Análisis predictivo de demanda de servicios bajo series temporales

Abstract

RESUMEN : Este proyecto aborda la problemática mundial de la falta de procesos eficaces para predecir la demanda de servicios y la falta de uso de técnicas de machine learning. En particular, este proyecto se enfoca en el Centro de Servicios de ISA Intercolombia, una unidad de negocio que centraliza servicios de diferentes áreas y busca mejorar la eficiencia y la calidad de los servicios, reducir los costos y proporcionar una visión más completa de los datos y procesos de la empresa. El objetivo del proyecto es realizar una predicción precisa y oportuna de la volumetría a futuro de los servicios prestados en el Centro de Servicios de ISA y sus empresas, para optimizar la gestión de la productividad y disponibilidad del servicio, aumentando la eficiencia y rapidez en la atención de las operaciones futuras. La metodología utilizada para lograr esto consiste en recopilar 3datos históricos, realizar un análisis exploratorio, utilizando técnicas de machine learning, realizando un preprocesamiento de los datos, entrenamiento, validación del modelo, y finalmente realizando una implementación del modelo en un sistema automatizado. Los resultados obtenidos del modelo predictivo de regresión lineal y la regresión Bayesiana muestran que el modelo es preciso en la predicción de la demanda de servicios, siendo más eficaz la regresión lineal que la Bayesiana, lo que aumenta la eficiencia y rapidez en la atención de las operaciones futuras, y optimiza la gestión de la productividad y disponibilidad del servicio. La metodología propuesta y el modelo predictivo de regresión Bayesiana implementado en el proyecto han demostrado ser efectivos y podrían ser aplicados en otras áreas y empresas con necesidades similares de predicción de demanda de servicios.

ABSTRACT : This project addresses the global problem of the need for more effective processes for predicting service demand and the need for more use of machine learning techniques. Specifically, this project focuses on the ISA Intercolombia Services Center. This business unit centralizes services from different areas and seeks to improve service efficiency and quality, reduce costs, and provide a more comprehensive view of the company's data and processes. The project aims to accurately predict the future volume of services provided at the ISA Services Center and its companies to optimize productivity management and service availability, increasing efficiency and speed in handling future operations. The methodology used to achieve this involves collecting historical data, performing exploratory analysis using machine learning techniques, preprocessing data, training and validating the model, and finally implementing the model in an automated system. The results obtained from the linear regression and Bayesian regression predictive models show that the model is accurate in predicting service demand, with linear regression being more effective than Bayesian regression, which increases efficiency and speed in handling future operations and optimizes productivity management and service availability. The proposed methodology and Bayesian regression predictive model implemented in the project have been proven effective and could be applied in other areas and companies with similar service demand prediction needs.