gerente de servicio al cliente en un banco y encuentras las siguientes quejas en tu rastreador de problemas y manager.
La sucursal en línea tiene fallas. ¡Soluciónalo! La falta de asistencia efectiva por parte de tu personal me hace considerar seriamente cambiar al banco EFG. Solía administrar tarjetas de crédito y débito en tu banco, y es vergonzoso la frecuencia con la que tu sistema bloquea tarjetas sin una verificación adecuada. El tiempo de respuesta del servicio al cliente es muy lento. Esto no es aceptable. El servicio al cliente proporcionado para otros asuntos relacionados con la banca es insatisfactorio. Realmente se destacan en no ayudar.
Resumen del artículo y los datos
Después de presentar estos nuevos datos ficticios, también ofrezco puntos de partida para varias lecciones autoguiadas que los lectores pueden seguir mientras utilizan estos datos.
Los datos ficticios son un recurso importante para fines de entrenamiento, prueba, demostración y educación. Muchos de los puntos de partida que ofrezco (más allá de la descripción de los datos) también funcionarán bien para el entrenamiento, prueba y demostración.
Desplázate más allá del diccionario de datos para ver los esquemas de las lecciones autoguiadas.
- Aprende cómo entrenar modelos de detección de objetos con MMDetection
- Investigadores de UCSF y UC Berkeley han desarrollado una Interfaz ...
- 40+ Herramientas de IA Geniales que Deberías Verificar (Septiembre ...
En este artículo, presento un nuevo conjunto de datos llamado complaints-bank.csv.
Este nuevo conjunto de datos es una colección ficticia de registros relacionados con quejas de clientes sobre diversos productos y servicios bancarios.
Para cargar estos datos en Python, recomiendo el siguiente código:
dominio = 'https://raw.githubusercontent.com'ruta = '/adamrossnelson/confident/main/data/'archivo = 'complaints-bank.csv'df = pd.read_csv(dominio + ruta + archivo)Desglosemos el conjunto de datos completo y sus columnas/variables. Las columnas/variables principales son:
