Çağrı merkezlerinde işgücü planlaması ve performans tahminlerinde ARIMA ve makine öğrenmesi yöntemlerinin karşılaştırılmalı analizi
Comparative analysis of ARIMA and machine learning methods in workforce planning and peformance predictions in call centres
- Tez No: 858446
- Danışmanlar: DR. ÖĞR. ÜYESİ KADRİYE HİLAL TOPAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İSTANBUL NİŞANTAŞI ÜNİVERSİTESİ
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
- Sayfa Sayısı: 81
Özet
Bu tez, çağrı merkezi operasyonlarında üç farklı makine öğrenmesi modelinin (ARIMA, Karar Ağacı Regresyonu ve Üstel Düzeltme) çağrı hacmi tahmini için etkinliğini karşılaştırmalı olarak değerlendirmektedir. Doğru vardiya planlaması ve kaynak tahsisi, çağrı merkezlerinin müşteri memnuniyetini artırması ve operasyonel verimliliği optimize etmesi açısından büyük öneme sahiptir. Bu çalışma, işletmelere veri odaklı karar verme süreçlerinde yardımcı olacak en uygun modeli belirlemeyi amaçlamaktadır. Çalışmada gerçek çağrı merkezi verileri kullanılmış, her modelin tahmin performansı incelemiş ve özel günler ve tatiller gibi dönemsel dalgalanmaların sonucundaki davranışlar değerlendirilmiştir. Çalışmadan elde edilen bulgular, modellerin hem günlük çağrı trafiği hem de oluşan beklenmedik durumlara göre nasıl farklı sonuçlar verebileceğini göstermektedir. Sonuç olarak, veri setindeki karmaşık desenlerini ve ani trafik değişimlerini en iyi şekilde ele alan ve genelleme yapabilen modelin Karar Ağacı Regresyonu olduğu sonucu elde edilmiştir. Aşırı uyum riskini minimize etmek için parametre ayarlarının ve modelin dikkatli bir şekilde kalibre edilmesinin önemli olduğu sonucu ortaya koyulmaktadır. Bu çalışma ile makine öğrenmesi tahminlerinin çağrı merkezi yönetimine katkısı derinlemesine incelenmesiyle, çağrı merkezlerinin süreç planlamasında iş süreçlerini iyileştirmek için uygulanabilir öneriler sunması açısından sektöre katkı sağlayacağı düşünülmektedir.
Özet (Çeviri)
This study aims to comparatively evaluate the effectiveness of three different machine learning models (ARIMA, Decision Tree Regression, and Exponential Smoothing) for forecasting call volume in call center operations. Accurate shift planning and resource allocation are of great importance for call centers to increase customer satisfaction and optimize operational efficiency. This study aims to determine the most suitable model to assist businesses in data-driven decision-making processes. Real call center data was used in the study, and the forecasting performance of each model was examined, evaluating behaviors resulting from seasonal fluctuations such as special days and holidays. Findings from the study demonstrate how models can yield different results depending on both daily call traffic and unexpected events. Ultimately, it was concluded that Decision Tree Regression was the model best able to handle complex patterns and sudden traffic changes in the dataset while also being able to generalize well. It was emphasized that careful calibration of parameters and model tuning are important to minimize overfitting risks. It is believed that this study, by providing in-depth insights into the contribution of machine learning predictions to call center management, will contribute to the industry by offering actionable recommendations for improving process planning in call center operations.
Benzer Tezler
- A simulation based decision support system for workforce management in call centers
Çağrı merkezlerinde iş gücü yönetimi için benzetim tabanlı bir karar destek sistemi
BİRGÜL BAŞARIR
Yüksek Lisans
İngilizce
2011
Bilim ve TeknolojiBoğaziçi ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. ASLI ERDEM
- Çağrı merkezlerinde işgücü yönetimi ve bir simülasyon uygulaması
Workforce management in call centers and a simulation based application
SEMİH EDİZ ERDAŞ
- A workforce planning model for fair schedules considering employee satisfaction, service level, and operating cost
Başlık çevirisi yok
ONUR ŞİMŞEK
Yüksek Lisans
İngilizce
2019
Endüstri ve Endüstri MühendisliğiÖzyeğin ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. ÖMER ERHUN KUNDAKCIOĞLU
- Yapay sinir ağları ile çağrı merkezi yük tahmini
Call centre load prediction with artificial neural networks
YUNUS SUR
Yüksek Lisans
Türkçe
2024
İstatistikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. ENGİN YILDIZTEPE
- A decision support system for workforce management in call centers
Çağrı merkezlerinde işgücü yönetimi için bir karar destek sistemi
BURAK GEDİKOĞLU
Yüksek Lisans
İngilizce
2006
Bilim ve TeknolojiBoğaziçi ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
YRD. DOÇ. DR. ASLI ERDEM