Dimensionamiento laboral para un canal de venta de seguros basado en un modelo de predicción de la demanda empleando técnicas de aprendizaje de máquinas
La presente tesis de investigación tiene como objetivo proponer un método para el dimensionamiento laboral, basado en un modelo de predicción de la demanda a partir de la historia de la cantidad de pólizas que llegan al proceso de emisión de seguros. El interés de la presente investigación surge de...
- Autores:
-
Zabala Gamez, Ligia Fernanda
- Tipo de recurso:
- Fecha de publicación:
- 2023
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/84387
- Palabra clave:
- 000 - Ciencias de la computación, información y obras generales::003 - Sistemas
Teoría de las máquinas
Aprendizaje automático (Inteligencia artificial)
Seguros - Modelos matemáticos
Análisis de series de tiempo - Modelos matemáticos
Mano de obra
Aprendizaje de máquinas
Predicción de la demanda
Dimensionamiento laboral
Demand forecasting
Job sizing
Machine learning
- Rights
- openAccess
- License
- Reconocimiento 4.0 Internacional
| Summary: | La presente tesis de investigación tiene como objetivo proponer un método para el dimensionamiento laboral, basado en un modelo de predicción de la demanda a partir de la historia de la cantidad de pólizas que llegan al proceso de emisión de seguros. El interés de la presente investigación surge de un problema de negocio en una aseguradora Colombiana, por consiguiente, para el estudio se utilizó un conjunto de datos proporcionado por esa entidad, que corresponde a la cantidad de pólizas que se han registrado para las soluciones de personas y para los diferentes movimientos que un equipo de personas expertas en seguros, ejecuta en el proceso para emitir pólizas, durante enero 2019 y junio 2022. A partir de este conjunto de datos, se genera el pre procesamiento de los datos, seguido de la predicción de la cantidad de pólizas para cada solución y tipo de operación, utilizando modelos estadísticos clásicos y de aprendizaje de máquinas. Por último, se genera una comparación entre los modelos utilizados, 5 en total para cada una de las 12 series de tiempo y se evidencia que, a partir de las métricas MSE, MAPE y RMSE, se genera un modelo ganador para cada una de las series, permitiendo sugerir a partir de estos resultados enfoque de análisis para proyección en el negocio e insumo base para dimensionamiento laboral en el proceso de estudio. (texto tomado de la fuente) |
|---|