Dati Fittizi sulle Lamentele Bancarie

Dati Fittizi su Lamentele Bancarie

Presentazione di un nuovo set di dati immaginari per scopi di formazione, test, dimostrazione ed educativi

Questo articolo presenta un nuovo set di dati immaginari che simula reclami immaginari dei clienti presso una banca generica per i consumatori.

Immagina di essere un responsabile del servizio clienti presso una banca e di trovare i seguenti reclami nel tuo sistema di gestione delle problematiche e nel sistema di gestione.

Ramo web difettoso. Riparalo!La mancanza di assistenza efficace da parte del tuo personale mi sta seriamente facendo pensare di passare alla banca EFG.Un tempo gestivo carte di credito e di debito presso la tua banca, ed è imbarazzante quante volte il tuo sistema blocca le carte senza una verifica adeguata.Il tempo di risposta del servizio clienti è molto lento. Questo non è accettabile.Il servizio clienti fornito per altre questioni bancarie non è soddisfacente. Sono davvero bravi a non aiutare.
Image Credit: Illustrazione dell'autore creata con immagini di Canva.

Panoramica dei dati + Articolo

Dopo aver introdotto questi nuovi dati immaginari, offro anche punti di partenza su diversi percorsi di auto-apprendimento che i lettori possono seguire utilizzando questi dati.

I dati immaginari sono una risorsa importante per scopi di formazione, test, dimostrazione ed educativi. Molti dei punti di partenza che offro (oltre alla descrizione dei dati stessi) funzioneranno anche bene per la formazione, il test e la dimostrazione.

Scorri oltre il dizionario dei dati per gli schemi di lezioni autonome.

Foto di Eduardo Soares su Unsplash

In questo articolo, presento un nuovo set di dati chiamato complaints-bank.csv.

Questo nuovo set di dati è una collezione immaginaria di record relativi a reclami dei clienti riguardanti vari prodotti e servizi bancari.

Per caricare questi dati in Python, consiglio il seguente codice:

domain = 'https://raw.githubusercontent.com'path = '/adamrossnelson/confident/main/data/'file = 'complaints-bank.csv'df = pd.read_csv(domain + path + file)

Analizziamo l’intero dataset e le sue colonne/variabili. Le colonne/variabili principali sono: