FORECASTING PARA LA PREDICCIÓN DEL PATRON DE ARRIBO DE CONTACTOS EN

UNA LINEA DE BPO

Johnattan Solis Padilla

Código 8974378

Anteproyecto del Proyecto Aplicado para optar al título de

Magister en Ciencia de Datos

Director(a)
Isabel Cristina Garcia Arboleda

FACULTAD DE INGENIERÍA Y CIENCIAS

MAESTRÍA EN CIENCIA DE DATOS
SANTIAGO DE CALI, NOVIEMBRE 11 DE 2022
 FICHA RESUMEN
ANTEPROYECTO DE TRABAJO DE GRADO

POSIBLE TÍTULO:

1. ÁREA DE TRABAJO: Machine Learning

2. TIPO DE PROYECTO : Aplicado
3. ESTUDIANTE(S): Johnattan Solis Padilla
4. CORREO ELECTRÓNICO: johnattans07@javerianacali.edu.co
5. DIRECCIÓN Y TELEFONO: Calle 99 # 65 64 Barranquilla
6. DIRECTOR: Isabel Cristina Garcia Arboleda
7. VINCULACIÓN DEL DIRECTOR:
8. CORREO ELECTRÓNICO DEL DIRECTOR: isabel.garcia@javerianacali.edu.co
9. CO-DIRECTOR (Si aplica):
10. GRUPO O EMPRESA QUE LO AVALA (Si aplica): Teleperformance
11. OTROS GRUPOS O EMPRESAS:
12. PALABRAS CLAVE (al menos 5): Forecasting, BPO, Machine Learning, Data Modeling, Sizing.
13. FECHA DE INICIO: 11/23/2022
14. DURACIÓN ESTIMADA (En meses): 10
15. RESUMEN: El tema a trabajar es el desarrollo de un modelo de forecasting utilizando
técnicas de machine learning para la predicción del patrón de arribo de llamadas en una
línea de costumer service. Actualmente, en la industria se utilizan métodos simples de
pronóstico como media móvil o regresiones lineales en base de los datos históricos, sin
embargo, la pandemia nos demostró que en situaciones donde no existe un referente
histórico es necesario un modelo de forecasting robusto, capas de predecir en condiciones
de incertidumbre. Con este proyecto se pretende establecer la técnica o el modelo más
apropiado para realizar el forecast de arribo de llamadas, esto con el fin de mejorar la
eficiencia de la línea, esto utilizando las más avanzadas técnicas de machine learning para
modelos predictivos. Este proyecto será aplicado a una línea de soporte de una cuenta
anónima, pero se espera que su aplicabilidad se extienda a las más de 250 líneas que opera
la empresa de BPO más grande en Colombia y una de las mas grandes del mundo.

2
3
 TABLA DE CONTENIDO

Pág.
INTRODUCCIÓN 5
1. DEFINICIÓN DEL PROBLEMA ?
1.1 PLANTEAMIENTO DEL PROBLEMA
1.2 FORMULACIÓN DEL PROBLEMA
2. OBJETIVOS DEL PROYECTO
2.1 OBJETIVO GENERAL
2.2 OBJETIVOS ESPECÍFICOS
2.3 RESULTADOS ESPERADOS
3. ALCANCE
4. JUSTIFICACIÓN
5. MARCO TEÓRICO DE REFERENCIA Y ANTECEDENTES (ESTADO DEL ARTE)
5.1 TRABAJOS RELACIONADOS
6. METODOLOGÍA
7. RECURSOS A EMPLEAR
7.1 HUMANOS
7.1.1 Director
7.1.2 Codirector y Asesores (si aplica)
7.1.3 Grupo de Investigación o Empresa que lo Avala (Si aplica)
7.2 OTROS RECURSOS
8. CRONOGRAMA DE ACTIVIDADES (Diagrama de Gantt)
9. REFERENCIAS BIBLIOGRÁFICAS (Estilo IEEE)

