Integrantes:
- Freud Melgar
- Ivan Calle
- David Vera
Resumen:
Este documento muestra el trabajo de investigación acerca del pronóstico de generación de reclamo de parte de los clientes de servicios de líneas fijas HFC (cable coaxial) en una empresa de telecomunicaciones del Perú. La competencia en los servicios de telecomunicaciones es feroz y para mantener la rentabilidad, los operadores de servicios de internet deben controlar la satisfacción de los clientes y por lo tanto evitar con prioridad los reclamos y la posterior pérdida de suscriptores. Aprender a predecir los reclamos y, en base a estas predicciones, determinar qué incentivos o gestión preventiva se deben ofrecer a los clientes para mejorar los niveles de servicio. Este estudio incluye el estudio sobre una base de datos de 4,800 clientes que incluye información demográfica, tipos de averías reportadas, tipo de producto y plan instalado, y su relación con la generación de quejas a través de la aplicación de algoritmos de aprendizaje supervisado y no supervisado, tales como J48, Random Forest, Redes Neuronales, Redes Bayesianas y Soporte de Máquina Vectorial. Nuestro experimento muestra que utilizando técnicas predictivas para identificar posibles generadores de reclamos a un nivel de precisión de 61% (Random Forest) y ofrecer incentivos y puede generar ahorros significativos para la compañía. También se muestra la importancia de una representación de datos elaborada por expertos en el dominio. Finalmente, se muestra una propuesta de solución web que puede recibir datos del mundo real y realizar un pronóstico de reclamo.
Adjuntos:
- FUND IA_TEF_GestionReclamos_ Paper_v3.0.pdf (Paper)
- FUND IA Proyecto Final TEF Gestión Reclamos v2.0.pdf (Diapositivas PPT)
- TEF_DatosRECLAMOS_ACOTADO_v5(ENTRENAMIENTO).csv
- TEF_DatosRECLAMOS_ACOTADO_v5(EVALUACION)_v2.csv
https://github.com/dverao/reclamo_detector_tef_2.git