Objetivo

Los agentes en los centros de llamadas en las compañías de telecomunicaciones desempeñan un papel crucial en la experiencia del cliente y en la reputación de la empresa. Su capacidad para resolver problemas, brindar asistencia y ofrecer soluciones marca la diferencia entre una interacción positiva y otra insatisfactoria que afecta la fidelidad del cliente. Es por ello por lo que la evaluación de agentes es fundamental para garantizar un servicio de alta calidad y alineado con los objetivos de la empresa.

En este trabajo de investigación se ha propuesto una metodología empleando un modelo de agrupación de agentes para diferenciar según su rendimiento. Se ha contado con un conjunto de datos compuesto por millones de llamadas en el último año de operación de MasOrange, a partir de los cuáles se han extraído los indicadores clave de rendimiento para cada agente en la empresa. Sobre estos datos se aplican técnicas de reducción de la dimensionalidad para transformar el espacio inicial de alta dimensionalidad a un espacio de tres dimensiones conservando gran parte de la varianza explicada. Posteriormente, se prueban distintos algoritmos de aprendizaje automático de clustering basados en densidad y métodos de detección de anomalías, de entre los cuales DBSCAN es el que mejor resultados.

Los resultados obtenidos indican que existen dos grupos de agentes, aquellos que se encuentran en la normalidad y aquellos que rinden peor que la media. Desde el punto de vista empresarial es importante entender y educar a aquellos agentes que se encuentran en el segundo grupo para mejorar la experiencia de usuario.

TRABAJO FIN DE GRADO DE:

SANTIAGO KIRIL CENKOV STOYANOV

Experiencia Académica

  • Grado en Ingeniería Informática, Universidad Carlos III de Madrid (septiembre 2021 – septiembre 2025)

     

     

    Experiencia Laboral

    • Product Analyst – MasOrange (septiembre 2025 – actualidad)
    • Machine Learning Researcher – Universidad Carlos III de Madrid en colaboración con Grupo MasOrange (septiembre 2024 — junio 2025)


    Habilidades técnicas

    • Lenguajes de programación: Python, C/C++, SQL, HTML/CSS, JavaScript.
    • Librerías de desarrollo: Pandas, Numpy, Tensorflow, Keras, Sci-kit Learn, pymcdm, Scipy.
    • Plataformas Cloud: Google Cloud, BigQuery.
    • Frameworks: GitHub, GitLab.