Ítem
Restringido
Same Day Service (SDS)
Título de la revista
Autores
Molina Molina, Margarita
Sánchez, Daniela
Barajas, Juan Felipe
Fecha
2023-07-19
Directores
Rojas Parra, Daniel Mauricio
ISSN de la revista
Título del volumen
Editor
Universidad del Rosario
Buscar en:
Métricas alternativas
Resumen
El presente proyecto empresarial tiene como objetivo diseñar y desarrollar un modelo de Machine Learning que permita realizar la tipificación de los casos radicados a través de correo electrónico por usuarios de la Universidad del Rosario al área de servicios 2030. Actualmente, la tipificación la realizan varios agentes de la mesa de servicios quienes se encargan de leer una a una las solicitudes y se propone que a través del análisis de datos no estructurados y aprendizaje automático, existe una oportunidad de generar eficiencias administrativas y de liberar recurso humano para otras tareas como el apoyo en sitio. Como objetivo específico, se planteó que la solución entenderá el asunto de los correos eléctronicos con un porcentaje de efectividad del 0.7 para asegurar automáticamente el escalamiento de los casos. El resultado obtenido mediante un modelo predictivo lineal presenta una precisión de 0.74, disminuyendo así los tiempos de atención y respuesta del área de servicio servicios 2030.
Abstract
The objective of this business project is to design and develop a Machine Learning model that allows the typification of cases received through email by users of the Universidad Rosario to services 2030 area. Currently, this typification is carried out by several agents of the service desk who are in charge of reading the requests one by one and an opportunity has been identified to generate administrative efficiencies and free up human resources for other tasks such as on-site support, through the analysis of unstructured data and machine learning. As a specific objective, it was proposed that the solution will understand the subject of the emails with an effectiveness percentage of 0.7 to automatically ensure the escalation of the cases. The result obtained by a linear predictive model has a precision of 0.74, as a result reducing the ANS of area services 2030.
Palabras clave
Caso , Escalamiento , Servicio , ANS , Experiencia
Keywords
Case , Escalation , Service , ANS , Experience
