Modelo para la estimación de la demanda operativa según el perfil del cliente de una empresa de telecomunicaciones

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.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)spa
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.eng
dc.description.degreelevelMaestríaspa
dc.description.degreenameÁrea Curricular de Ingeniería de Sistemas e Informáticaspa
dc.format.extentXII, 49 páginasspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameUniversidad Nacional de Colombiaspa
dc.identifier.reponameRepositorio Institucional Universidad Nacional de Colombiaspa
dc.identifier.repourlhttps://repositorio.unal.edu.co/spa
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/81126
dc.language.isospaspa
dc.publisherUniversidad Nacional de Colombiaspa
dc.publisher.branchUniversidad Nacional de Colombia - Sede Medellínspa
dc.publisher.departmentDepartamento de la Computación y la Decisiónspa
dc.publisher.facultyFacultad de Minasspa
dc.publisher.placeMedellín, Colombiaspa
dc.publisher.programMedellín - Minas - Maestría en Ingeniería - Analíticaspa
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.spa
dc.relation.referencesBizagi. (2021). Obtenido de https://www.bizagi.com/en/platform/modelerspa
dc.relation.referencesBizagi User guide Studio. (2021). Obtenido de https://help.bizagi.com/bpm-suite/es/spa
dc.relation.referencesBonet Borjas, C. (2005). LEY DE PARETO APLICADA A LA FIABILIDAD. Revista de Ingeniería Mecánica, vol. 8, núm. 3, 1-9.spa
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.spa
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.spa
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.spa
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.spa
dc.relation.referencesHughes, A. (1994). Strategic database marketing. Chicago: Probus Publishing Company.spa
dc.relation.referencesIsixsigma. (2005). Obtenido de https://www.isixsigma.com/new-to-six-sigma/getting-started/what-six-sigma/spa
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).spa
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.htmlspa
dc.relation.referencesKotler, P. (1994). Marketing management: Analysis, planning, implementation, and control. New Jersey: Prentice-Hall.spa
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.spa
dc.relation.referencesLey 1581 de 2012 - Ley Estatutaria de Hábeas Data. (2012). Ley Estatutaria de Hábeas Data.spa
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.spa
dc.relation.referencesMaria, A. (1997). INTRODUCTION TO MODELING AND SIMULATION. (págs. 7-13). Binghamton, NY: University of New York at Binghamton.spa
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.spa
dc.relation.referencesOMG, O. M. (2013). Object Management Group (OMG). Obtenido de https://www.omg.org/spec/BPMN/2.0.2/About-BPMN/spa
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 ).spa
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.spa
dc.relation.referencesSchijns, J., & Schröder, G. (1996). Segment selection by relationship strength. Journal of Direct Marketing, 69-79.spa
dc.relation.referencesSokolova, M., & Lapalme, G. (2009). A systematic analysis of performance measures for classification tasks. Information Processing and Management, 427–437.spa
dc.relation.referencesStone, B. (1995). Successful direct marketing methods. Lincolnwood: NTC Business Books.spa
dc.relation.referencesThe R Foundation . (31 de 03 de 2021). R-project. Obtenido de https://www.r-project.org/spa
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 ).spa
dc.relation.referencesWu, J., & Lin, Z. (2005). Research on customer segmentation model by clustering. ACM International Conference Proceeding Series, pág. 113.spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.licenseAtribución-NoComercial 4.0 Internacionalspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0/spa
dc.subject.ddc000 - Ciencias de la computación, información y obras generales::003 - Sistemasspa
dc.subject.lembInvestigación operacional
dc.subject.proposalOperational demandeng
dc.subject.proposalDemanda operativaspa
dc.subject.proposalProcesos del negociospa
dc.subject.proposalBusiness process managementeng
dc.subject.proposalModelo recenciaspa
dc.subject.proposalGestión de procesos del negociospa
dc.subject.proposalOperational demandeng
dc.titleModelo para la estimación de la demanda operativa según el perfil del cliente de una empresa de telecomunicacionesspa
dc.title.translatedAn operational demand model estimation according to a telecommunications company customer profileeng
dc.typeTrabajo de grado - Maestríaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/masterThesisspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TMspa
dc.type.versioninfo:eu-repo/semantics/acceptedVersionspa
dcterms.audience.professionaldevelopmentEstudiantesspa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
1128400689.2021.pdf
Tamaño:
618.98 KB
Formato:
Adobe Portable Document Format
Descripción:
Tesis Maestría en Ingeniería - Ingeniería Analítica

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
3.98 KB
Formato:
Item-specific license agreed upon to submission
Descripción: