Mostrar el registro sencillo del documento

dc.rights.licenseAtribución-NoComercial 4.0 Internacional
dc.contributor.advisorVilla Garzón, Fernán Alonso
dc.contributor.authorJiménez Avalos, Kelly Johanna
dc.date.accessioned2022-03-03T19:58:29Z
dc.date.available2022-03-03T19:58:29Z
dc.date.issued2021
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/81126
dc.description.abstractLa demanda operativa de una empresa de telecomunicaciones corresponde a las solicitudes de servicio del cliente que deben ser atendidas en campo, generalmente la casa del cliente. Los servicios que usualmente se atienden son el reemplazo de equipos y revisiones de instalaciones de red, entre otros. Estas deben ser atendidas por recurso operativo (técnico) que se desplaza personalmente hasta el lugar donde se ha ocurrido el incidente a atender (solicitud). En el contexto de investigación de operaciones, la atención de estas solicitudes es un problema complejo de asignación de recursos, en el cual es necesario optimizar tiempos de atención y recursos asignados para atender la solicitud; sin embargo, esta es una manera reactiva de abordar el problema que no considera aspectos de planeación de subcontrataciones de recursos adicionales, ni el perfil del cliente; entonces, en este trabajo se propone abordar la situación desde un punto de vista prospectivo, considerando el análisis de la demanda operativa, mediante un modelo para su estimación según la categorización del perfil de cliente de una empresa de telecomunicaciones. Para categorizar el perfil del cliente se utiliza el modelo de RFM (Recencia, Frecuencia y Monto) descrito por (Ching-Hsue & You-Shyang , 2009); mientras que, para analizar prospectivamente la demanda operativa se modela y se estiman determinados modelos de procesos del negocio siguiendo la metodología de Business Process Management (BPM) (Trilles Farrington, 2011). Los modelos encontrados evidencian que es posible analizar integralmente la demanda operativa y que la incorporación del perfilado del cliente en su análisis adiciona información relevante para tomar decisiones respecto a la atención de las solicitudes. (texto tomado de la fuente)
dc.description.abstractLa demanda operativa de una empresa de telecomunicaciones corresponde a las solicitudes de servicio del cliente que deben ser atendidas en campo, generalmente la casa del cliente. Los servicios que usualmente se atienden son el reemplazo de equipos y revisiones de instalaciones de red, entre otros. Estas deben ser atendidas por recurso operativo (técnico) que se desplaza personalmente hasta el lugar donde se ha ocurrido el incidente a atender (solicitud). En el contexto de investigación de operaciones, la atención de estas solicitudes es un problema complejo de asignación de recursos, en el cual es necesario optimizar tiempos de atención y recursos asignados para atender la solicitud; sin embargo, esta es una manera reactiva de abordar el problema que no considera aspectos de planeación de subcontrataciones de recursos adicionales, ni el perfil del cliente; entonces, en este trabajo se propone abordar la situación desde un punto de vista prospectivo, considerando el análisis de la demanda operativa, mediante un modelo para su estimación según la categorización del perfil de cliente de una empresa de telecomunicaciones. Para categorizar el perfil del cliente se utiliza el modelo de RFM (Recencia, Frecuencia y Monto) descrito por (Ching-Hsue & You-Shyang , 2009); mientras que, para analizar prospectivamente la demanda operativa se modela y se estiman determinados modelos de procesos del negocio siguiendo la metodología de Business Process Management (BPM) (Trilles Farrington, 2011). Los modelos encontrados evidencian que es posible analizar integralmente la demanda operativa y que la incorporación del perfilado del cliente en su análisis adiciona información relevante para tomar decisiones respecto a la atención de las solicitudes.
dc.format.extentXII, 49 páginas
dc.format.mimetypeapplication/pdf
dc.language.isospa
dc.publisherUniversidad Nacional de Colombia
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0/
dc.subject.ddc000 - Ciencias de la computación, información y obras generales::003 - Sistemas
dc.titleModelo para la estimación de la demanda operativa según el perfil del cliente de una empresa de telecomunicaciones
dc.typeTrabajo de grado - Maestría
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dc.publisher.programMedellín - Minas - Maestría en Ingeniería - Analítica
dc.description.degreelevelMaestría
dc.description.degreenameÁrea Curricular de Ingeniería de Sistemas e Informática
dc.identifier.instnameUniversidad Nacional de Colombia
dc.identifier.reponameRepositorio Institucional Universidad Nacional de Colombia
dc.identifier.repourlhttps://repositorio.unal.edu.co/
dc.publisher.departmentDepartamento de la Computación y la Decisión
dc.publisher.facultyFacultad de Minas
dc.publisher.placeMedellín, Colombia
dc.publisher.branchUniversidad Nacional de Colombia - Sede Medellín
dc.relation.referencesAquino , A. A., Molero-Castillo, G., & Rojano, R. (2015). Hacia un nuevo proceso de minería de datos. Pistas Educativas, Instituto Tecnológico de Celaya, No. 114.
dc.relation.referencesBizagi. (2021). Obtenido de https://www.bizagi.com/en/platform/modeler
dc.relation.referencesBizagi User guide Studio. (2021). Obtenido de https://help.bizagi.com/bpm-suite/es/
