Desarrollo de un modelo predictivo del tiempo de espera y demanda de usuarios en una electrificadora

Abstract

En el sector energético, la atención presencial a clientes presenta desafíos operativos debido a la alta variabilidad en los tiempos de espera y la afluencia diaria de usuarios. En la oficina principal de una electrificadora, se identificaron tiempos de espera de hasta cuatro horas y una incapacidad para anticipar la demanda, lo cual afecta la satisfacción del cliente y la eficiencia en la asignación de recursos. Este estudio abordó la problemática mediante el análisis de más de 100.000 registros históricos y la aplicación de la metodología CRISP-DM para desarrollar dos modelos predictivos: uno basado en XGBoost para estimar el tiempo de espera de cada usuario, y otro mediante el modelo Prophet para prever la demanda diaria. Los resultados mostraron que XGBoost alcanzó un buen equilibrio entre precisión y generalización (RMSE ≈ 13 minutos), mientras que Prophet logró un MAPE inferior al 20%, identificando patrones semanales y el efecto de días festivos. Estos hallazgos permiten establecer una base sólida para mejorar la planificación operativa, optimizar la distribución del personal y reducir la incertidumbre en la experiencia de atención al cliente.