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 Nişantaşı Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
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
- İlkokul çağı erkek çocuklarında inmemiş testis anomalisi ve insidansı
The anomaly and incidence of cryptorchidism in primary school boys
SERDAR SEZGİN
- Manisa yöresinde domateste anlaşmalı tarım ve karşılaşılan sorunlar
Başlık çevirisi yok
OSMAN MURAT KOÇTÜRK
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiTarım Ekonomisi Ana Bilim Dalı
PROF. DR. METİN TALİM
- Türkiye'de dış borçlanmayı etkileyen faktörler ve dış borçlanmanın ekonomik katkıları
Başlık çevirisi yok
MEHMET AKÇAY
- Halı ipliği yapımında kullanılan yünlerin teknolojik özellikleri üzerinde araştırmalar
Investigations on the technological properties of wools which are used in woollen carpet yarn production
BEKİR YILMAZ
Doktora
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTarım Ürünleri Teknolojisi Ana Bilim Dalı
PROF. DR. MUSTAFA HARMANCIOĞLU
- Kurumlar Vergisi Kanunu açısından sermaye şirketlerinde tasfiye, birleşme, nev'i değiştirme
Başlık çevirisi yok
BİLLUR YALTI