Magíster en Gestión de Operaciones / Este proyecto, formó parte del plan de mitigación de clientes morosos implementado por una empresa de telecomunicaciones en el año 2009, dónde una de las líneas de acción estaba enfocada en disminuir la morosidad de los nuevos clientes en su primera factura. Se propuso un modelo que clasifique a los nuevos clientes en pagadores y no pagadores, permitiendo con ello, reorientar recursos y realizar acciones preventivas de morosidad de manera más focalizada y efectiva, las cuales estaban siendo hasta ese momento aplicadas al universo total de nuevos clientes. El éxito de este proyecto requería el compromiso del área de cobranzas, usuaria del modelo, por esto, la elección del modelo consideró aspectos tanto teóricos como prácticos. La simpleza y la fácil ejecución del modelo, idealmente programable, eran variables deseables y decidoras del éxito de éste. Se ejecutó basado en Clasificación Bayesiana por su forma simple de utilizar y presentar una confiabilidad aceptable [17]. Los métodos de inducción bayesiana han demostrado ser una clase de algoritmos tan competitivos como los métodos árboles de decisión y redes neuronales [29], que permiten implementar algoritmos en Wolfram Mathematica 6.0 cuyas sentencias de programación son muy similares al lenguaje C++, permitiendo su programación posterior. El modelo se confeccionó con 42.087 clientes, contratantes entre el 15 de julio y el 15 de octubre del 2009, de estos, 40.087 formaron la base de aprendizaje para calibrar y realizar los cálculos de probabilidades, y 2.000 como base de testing. Los clientes a clasificar en pagadores y no pagadores correspondieron a 9.328, quienes ingresaron a la empresa entre el 16 de Octubre y el 15 de Noviembre del 2009. En base a establecer una probabilidad a priori, se plantea en valores estimados de corte probabilístico basado en la experiencia o un método de clasificación [19], por una probabilidad de corte de 0,4 para clasificar a un cliente pagador por la necesidad que enfrenta la empresa de mejorar el % de clientes morosos en su primera boleta y a la vez reducir los costos actuales involucrados en la cobranza. El modelo clasificó a 2.910 clientes como no pagadores, 2.179 de ellos efectivamente no cancelaron su boleta al vencimiento (75%). Este resultado es compatible con el esperado en el análisis teórico, debido a la eficiencia de los estimadores estimados, como también, el tamaño de los set de datos empleados que en forma teórica respalda los resultados obtenidos con un 80% de confiabilidad. Como trabajo futuro, resulta interesante evaluar el aporte del modelo en la reducción real del porcentaje de clientes morosos al permitir reorientar recursos y focalizarse en ciertos clientes, como a su vez, actualizar la base de aprendizaje de tal forma ir considerando la actualidad al modelo.

No description available.

No description available.

Magíster en Ingeniería de Negocios con Tecnología de Información / Ingeniero Civil Industrial / La industria de las telecomunicaciones se caracteriza por ser altamente competitiva, esto marcado en los últimos años por la cada vez más difícil diferenciación en los productos y servicios ofrecidos. Por esta razón las empresas exitosas de la industria son las que han optado por adquirir ventajas comparativas enfocadas en mejorar la Atención al Cliente . Entel PCS es actualmente la compañía de telecomunicaciones en Chile con la mayor participación en el mercado de clientes de alto valor. Los clientes de Entel PCS que cuentan con planes de suscripción duplican en promedio los retornos de aquellos con prepago. Por otra parte las campañas que fomentan de Migración de Prepago a Suscripción son poco efectivas, ya que los clientes seleccionados se determinan en base a variables básicas como cantidad de dinero recargada y segundos hablados por el cliente. El proyecto propone cambiar el enfoque de cómo se realizan las campañas de migración en la empresa Entel PCS, con el objetivo de generar más migraciones contactando menos clientes. La metodología utilizada para el rediseño de procesos es la ingeniería de negocios que se basa en patrones de procesos y que permite incorporar lógicas de negocios y el diseño del apoyo computacional necesario para su implementación. Para evaluar los resultados se realizó una prueba de concepto, utilizando distintos modelos de aprendizaje supervisado, entrenados utilizando resultados de campañas pasadas y variables de comportamiento de los clientes contactados, donde se corroboró que con la implementación del rediseño planteado se puede aumentar la eficiencia de la campaña hasta en 1,8 veces. La evaluación económica determinó un VAN para el proyecto de $787.744.863.