Mostrar el registro sencillo del ítem

dc.contributor.advisorCortes Perez, Danitza Maria
dc.coverage.spatialcead_-_josé_acevedo_y_gómez
dc.creatorGomez Muñoz, Nelson
dc.date.accessioned2025-06-21T06:42:52Z
dc.date.available2025-06-21T06:42:52Z
dc.date.created2025-06-05
dc.identifier.urihttps://repository.unad.edu.co/handle/10596/70227
dc.description
dc.description.abstractEste proyecto desarrolló un modelo de aprendizaje automático basado en árboles de decisión para predecir la productividad de los asesores de canal presencial en una empresa de telecomunicaciones. La metodología comprendió cuatro fases: (1) definición de variables clave; (2) recopilación y preprocesamiento de datos; (3) entrenamiento y validación del modelo; y (4) diseño de estrategias de optimización. El modelo final alcanzó una puntuación F1 macro del 74 % y una precisión general del 82 %. Con base en estos resultados, se implementó un plan de acción que incluye un dashboard para seguimiento y programas de capacitación e incentivos específicos para impulsar la productividad. El modelo garantiza una mejora continua, lo que facilita la toma de decisiones estratégicas basadas en datos.
dc.formatpdf
dc.titleDiseño de un modelo de productividad: estrategia para mejorar la eficiencia en ventas del canal presencial de una empresa de telecomunicaciones
dc.typeProyecto aplicado
dc.subject.keywordsProductividad
dc.subject.keywordsMachine Learning
dc.subject.keywordsÁrbol de decisión
dc.subject.keywordsTelecomunicaciones
dc.subject.keywordsPredicciones
dc.description.abstractenglishThis project developed a decision-tree-based machine learning model to predict the productivity of in-person channel advisors at a telecommunications company. The methodology comprised four phases: (1) defining key variables; (2) collecting and preprocessing data; (3) training and validating the model; and (4) designing optimization strategies. The final model achieved a macro F1-score of 74% and an overall accuracy of 82%. Based on these results, an action plan was implemented, including a real-time monitoring dashboard and targeted training and incentive programs to boost productivity. The model also establishes a continuous improvement cycle, enabling data-driven strategic decision-making.
dc.subject.categoryMachine Learning
dc.subject.categoryProductividad Empresarial
dc.subject.categoryGestión Comercial en Telecomunicaciones
dc.subject.categoryCiencia de Datos


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem