Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ISSN: 1560-9146
iifi@unmsm.edu.pe
Universidad Nacional Mayor de San Marcos
Per
1. SITUACIN PROBLEMTICA
RESUMEN
Con la llegada a nuestro pas de las estrategias de venta por
El artculo revisa los conceptos de prediccin y pre-
senta una nueva metodologa que utiliza la clase telfono, como tiempos compartidos e incluso sistemas de emer-
Box-Jenkins para la prediccin de la demanda de gencias mdicas; como ocurri en otros pases, hace que tenga-
llamadas, que efectan los clientes a los centros de mos que definir la importancia de la administracin del recurso
llamadas ms conocidos como call-center.
humano involucrado en estos nuevos negocios, que surgieron
El estudio concluye que el empleo de herramientas como miniempresas de escasa o nula inversin tecnolgica, los
de serie de tiempos funciona de manera eficiente, teleoperadores.
lo que ha de redundar en la mejora de la eficiencia
y competitividad en los call-center. Los centros de atencin telefnica han experimentado un gran
Palabras clave: prediccin, series de tiempo, aumento en las ltimas dcadas, hoy en da estn presentes en
tcnicas univariantes, modelos autorregresivos, casi cualquier compaa que interacte con un alto nmero de
modelos matemticos, metodologa Box-Jenkins, clientes. La capacidad est determinada principalmente por el
ARIMA.
nmero de operadores humanos o telefonistas.
2. ANTECEDENTES DE LA INVESTIGACIN
MEASUREMENT OF CARE IN A CALL-
CENTER USING BOX-JENKINS En la primera mitad de la dcada de 1990 aparecen los primeros
centros de llamadas profesionales, con la presencia de agen-
cias de telemarketing y atencin de llamadas. En la segunda
ABSTRACT
mitad de la dcada de 1990, el mercado fue depurndose, las
The article reviews the concepts of prediction and comercializadoras fueron paulatinamente dejando su lugar a las
presents a new methodology, which uses the Box-
Jenkins class, for prediction of demand for calls, agencias profesionales por un lado y a los centros de llamadas
which make customers call centers known as call- internas por el otro.
center.
Algunos factores que han contribuido al auge de los centros de
The study concludes that the use of time series atencin:
tools, works efficiently, which would be in impro-
ving the efficiency and competitiveness in the call a) Con la llegada de la empresa Telefnica, la tecnologa de te-
center.
lecomunicaciones y de procesamiento de datos, se desarro-
Keywords: forecasting, time series, univariante llaron aceleradamente a finales de la dcada del 90.
techniques, autoregressive models, mathematical
models, Box-Jenkins, ARIMA. b) Los costos de las telecomunicaciones a nivel mundial caye-
ron drsticamente por razones tecnolgicas y econmicas,
en el tiempo.
c) La inversin en telecomunicaciones de la dcada de 1990
ubic a nuestro pas en un nivel de avanzada, superando in-
cluso los ratios de pases ms desarrollados.
d) El desempleo hizo que trabajar como teleoperador fuera una
alternativa.
En la industria de telemarketing se condensa una vas es su exactitud. Los datos numricos y los m-
nueva forma laboral, el teleoperador, cuyas funcio- todos estadsticos pueden proporcionar respuestas
nes responden a una lgica de produccin en serie precisas y objetivas, las cuales en muchas ocasio-
dentro del nuevo modelo de sociedad postindustrial nes pueden ser muy importantes. En otras, podran
que se ha denominado sociedad de la informacin. no ser tan importantes. Esta diferencia plantea la
Entre otros datos: la existencia de una fuerza labo- cuestin de si se pueden obtener pronsticos ms
ral de 2.86 millones de personas en Estados Unidos exactos de los mtodos cuantitativos que de los
(Datamonitor, 2004). En otros pases, Europa cuen- mtodos discrecionales.