dc.relation.referencesBonet Borjas, C. (2005). LEY DE PARETO APLICADA A LA FIABILIDAD. Revista de Ingeniería Mecánica, vol. 8, núm. 3, 1-9.
dc.relation.referencesChapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. (2000). CRISP-DM 1.0 step-by-step data mining guide. Thechnical report.
dc.relation.referencesChing-Hsue, C., & You-Shyang , C. (2009). Classifying the segmentation of customer value via RFM model and RS theory. En Expert Systems with Applications (págs. 4176-4184). Yunlin: National Yunlin University of Science and Technology.
dc.relation.referencesCórdova , M., & Cinthia, N. (2015). Modelamiento y simulación de la optimización del proceso de generación de facturas utilizando metodología BPM BIZAGI. Ecuador: Machala.
dc.relation.referencesGallardo Arancibia, J. (2009). Metodología para la Definición de Requisitos en Proyectos de Data Mining (ER-DM) (Tesis doctoral). Recuperado de: http://oa.upm.es/1946/1/JOSE_ALBERTO_GALLARDO_ARANCIBIA.pdf.
dc.relation.referencesHughes, A. (1994). Strategic database marketing. Chicago: Probus Publishing Company.
dc.relation.referencesIsixsigma. (2005). Obtenido de https://www.isixsigma.com/new-to-six-sigma/getting-started/what-six-sigma/
dc.relation.referencesKaymak, U. (2001). Fuzzy target selection using RFM variables. Proceedings Joint 9th IFSA World Congress and 20th NAFIPS International Conference, (págs. 1038-1043).
dc.relation.referenceskdnuggets. (2014). Obtenido de What main methodology are you using for your analytics, data mining, or data science projects? Poll: https://www.kdnuggets.com/polls/2014/analytics-data-mining-data-science-methodology.html
dc.relation.referencesKotler, P. (1994). Marketing management: Analysis, planning, implementation, and control. New Jersey: Prentice-Hall.
dc.relation.referencesLarson, D., & Chang, V. (2016). Una revisión y dirección futura de inteligencia empresarial, análisis y ciencia de datos ágiles. Revista Internacional de Gestión de la Información, 700 - 710.
dc.relation.referencesLey 1581 de 2012 - Ley Estatutaria de Hábeas Data. (2012). Ley Estatutaria de Hábeas Data.
dc.relation.referencesLópez Espindola, M., Martínez Alcántara, A., & Guzmán Arenas, A. (2006). Reglas heurísticas: Alternativa para la depuración de reglas de asociación interesantes. México, D.F.: Centro de investigación en computación, Instituto Politécnico Nacional, . Obtenido de Instituto Politécnico Nacional, Centro de investigación en computación.
dc.relation.referencesMaria, A. (1997). INTRODUCTION TO MODELING AND SIMULATION. (págs. 7-13). Binghamton, NY: University of New York at Binghamton.
dc.relation.referencesNewell, F. (1997). The new rules of marketing: How to use one-to-one relationship marketing to be the leader in your industry. New York: McGraw-Hills Companies Inc.
dc.relation.referencesOMG, O. M. (2013). Object Management Group (OMG). Obtenido de https://www.omg.org/spec/BPMN/2.0.2/About-BPMN/
dc.relation.referencesRobledo, P. (2011). Introducción. En El Libro del BPM 2011 (Tecnologías, Conceptos, Enfoques Metodológicos y Estándares) (págs. 6-7). Las Rozas, Madrid, España: Centro de Encuentro BPM, s.l. ( Club BPM ).
dc.relation.referencesRuiz Hernández, B., Huerta, A., & Armando, J. (2013). La relación entre la variable aleatoria y la variable estadística: un análisis epistemológico disciplinar. Tecnológico de Monterrey, 383-390.
dc.relation.referencesSchijns, J., & Schröder, G. (1996). Segment selection by relationship strength. Journal of Direct Marketing, 69-79.
dc.relation.referencesSokolova, M., & Lapalme, G. (2009). A systematic analysis of performance measures for classification tasks. Information Processing and Management, 427–437.
dc.relation.referencesStone, B. (1995). Successful direct marketing methods. Lincolnwood: NTC Business Books.
dc.relation.referencesThe R Foundation . (31 de 03 de 2021). R-project. Obtenido de https://www.r-project.org/
dc.relation.referencesTrilles Farrington, P. (2011). La Evolución del BPM. En El libro del BPM (Tecnologías, Conceptos, Enfoques Metodológicos y Estándares) (págs. 9-16). Las Rozas, Madrid, España: Centro de Encuentro BPM, s.l. ( Club BPM ).
dc.relation.referencesWu, J., & Lin, Z. (2005). Research on customer segmentation model by clustering. ACM International Conference Proceeding Series, pág. 113.
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.subject.lembInvestigación operacional
dc.subject.proposalOperational demand
dc.subject.proposalDemanda operativa
dc.subject.proposalProcesos del negocio
dc.subject.proposalBusiness process management
dc.subject.proposalModelo recencia
dc.subject.proposalGestión de procesos del negocio
dc.subject.proposalOperational demand
dc.title.translatedAn operational demand model estimation according to a telecommunications company customer profile
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.contentText
dc.type.redcolhttp://purl.org/redcol/resource_type/TM
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2
dcterms.audience.professionaldevelopmentEstudiantes


Archivos en el documento

Thumbnail

Este documento aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del documento

Atribución-NoComercial 4.0 InternacionalEsta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial 4.0.Este documento ha sido depositado por parte de el(los) autor(es) bajo la siguiente constancia de depósito