Разработка метода распределения очереди звонков для кол-центра с использованием моделей машинного обучения
Аннотация
Тема выпускной квалификационной работы: Разработка метода распределения очереди звонков для кол–центра с использованием моделей машинного обучения.
Работа выполнена на 82 страницах, содержит 8 таблиц, 45 рисунков, 48 используемых источников.
Актуальность темы заключается в том, что на данный момент технология обзвона клиентов, имеющих просроченную задолженность перед банком, несовершенна. Использование машинного обучения для создания индивидуальной очереди звонков для каждого оператора кол–центра облегчит процесс донесения необходимой информации сотрудниками банка клиентам, увеличит возврат заёмных средств, сохранит и улучшит репутацию банка.
Цель работы ¬¬– разработка метода распределения очереди звонков между операторами кол–центра регионального центра дистанционного взыскания Уральского банка Сбербанка России с использованием моделей машинного обучения.
Для достижения цели поставлены следующие задачи:
изучить методы машинного обучения;
рассмотреть программные продукты для создания моделей машинного обучения;
описать и смоделировать основную деятельность объекта исследования;
построить модель AS–IS, выявить недостатки данной модели, построить модель TO–BE;
разработать план проекта;
разработать метод распределения очереди звонков;
проанализировать результаты;
произвести расчёт экономической эффективности проекта.
Объектом исследования выпускной квалификационной работы является информационная система распределения очереди звонков в региональном центре дистанционного взыскания ПАО «Сбербанк».
Предметом исследования является процесс формирования индивидуальных очередей звонков для операторов регионального центра дистанционного взыскания ПАО «Сбербанк».
В первом разделе рассматриваются общие вопросы: понятие машинного обучения, роль машинного обучения в банковской сфере, виды машинного обучения, рассматриваются средства и технологии создания моделей машинного обучения, этапы разработки, специфика технического задания на разработку.
Второй раздел посвящен общей характеристике предприятия, анализу бизнес–процессов, построению полной модели предприятия, разработке метода распределения очереди, оценке экономической эффективности внедрения метода.
Результаты работы – практическим результатом работы является метод распределения очереди звонков индивидуально для каждого оператора, в основе которого лежат данные операторов и клиентов, разработанного на языке Python с использованием пакетов машинного обучения XGBoost, Scikit–learn, DBSCAN, для регионального центра дистанционного взыскания ПАО «Сбербанк» и расчёт экономической выгоды от внедрения метода, заключающейся в условном высвобождении сотрудников, увеличении количества успешных исходящих звонков, и, как следствие, увеличении возврата заёмных средств.
Работа выполнена на 82 страницах, содержит 8 таблиц, 45 рисунков, 48 используемых источников.
Актуальность темы заключается в том, что на данный момент технология обзвона клиентов, имеющих просроченную задолженность перед банком, несовершенна. Использование машинного обучения для создания индивидуальной очереди звонков для каждого оператора кол–центра облегчит процесс донесения необходимой информации сотрудниками банка клиентам, увеличит возврат заёмных средств, сохранит и улучшит репутацию банка.
Цель работы ¬¬– разработка метода распределения очереди звонков между операторами кол–центра регионального центра дистанционного взыскания Уральского банка Сбербанка России с использованием моделей машинного обучения.
Для достижения цели поставлены следующие задачи:
изучить методы машинного обучения;
рассмотреть программные продукты для создания моделей машинного обучения;
описать и смоделировать основную деятельность объекта исследования;
построить модель AS–IS, выявить недостатки данной модели, построить модель TO–BE;
разработать план проекта;
разработать метод распределения очереди звонков;
проанализировать результаты;
произвести расчёт экономической эффективности проекта.
Объектом исследования выпускной квалификационной работы является информационная система распределения очереди звонков в региональном центре дистанционного взыскания ПАО «Сбербанк».
Предметом исследования является процесс формирования индивидуальных очередей звонков для операторов регионального центра дистанционного взыскания ПАО «Сбербанк».
В первом разделе рассматриваются общие вопросы: понятие машинного обучения, роль машинного обучения в банковской сфере, виды машинного обучения, рассматриваются средства и технологии создания моделей машинного обучения, этапы разработки, специфика технического задания на разработку.
Второй раздел посвящен общей характеристике предприятия, анализу бизнес–процессов, построению полной модели предприятия, разработке метода распределения очереди, оценке экономической эффективности внедрения метода.
Результаты работы – практическим результатом работы является метод распределения очереди звонков индивидуально для каждого оператора, в основе которого лежат данные операторов и клиентов, разработанного на языке Python с использованием пакетов машинного обучения XGBoost, Scikit–learn, DBSCAN, для регионального центра дистанционного взыскания ПАО «Сбербанк» и расчёт экономической выгоды от внедрения метода, заключающейся в условном высвобождении сотрудников, увеличении количества успешных исходящих звонков, и, как следствие, увеличении возврата заёмных средств.