Análisis estadístico de llamadas reincidentes a soporte técnico de Tigo Home (octubre 2020 - marzo 2021)
RESUMEN: En este trabajo, se presenta un análisis estadístico de tres bases de datos relacionadas con las llamadas de usuarios al soporte técnico de Tigo Home. Para el análisis, se utilizan técnicas de aprendizaje supervisado con el fin de modelar las llamadas y brindar a la empresa una base científ...
- Autores:
-
Torres Franco, Jessica
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/24190
- Acceso en línea:
- http://hdl.handle.net/10495/24190
- Palabra clave:
- Multivariate analysis
Logistic regression analysis
Decision trees
Time-series analysis
Databases
Mathematical statistics
Análisis estadístico
Statistical analysis
Análisis multivariante
Análisis de regresión logística
Análisis de series de tiempo
Bases de datos
Estadística matemática
http://id.loc.gov/authorities/subjects/sh85088390
http://id.loc.gov/authorities/subjects/sh00002321
http://id.loc.gov/authorities/subjects/sh94004363
http://id.loc.gov/authorities/subjects/sh85135430
http://id.loc.gov/authorities/subjects/sh86007767
http://id.loc.gov/authorities/subjects/sh85082133
http://vocabularies.unesco.org/thesaurus/concept2238
- Rights
- openAccess
- License
- Atribución-NoComercial-CompartirIgual 2.5 Colombia (CC BY-NC-SA 2.5 CO)
Summary: | RESUMEN: En este trabajo, se presenta un análisis estadístico de tres bases de datos relacionadas con las llamadas de usuarios al soporte técnico de Tigo Home. Para el análisis, se utilizan técnicas de aprendizaje supervisado con el fin de modelar las llamadas y brindar a la empresa una base científica que sirva para la toma de decisiones relacionadas con la organización del personal que atiende a los usuarios telefónicamente. Mediante técnicas de series de tiempo, se modela el número de llamadas diarias basándose únicamente en la estacionalidad, posible tendencia de la serie y su autocorrelación; además, se propone un sistema de predicción diaria basado en cinco modelos que han sido probados exitosos. Con la ayuda de técnicas de regresión logística y árboles de decisión, se identifican los factores que influyen en que un usuario vuelva a llamar a soporte técnico por temas relacionados con el agendamiento de la cita, que ha sido programada de antemano a través de una primera llamada. A este respecto, se plantea y se prueba el rendimiento de un conjunto de cuatro modelos de acuerdo a la naturaleza de las bases de datos de aseguramiento y aprovisionamiento. |
---|