ta con 750 mil personas operando en esta industria En situaciones repetitivas donde los datos pueden
(Datamonitor, 2004) y en Francia hay 200 mil. recopilarse sistemticamente, los mtodos cuanti-
En 1970, los investigadores de la Universidad of tativos realmente proporcionan predicciones ms
Wisconsin-Madison George E. P. Box y Gwilym M. exactas. Los cualitativos no procesan informacin
Jenkins, desarrollaron una metodologa destinada de manera precisa y consistente; no obstante, es
a identificar, estimar y diagnosticar modelos din- importante tener presente que tanto el juicio como
micos de series temporales en los que la variable los mtodos cuantitativos trabajan con el mismo
tiempo juega un papel fundamental. Una parte im- principio bsico: la identificacin de los patrones o
portante de esta metodologa est pensada para relaciones existentes. La diferencia estriba en los
liberar al investigador en econometra de la tarea mtodos al preparar pronsticos.
de especificacin de los modelos, dejando que los Una de las ms grandes ventajas de los mtodos
propios datos temporales de la variable a estudiar cuantitativos es la facilidad que se tiene para iden-
indiquen las caractersticas de la estructura proba- tificar los elementos de estacionalidad, tendencia,
bilstica subyacente. ciclicidad y aleatoriedad de manera eficiente y razo-
Los procedimientos a analizar se contraponen a nablemente objetiva. Subsecuentemente, cada uno
la "forma tradicional" de identificar y especificar un de los tres primeros elementos, pueden extrapo-
modelo apoyados en las teoras subyacentes al larse para preparar pronsticos ms exactos. Por
fenmeno analizado aunque, convenientemente definicin, la aleatoriedad no puede pronosticarse,
utilizados, los conceptos y procedimientos a exa- pero una vez que ha sido aislada, su magnitud se
minar constituyen una herramienta til para ampliar puede estimar y utilizar para determinar el alcance
y complementar los conocimientos economtricos de la probable variacin entre los resultados reales
bsicos. y pronosticados. En otras palabras, la aleatoriedad
Una serie temporal, conocida como serie cronolgi- ayuda a determinar el alcance de la incertidumbre
ca o histrica, es una sucesin de observaciones en las predicciones.
de una variable tomados secuencialmente en el
tiempo (Box, Jenkins y Reinsel, 2008).
4. LA TEORA DE LAS SERIES DE TIEMPO
Estudios recientes como evaluacin de las series
temporales para la previsin de la demanda de Durante las ltimas tres dcadas, se ha producido
emergencias sanitarias de Daz-Hierro y otros, pu- un importante incremento en el nmero de trabajos
blicado en la revista espaola Emergencias (2012), publicados sobre modelizacin y prediccin de la
Pronstico de llamadas de emergencias sanitarias demanda de los clientes.
mediante modelos de series temporales, realizado Los mtodos de prediccin pueden ser agrupados
en la Empresa Pblica de Emergencias Sanitarias en dos grandes categoras: mtodos cualitativos
(EPES) en la ciudad de Mlaga (2008), son ejem- y mtodos cuantitativos (Bowerman, OConnell
plos de investigaciones en los que se aplican las y Koehler, 2007). En la Figura 1 podemos obser-
tcnicas de pronsticos al estudio de las demandas var una clasificacin de los principales mtodos
de llamadas. El anlisis central est centrado en el de prediccin utilizados. Los primeros en aquellas
uso de la metodologa ARIMA de Box-Jenkins. situaciones en las que el pasado no proporciona
informacin directa sobre el fenmeno considera-
do, como ocurre, por ejemplo, en marketing con
3. PREDICCIN
la aparicin de productos totalmente nuevos en el
Una de las dimensiones ms sobresalientes en la mercado, de los cuales no se tienen ningn tipo de
que difieren las tcnicas discrecionales y cuantitati- referencia.
El operador de desplazamiento hacia atrs (Bac- , donde uno o ms ceros de la raz del polino-
kward Shift Operator) se define por mio se encuentran en un crculo unitario. Si existen
y . La opera- d races unitarias y las otras races se encuentran
cin inversa es desarrollada por el operador hacia fuera del crculo, el operador puede es-
adelante (Forward Shift Operator) y viene dado
cribirse como:
por y , con
. Otro operador importante Donde es el operador autorregresivo es-
es el operador de diferencia hacia atrs , defini- tacionario. Esto es un modelo que puede represen-
tar conductas no estacionarias homogneas es de
do por ; lo que permite
escribir como: la forma:
Con
La secuencia formada por los
El modelo ARIMA es la integracin del proceso es-
pesos, se dice que es estable y el proceso es
estacionario si cumple: tacionario ARMA con diferenciado d veces.
