Programación de Horarios de Centros de Llamadas Utilizando Máquinas de Aprendizaje
DOI:
https://doi.org/10.62465/riif.v3n1.2024.77Palabras clave:
Máquinas de aprendizaje, centro de llamadas, planificación de horariosResumen
Las máquinas de aprendizaje facilitan el análisis de datos para la obtención de varios objetivos tanto de calidad de servicio, como eficiencia de recursos a nivel empresarial. En este proyecto evaluamos diversos algoritmos de máquinas de aprendizaje que facilitan la predicción de llamadas y posterior programación de horarios de un call center con el fin de mejorar su nivel de servicio. Basado en el histórico de llamadas y mediante la fórmula de Erlang-C se estiman los agentes necesarios por hora para un nivel de servicio deseado. Se desarrolla un Backend en Python y se integra a la aplicación web usando PHP. Se comprobó la eficacia de los algoritmos de máquinas de aprendizaje para estas predicciones, así como su utilidad para la programación de horarios. El nivel de servicio del call-center que se obtuvo fue superior a los niveles esperados gracias a una estimación de recursos humanos adecuada.
Descargas
Citas
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/
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Luis Alejandro Aguirre Robalino
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
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.