Tesis (Ingeniero Biomédico)

Este proyecto de investigación trata de solventar una problemática que afrontan hoy en día las empresas de call center, la cual es la rotación de sus empelados, dejando brechas operativas y económicas en la compañía. Desde la división de innovación de Millenium BPO, Datos No Estructuras. Se propone actuar de manera activa ante esta situación por lo que se propone el uso de la analítica de datos y la correlación de variables en sus asesores que demuestren declive en su comportamiento operacional y de estos mediante el uso de modelos de inteligencia artificial predecir la renuncia psicológica, término acuñado para describir a los empleados que antes de su renuncia presentan patrones de comportamiento que van en contra vía de lo esperado por la empresa, como lo puede ser una baja productividad, no relacionarse con sus compañeros, perdida en la calidad de su trabajo, entre otros. Por diferentes motivos, como lo son la insatisfacción laboral, altas metas operativas, poco crecimiento dentro de la empresa, entre otros. Por ello, esta investigación está enfocada en la para la extracción y transformación de datos con el fin de describir de patrones operaciones de asesores de un call center junto con la implementación de datos socio-demográficos en asesores activos y retirados dentro de la campaña de Icetex durante 12 semanas consecutivas laborales y con estos datos entrenar diferentes modelos de inteligencia artificial para predicción de la renuncia. Los resultados de esta investigación demuestran una diferencia significativa en el rendimiento de las personas que estaban a punto de renunciar y los asesores activos, en términos de la productividad, eficiencia, ausencia en el trabajo y calidad de gestión ante el usuario, otros. Por lo que se expone el comportamiento característico de la renuncia psicológica en los asesores antes de su retiro voluntario. Se realizó un entrenamiento de aprendizaje de máquina para la predicción de un asesor en los estados de activo y retirado, donde se presenta que el modelo de bosques aleatorios (random forest) es el mejor con un 89,5 % ± 4,3 % de exactitud en las pruebas realizadas en 58 agentes de call center.