6. METODOLOGA BOX-JENKINS
La metodologa de los modelos ARIMA fue forma-
En otro caso el proceso es no estacionario. lizada por Box y Jenkins en 1976, de all que tam-
En un modelo autorregresivo se tiene el operador: bin se les denomina modelos Box-Jenkins. Este
enfoque parte del hecho de que la serie temporal
que se trata de predecir es generada por un pro-
Que es equivalente a ceso estocstico cuya naturaleza puede ser carac-
terizada mediante un modelo. Para efectuar la es-
En un modelo de promedio mvil se tiene el opera-
timacin de un modelo ARIMA se requiere de una
dor:
serie temporal diaria, mensual, trimestral, etc, con
En un modelo ARMA se cumple: un elevado nmero de observaciones.
Esta metodologa est pensada para liberar al in- La media de un proceso estocstico, estimado des-
vestigador de la tarea de buscar el modelo, los de una media muestral es evaluada como:
propios datos temporales de la variable indicarn
la estructura probabilstica subyacente. En parte,
los procedimientos a analizar se contraponen a la
"forma tradicional" de identificar y especificar un
modelo apoyados en las teoras subyacentes al fe- La varianza de un proceso estocstico, esti-
nmeno analizado. mado desde una varianza muestral es:
La principal base para el desarrollo de las series de
tiempos es el supuesto del equilibrio esttico. En
particular el supuesto de la clase, ser estacionario.
Usualmente una serie de tiempos estacionaria es
descrita por la media, varianza y la funcin de au- Los coeficientes de autocorrelacin y autocovarian-
tocorrelacin. za desde el supuesto de una asuncin estacionaria,
la funcin de distribucin conjunta
Figura 3: Mtodo de prediccin de Box-Jenkins
es la misma para cualquier tiempo .
Postular una clase
de modelo ARIMA
La covarianza ser llamada autocovarianza en k y
es definida como:
Etapa 2
Para que un proceso estocstico estacionario ad- un centro de llamadas para la resolucin del pro-
mita una formulacin del tipo que aqu se estudia blema de prediccin de la demanda de llamadas.
han de cumplirse dos condiciones accesorias: Este problema se conoce en la literatura como Call
Center Forecasting (CCFP).
1. El proceso no debe ser anticipante (hiptesis
de recursividad temporal); lo cual quiere decir El problema de distribuir en la asignacin de tur-
que los valores de una variable en un momento nos del personal de atencin de llamadas telefni-
t no dependern de los que esta misma tome cas, juega un rol central en la gestin de muchos
en t+k, siendo k cualquier valor superior a cero. sistemas de servicios; y su adecuada planificacin
significa en la mayora de las veces considerables
2. El proceso ha de ser invertible, ell supone que
ahorros potenciales que justifican en gran medida,
la correlacin entre una variable y su pasado
el uso de las tcnicas de pronsticos y la investi-
va reducindose a medida que nos alejamos
gacin de operaciones, dado que se estima que el
ms en el tiempo del momento para el que es-
recurso humano es un costo fijo muy importante en
tamos considerando dicha correlacin (proceso
los costos derivados en la atencin al cliente.
ergdico). La explicacin intuitiva de esta situa-
cin derivara de que si especificramos una Con una prediccin de la demanda de llamadas, se
variable en funcin de ciertos coeficientes que consigue una ptima asignacin de personal y de
nos determinen su correlacin con los valores turnos, reduciendo los costos operativos, aumenta
pasados de ella misma, los valores de dichos la calidad del servicio. Para la solucin del CCFP,
coeficientes deberan ser necesariamente infe- se han desarrollado diversos mtodos y tcnicas.
riores a uno porque si no el proceso de infinitos Las series de tiempos son las que ms se utilizan
nmeros sera "explosivo". en estos pronsticos porque aportan soluciones
aproximadas en menos tiempos de clculo.
