Estudio para la Proyección de Llamadas Recibidas en un Centro de Experiencia Telefónica de una Entidad Financiera

dc.contributor.advisorSánchez Segura, Deniz Andrea
dc.contributor.authorRuiz Cotrino, Juan Pablo
dc.contributor.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001657362
dc.contributor.googlescholarhttps://scholar.google.com/citations?hl=es&user=NO0xayoAAAAJ
dc.contributor.orcidhttps://orcid.org/0000-0001-9573-6704
dc.date.accessioned2023-10-06T12:45:29Z
dc.date.available2023-10-06T12:45:29Z
dc.date.issued2023-10-05
dc.descriptionEn la actualidad, muchas empresas en todo el mundo utilizan diversos medios de comunicación para responder a solicitudes de los clientes y contactar a clientes potenciales para ofrecer productos. Entre estos canales, se encuentra el contacto vía telefónica, ya que es ampliamente utilizado por la mayoría de la población, lo que permite a las empresas ampliar su alcance y los beneficios que pueden ofrecer. Para llevar a cabo este contacto, existen varios call centers que actúan como enlace entre la empresa y el cliente final. Sin embargo, uno de los mayores desafíos en la operación de estos centros es la determinación de los flujos de llamadas durante un período determinado, ya que es difícil saber cuándo aumentarán o disminuirán significativamente. Además, no siempre se conoce la cantidad de agentes que están trabajando, lo que dificulta la determinación de la eficacia de la respuesta. Como resultado, los clientes pueden verse afectados o insatisfechos debido a los tiempos de espera prolongados y la falta de disponibilidad para atender sus llamadas. Por otro lado, la entidad también tiene ciertas dudas sobre cómo distribuir los agentes, como cuántos agentes se necesitan en un día para garantizar el más alto nivel de atención, en qué momentos del día disminuye el flujo de llamadas para programar los descansos de los agentes y determinar la duración promedio de cada llamadaspa
dc.description.abstractCurrently, many companies worldwide use various communication channels to respond to customer inquiries and reach out to potential clients to offer products. Among these channels is telephone contact, as it is widely used by the majority of the population, enabling companies to expand their reach and the benefits they can offer. To facilitate this contact, there are several call centers that act as a link between the company and the end customer. However, one of the major challenges in operating these centers is determining call flows during a specific period, as it is difficult to predict when they will significantly increase or decrease. Additionally, the exact number of agents working is not always known, making it challenging to assess response effectiveness. Consequently, customers may experience dissatisfaction due to extended wait times and a lack of availability to address their calls. On the other hand, the organization also has uncertainties about agent distribution, such as how many agents are needed each day to ensure the highest level of service, when during the day call volumes decrease to schedule agent breaks, and to determine the average duration of each call.eng
dc.description.degreelevelPregradospa
dc.description.degreenameProfesional en estadísticaspa
dc.format.mimetypeapplication/pdf
dc.identifier.citationRuiz Cotrino, J. P. (2023). Estudio para la Proyección de Llamadas Recibidas en un Centro de Experiencia Telefónica de una Entidad Financiera. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.spa
dc.identifier.instnameinstname:Universidad Santo Tomásspa
dc.identifier.reponamereponame:Repositorio Institucional Universidad Santo Tomásspa
dc.identifier.repourlrepourl:https://repository.usta.edu.cospa
dc.identifier.urihttp://hdl.handle.net/11634/52619
dc.language.isospa
dc.publisherUniversidad Santo Tomásspa
dc.publisher.branchCRAI-USTA Bogotáspa
dc.publisher.facultyFacultad de estadísticaspa
dc.publisher.programRregrado estadísticaspa
dc.relation.referencesAli, J. (2012). International Journal of Computer Sciencespa
dc.relation.referencesBenavides, A. M. (Enero de 2022). Modelo para la prediccion de interacciones recibidas en un centro de experiencia telefonica.spa
dc.relation.referencesBoulin, J. M. (2010). CALL CENTER DEMAND FORECASTING: IMPROVING SALES CALLS. Massachusettsspa
dc.relation.referencesBreiman, L. (2001). Random Forests. Obtenido de https://link.springer.com/article/10.1023/A:1010933404324spa
dc.relation.referencesChen, X. (09 de 02 de 2012). Random forests for genomic data analysis. Science Direct. Obtenido de https: //doi.org/10.1016/j.ygeno.2012.04.003spa
dc.relation.referencesEduardo Raffo, L. R. (2012). Medición de la atención en un call center usando box-jenkins.spa
dc.relation.referencesHurtado, P. A. (2003). Analisis de Capacidad del Call Center de una.spa
dc.relation.referencesRigatti, S. J. (2017). Random Forest. Journal of Insurance Medicinespa
dc.relation.referencesSaavedra, F. I. (s.f.). Redes Neuronales Artificiales. Chile.spa
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.localAbierto (Texto Completo)spa
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.subject.keywordRandom Foresteng
dc.subject.keywordTime serieseng
dc.subject.keywordContact centereng
dc.subject.keywordForecasting callseng
dc.subject.lembEstadísticaspa
dc.subject.lembEntidad Financieraspa
dc.subject.lembMedios de Comunicaciónspa
dc.subject.lembClientesspa
dc.subject.lembEmpresas telefónicasspa
dc.subject.proposalRandom Forestspa
dc.subject.proposalSeries temporalesspa
dc.subject.proposalContact centerspa
dc.subject.proposalProyeccion de llamadasspa
dc.titleEstudio para la Proyección de Llamadas Recibidas en un Centro de Experiencia Telefónica de una Entidad Financieraspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.driveinfo:eu-repo/semantics/bachelorThesis
dc.type.versioninfo:eu-repo/semantics/acceptedVersion

Archivos

Bloque original

Mostrando 1 - 3 de 3
Cargando...
Miniatura
Nombre:
2023juanruiz
Tamaño:
407.37 KB
Formato:
Adobe Portable Document Format
Descripción:
Cargando...
Miniatura
Nombre:
2023cartaaprobaciónfacultad
Tamaño:
17.03 KB
Formato:
Adobe Portable Document Format
Descripción:
Cargando...
Miniatura
Nombre:
2023cartaderechosautor
Tamaño:
525.79 KB
Formato:
Adobe Portable Document Format
Descripción:

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
807 B
Formato:
Item-specific license agreed upon to submission
Descripción: