Schedule Planning Software for Call Center Using Machine Learning
DOI:
https://doi.org/10.62465/riif.v3n1.2024.77Keywords:
Machine learning, call-center, schedule planningAbstract
Machine learning algorithms ease data analysis to obtain several objectives both of service quality and resource efficiency at the enterprise level. In this project we evaluate various algorithms of machine learning that facilitate the prediction of calls and subsequent scheduling of a call center in order to improve its level of service. Based on the call history and using the Erlang-C formula, the necessary agents per hour are estimated for a desired level of service. A Backend is developed in Python and it is integrated into the web application using PHP. The effectiveness of machine learning algorithms for these predictions, as well as their usefulness for scheduling, was tested. The level of call-center service obtained was higher than expected levels thanks to an adequate estimate of human resources.
Downloads
References
Ali, M. (Julio de 2020). PyCaret: An open source, low-code machine learning library in Python. Obtenido de https://pycaret.org/about
Deputechnologies Pty Ltd. (2021). Obtenido de https://www.deputy.com/industry/call-centre
Genesys. (2021). CALL CENTRE FORECASTING. Obtenido de https://www.genesys.com/en-gb/capabilities/forecasting-and-decisions
Kampakis, S. (3 de Enero de 2020). thedatascientist. Obtenido de https://thedatascientist.com/performance-measures-rmse-mae/
Nice. (2021). Workforce Management. Obtenido de https://www.nice.com/engage/workforce-management/
scikit-learn developers. (2021). Metrics and scoring: quantifying the quality of predictions. Obtenido de https://scikit-learn.org/stable/modules/model_evaluation.html
Shiftboard, Inc. (2021). Obtenido de https://www.shiftboard.com/industries/call-centers/
TixTime, Inc. (2021). Obtenido de https://www.tixtime.com/employee-scheduling-software/call-center-scheduling-software/
Verint. (2021). Verint Monet Workforce Engagement. Obtenido de https://www.verint.com/es/engagement-5/our-offerings/solutions/small-and-medium-sized-businesses/verint-monet/
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Luis Alejandro Aguirre Robalino
This work is licensed under a Creative Commons Attribution 4.0 International License.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons 4.0 (CC BY), que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a compartir su trabajo en línea (por ejemplo: en repositorios institucionales o páginas web personales) antes y durante el proceso de envío del manuscrito, ya que puede conducir a intercambios productivos, a una mayor y más rápida citación del trabajo publicado.