La aproximacin a los procesos estocsticos con
modelos AR o MA est restringida, en trminos En el CCFP, un conjunto de operadoras ingresan
generales, a aquellos procesos estocsticos que en turnos comnmente de un nmero fijo de horas
cumplan, al menos de forma dbil, la restriccin de (4), dedicadas a la recepcin de las llamadas de
estacionariedad. Cuando en la realidad, queremos los clientes. Son mayormente referidas a reclamos
inferir a partir de una serie temporal, la estructura por el servicio que reciben, las que son luego pasa-
del proceso estocstico mediante modelos AR o MA, das a su posterior solucin. La poltica es asumir un
se deben cubrir dos etapas: pequeo porcentaje de llamadas no atendidas. Se
busca el patrn de la demanda de las llamadas de
1. Asegurar que la serie temporal, como muestra
los clientes por hora, con la finalidad de pronosticar
del proceso estocstico, es estacionaria.
la demanda futura las llamadas. El uso final de la
2. En otro caso, transformar la serie temporal ori- prediccin es derivado a la asignacin ptima del
ginal de forma que la nueva serie transformada recurso humano en la atencin al cliente.
s lo cumpla.
La caracterstica de las llamadas de los clientes, en
Una vez que los datos son estacionarios, primera instancia, es la tasa de arribos de la llama-
se identifican por las observaciones de da. Esta cantidad que significa la tasa de llegadas
las autocorrelaciones y las autocorrelaciones par- de llamadas en la unidad de tiempo, ocurre en un
ciales de los datos diferenciados. proceso aleatorio que es estudiada como una serie
de tiempos. Existe en cada hora del da, una con-
Se observa como una regla general que cuando las
ducta de la tasa de llamadas, en las primeras ho-
autocorrelaciones se acercan exponencialmente
ras del da esta tasa es pequea y en el transcurso
a 0, el modelo es AR y su orden se determina por
del da esta tasa crece. El cliente ocasiona que la
el nmero de autocorrelaciones parciales que son
demanda de llamadas sea una caminata al azar o
significativamente diferentes de 0. Si las autocorre-
aleatoria.
laciones parciales se acercan exponencialmente a
0, el modelo es MA y su orden se determina por el El proceso de la recopilacin de los datos se ha
nmero de autocorrelaciones estadsticamente sig- basado en 2065 muestras de llamadas ocurridas
nificativa. en periodos de cada de hora. Identificndose la
cantidad de llamadas en cada uno de los periodos o
ACD cantidad de demanda de llamadas (el trmino
7. DISCUSIN
ACD proviene de distribuidor automtico de llama-
En el presente trabajo, se presenta la aplicacin de das). Ver la Figura 4 donde se presenta el patrn
una nueva metodologa a la atencin al cliente en que representan las 2065 observaciones.
50
0
250 500 750 1000 1250 1500 1750 2000
Fuente: propia
Fuente: propia
La funcin de autocorrelacin (AC) es una lista o Los resultados del modelo AR (1), MA (1) con pri-
una grfica de las autocorrelaciones en los desfa- mera diferencia se presentan en la Figura 4.10, de
samientos k = 1, 2,, los correlogramas. all se obtiene que los coeficientes son:
Al examinar la AC de la Figura 8 se observa que no
se trunca o se corta, lo que significa que existe una
espiga en el desfasamiento k, si no al contrario, se Este modelo es el ARMA (35,35) con la primera di-
extingue (decrece en forma permanente) en seno ferenciacin, donde se plantea desde el hecho de
amortiguado (una de las tres formas de extincin: la repeticin de las costumbres de llamadas que
forma exponencial, forma de seno o una combina- se repite cada 24 horas. Desde el punto de vista
cin de ambas). de ARMA, es AR (35), MA (35) en primera diferen-
ciacin equivale a un modelo autorregresivo con
La experiencia indica que si la AC se extingue con
y promedio mvil con .
lentitud extrema, los valores de la serie temporal
original se consideran no estacionarios. En tal caso Figura 10: Resultados de ARIMA (35, 35, 1)
es necesario hacer uso de una transformacin de
datos. Si la AC de estos datos se cortan claramente
con rapidez o si se extinguen rpidamente, se debe
considerar que los datos son estacionarios (Bower-
man, OConnell, 2007).