4
LISTA DE FIGURAS
LISTA DE TABLAS
LISTA DE ANEXOS

5
 INTRODUCCIÓN

--

6
 1. DEFINICIÓN DEL PROBLEMA

1.1. PLANTEAMIENTO DEL PROBLEMA

Algunos de los procesos más comunes en la industria del BPO (Business Process
Outsourcing) es la atención en líneas de soporte, ventas, cobranza etc. Muchas empresas a
nivel mundial tercerizan estos procesos debido a la complejidad de la administración de ellos
y lo económicamente rentable que resulta subcontratar estas operaciones de atención de
contactos, entendamos por contactos llamadas, chats, emails, tickets etc. Los métodos
comunes de facturación de la empresa que tercerizan el proceso a la empresa primaria son:
contacto gestionado, minuto de gestión, hora de gestión, entre otros. Independientemente
de la medida de facturación, todas tienen un núcleo común y es que son directamente
proporcional a la producción o gestión de contactos.

Luego el objetivo principal de las empresas de BPO es gestionar la mayor cantidad de

contactos ofrecidos, pero teniendo en cuenta que tener una capacidad instalada o capacidad
de atención más de la necesaria genera ineficiencias en el proceso ya que la empresa de BPO
debe pagar la nómina de los empleados, pero esta no puede ser mayor que la factura al
cliente (empresa primaria) porque de lo contrario se estarían generando perdidas.

El dilema se encuentra en que el volumen de contactos ofrecidos depende de variables

económicas, temporadas, día de la semana, hora del día y muchas otras variables que
generan incertidumbre en el numero de contactos que ingresarán a las líneas y el momento
en que estos sucederán. Es aquí en donde se genera el reto más grande de las empresas de
BPO y es saber en qué momento y con que flujo ingresaran los contactos a la línea con el fin
de tener la capacidad instalada necesaria (número de agentes disponibles) para gestionar
esos contactos sin llegar a generar ineficiencias.

Toda esta introducción la vimos necesaria para definir nuestro problema como el desarrollo
de un modelo de forecasting para la predicción del patrón de arribo de contactos en una
línea de BPO. Como coordinador de analistas de datos de líneas de BPO soy consciente que
la ciencia de datos nos ofrece herramientas muy sólidas para hacer forecasting y que en la
mayoría de los casos no se usan en la industria por desconocimiento.

1.2. FORMULACIÓN DEL PROBLEMA

7
Este proyecto busca encontrar un modelo de forecasting capaz de predecir con un buen nivel
de ajuste el volumen de contactos que ingresan a una línea de llamadas. Para esto es
necesario cuestionarnos ¿Qué modelos modelos o herramientas predictivas existen
actualmente que se puedan usar para este cometido?, durante este proyecto se pretenden
investigar modelos predictivos y herramientas de machine learning con el fin de aplicarlas al
caso de estudio y evaluar su desempeño en la predicción de la variable de respuesta para
finalmente establecer que modelo(s) son los más apropiados para la predicción del patrón de
arribo en la una línea de soporte.

8
 2. OBJETIVOS DEL PROYECTO

2.1 OBJETIVO GENERAL

Desarrollar modelo de forecasting teniendo en cuenta herramientas de machine learning y
herramientas tradicionales para la predicción del patrón de arribo de llamadas en una línea de
servicio al cliente con el fin de optimizar la eficiencia en la gestión de esta.
2.2 OBJETIVOS ESPECÍFICOS
 Aplicación de diferentes modelos predictivos para estimar el patrón de arribo de interacciones
en una línea de atención de contactos.
 Implementar herramientas avanzadas como Machine Learning para la predicción del patrón de
arribo de contactos en una línea de llamadas.
 Evaluar el desempeño de modelos predictivos para determinar cuál o cuáles son los más apro-
piados para la predicción del patrón de arribo de contactos en una línea de llamadas.

2.3 RESULTADOS ESPERADOS

El resultado esperado de este proyecto es la identificación de un modelo predictivo apropiado

para el forcasteo del patrón de arribo de contactos en una línea de llamadas, generando con esto
una mayor precisión en la configuración de los recursos necesarios para atender dicho patrón de
arribo.