Predicción de la demanda de llamadas entrantes en un centro de contacto mediante el uso de técnicas de aprendizaje automático

Vista sencilla de ítem
dc.contributor.advisorGonzález Veloza, José John Fredy
dc.contributor.authorEscobar Obando, Andrés Alejandro
dc.contributor.authorSoto Agudelo, Diana Marcela
dc.coverage.spatialBogotá - Colombiaspa
dc.creator.emaildmsotoa@libertadores.edu.cospa
dc.date.accessioned2023-04-28T01:46:39Z
dc.date.available2023-04-28T01:46:39Z
dc.date.created2023
dc.descriptionLa predicción de las llamadas entrantes en un centro de contacto es una herramienta que se utiliza para anticipar la demanda que se recibirá en un período determinado, al prever con precisión, se pueden planificar los recursos necesarios para atenderla de manera adecuada, ofreciendo un servicio de calidad y evitando tanto la escasez como el exceso de personal, lo que podría generar pérdidas financieras y una experiencia insatisfactoria para los clientes. Por esto, en el presente estudio se llevó a cabo un análisis de los datos históricos de las llamadas entrantes en un centro de contacto con el objetivo de identificar patrones y tendencias en la demanda; para ello, se utilizaron técnicas avanzadas de modelado de datos, incluyendo modelos de aprendizaje automático y series de tiempo. Para el modelado se propusieron modelos de regresión para predecir la cantidad de llamadas entrantes a los agentes según el día y el rango de tiempo. Luego comparamos el desempeño de varios modelos de aprendizaje automático utilizando múltiples métricas de evaluación, y finalmente seleccionamos el Gradient Boosting Regressor (GBR) demostrando tener el mejor desempeño del parámetro de evaluación MAPE (error medio porcentual) con un resultado del 23,35%. Se encontró que el día y el rango de tiempo eran los contribuyentes más significativos a la predicción. Se espera que estos resultados ayuden a la planificación de la demanda del centro de contacto, permitiendo una gestión eficaz de los recursos, optimizando las operaciones, reduciendo los costes y mejorando la experiencia del cliente.spa
dc.description.abstractThe prediction of incoming calls in a contact center is a tool used to anticipate the demand that will be received in a given period, by accurately forecasting, it is possible to plan the necessary resources to meet it properly, offering a quality service and avoiding both shortages and overstaffing, which could generate financial losses and an unsatisfactory experience for customers. For this reason, in the present study, an analysis of historical data of incoming calls in a contact center was carried out with the objective of identifying patterns and trends in demand; for this purpose, advanced data modeling techniques were used, including machine learning and time series models. For the modeling, regression models were proposed to predict the number of incoming calls to agents by day and time range. We then compared the performance of various machine learning models using multiple evaluation metrics, and finally selected the Gradient Boosting Regressor (GBR) proving to have the best performance of the MAPE (mean percentage error) evaluation parameter with a result of 23.35%. Day and time range were found to be the most significant contributors to the prediction. These results are expected to aid contact center demand planning, enabling effective resource management, optimizing operations, reducing costs and improving customer experience.spa
dc.formatPDFspa
dc.identifier.urihttp://hdl.handle.net/11371/5753
dc.language.isospaspa
dc.publisherFundación Universitaria Los Libertadores. Sede Bogotá.spa
dc.rights.accesoAbierto (Texto Completo)spa
dc.rights.accessrightsOpenAccessspa
dc.subject.lembTelecomunicacionesspa
dc.subject.lembServiciosspa
dc.subject.lembSeguridad de datosspa
dc.subject.lembServicio al clientespa
dc.subject.proposalPredicciónspa
dc.subject.proposalCentro de Contactospa
dc.subject.proposalAprendizaje Automáticospa
dc.subject.proposalSeries de Tiempospa
dc.subject.subjectenglishPredictionspa
dc.subject.subjectenglishContact Centerspa
dc.subject.subjectenglishMachine Learningspa
dc.subject.subjectenglishTime Seriesspa
dc.titlePredicción de la demanda de llamadas entrantes en un centro de contacto mediante el uso de técnicas de aprendizaje automáticospa
dc.title.titleenglishPredicting inbound call demand in a contact center by using machine learning techniques.spa
dc.typeinfo:eu-repo/semantics/bachelorThesisspa
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Soto_Escobar_2023.pdf
Tamaño:
919.93 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 2 de 2
Miniatura
Nombre:
license.txt
Tamaño:
2.59 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Miniatura
Nombre:
Autorizacion_Soto_Escobar_2023.pdf
Tamaño:
728.38 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Especialización en Estadística Aplicada