En la Figura 9, el correlograma de las primeras di-
ferencias presenta que la AC se extingue; entonces
los datos son estacionales.
Figura 9: Correlograma con primera diferencia
Fuente: propia
Fuente: propia
El R cuadrado es del orden de 0.164361. Este mo- Tabla 1: Resumen de los modelos planteados
delo es el ARMA (35,0) con la primera diferencia-
cin, donde se plantea desde el hecho de la repe- Modelo DW AIC SC HQ R2
ticin de las costumbres de llamadas que se repite
ARIMA(35,35,1) 2.345 9.020 9.015 9.015 0.1644
cada 24 horas, sin considerar el promedio mvil.
Desde el punto de vista de ARMA es AR (35), MA ARIMA(35,0,1) 2.217 9.124 9.121 9.121 0.0690
(0) en primera diferenciacin equivale a un mode-
lo autorregresivo con y de promedio SAR y SMA 1.982 8.934 8.945 8.938 0.8249
mvil con . El R cuadrado es del orden
de 0.069049, segn la Figura 4.12.
8. CONCLUSIONES
Box-Jenkins, recomienda para procesos estaciona-
1) Empleando la metodologa propuesta en la pre-
les o de temporada se utilicen los trminos SAR y
sente investigacin, se cre un modelo de dise-
SMA para tratar las fluctuaciones estacionales de
o de pronstico para la demanda de llamadas
los meses, das, horas, etc. As se habla de SAR (p)
telefnicas en un centro de atencin de llama-
SMA (q). El R cuadrado es del orden de 0.824989,
das, en la ciudad de Lima.
segn la Figura 12.
Figura 12: Ecuacin para SAR y SMA
2) Se ha realizado anlisis de Box-Jenkins para
los modelos:
, y Modelos con
fluctuaciones estacionales.
3) Usando el modelo Box-Jenkins para procesos
estacionales o de temporada se ha encontrado
que SAR y SMA son los ms adecuados para
predecir la demanda de llamadas del centro de
llamadas en el estudio.
9. REFERENCIAS BIBLIOGRFICAS
1. BOWERMAN, B., OCONNELL, R., KOEHLER,
A. (2007). Pronsticos, series de tiempo y re-
gresin un enfoque aplicado. Mxico: Cengage
Learning, Editores, s.a.
Fuente: propia
2. BOX, G., JENKINS, G., REINSEL, G. (2008).
Es necesario comentar que el estadstico Durbin- Time Series Analysis: Forecasting and Control.
Watson o DW mide la correlacin de la serie y un New Jersey: John Wiley & sons, 4a ed.
valor menor a 2 indica que existe una evidencia que
3. DATAMONITOR (2004). Call center outsour-
la correlacin de la serie es positiva. Por otro lado,
cing in latin america and the caribbean to 2008.
el criterio de informacin de Akaike o AIC indica la
preferencia de pequeos valores para la seleccin 4. MAKRIDAKIS, S., WHEELWRIGTH, S. (2010).
de los desplazamientos. El criterio de Schwarz o SC Mtodos de pronsticos. mxico: editorial Li-
que es una alternativa a AIC, y es utilizado para pe- musa, s.a.
nalizar adicionales coeficientes. El criterio Hannan- 5. Pindyck, R., Rubinfeld, R. (2001). Colocar nom-
Quinn o HQ es otra alternativa de penalizaciones bres y apellidos, McGraw-Hill. Mxico.
para los coeficientes el p-value o Prob(F-statistic)
siempre es menor que el nivel de significancia.
De la Tabla 1 se concluye que el modelo SAR y
SMA es el que mejor pasa la prueba de los criterios
analizados poseyendo el R2 ms alto. Observe que
es el nico que pasa la prueba DW.