Modelo predictivo para optimizar la calidad del servicio en PayJoy INC

Abstract

El presente proyecto tiene como objetivo diseñar e implementar un modelo predictivo utilizando Python y la herramienta MODE para anticipar errores recurrentes en las interacciones de servicio al cliente en PayJoy Inc. A través del análisis de datos históricos provenientes de plataformas como Klaus y Zendesk, se identificaron patrones de comportamiento y variables críticas asociadas a errores operativos. La metodología empleó algoritmos de machine learning, como árboles de decisión y random forest, evaluando su desempeño mediante métricas como precisión y F1-score. Los resultados obtenidos evidencian la viabilidad del uso de modelos predictivos como herramienta para optimizar la calidad del servicio, incrementar la satisfacción del cliente y apoyar la toma de decisiones basadas en datos.