Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/10495/24190
Título : Análisis estadístico de llamadas reincidentes a soporte técnico de Tigo Home (octubre 2020 - marzo 2021)
Autor : Torres Franco, Jessica
metadata.dc.contributor.advisor: González, Jonatan A.
Arrieta Argel, María Ángela
metadata.dc.subject.*: 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
Fecha de publicación : 2021
Resumen : 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.
ABSTRACT: This study presents a statistical analysis of three databases related to user calls to Tigo Home technical support. Supervised learning techniques are used to model the calls and provid the company with data that can be used to make decisions related to the organization of the person who serves the users through the telephone. Using time series techniques, the number of daily calls is modeled based only on seasonality, possible trend of the series, and its autocorrelation; furthermore, a daily prediction system is designed based on five models that have been proven successfully. With the help of logistic regression techniques and decision trees, it became easier to determine the factors that make a user to call back to technical support for issues related to the scheduling of the appointment determined in the first call. Regarding this, the performance of a set of four models is proposed and tested according to the nature of the assurance and provisioning databases.
Aparece en las colecciones: Estadística

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TorresJessica_2021_AnalisisEstadisticoLlamadas.pdfTrabajo de grado de pregrado1.95 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons