Propuesta de mejora para determinar la satisfacción de los clientes de la empresa Digital Comunicaciones S.A.C. Basado en una aplicación de la minería de datos, Cusco – 2022

• Autor: Apaza Callo, Yuri Renee
• Formato: tesis de maestría
• Fecha de Publicación: 2024
• Institución: Escuela de Posgrado Newman
• Repositorio: NEWMAN-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.epnewman.edu.pe:20.500.12892/1066
• Enlace del recurso: https://hdl.handle.net/20.500.12892/1066
• Nivel de acceso: acceso abierto
• Materia: Minería de datos; Satisfacción al cliente; Propuesta de mejora; https://purl.org/pe-repo/ocde/ford#1.02.00

El presente trabajo de investigación se desarrolló en una de las franquicias de la empresa Digital Comunicaciones S.A.C., ubicada en la ciudad de Quillabamba, provincia de la Convención, departamento del Cusco. Donde se tuvo como principal objetivo elaborar una propuesta de mejora para determinar la satisfacción de los clientes de la empresa Digital Comunicaciones S.A.C. basado en una aplicación de la minería de datos. El estudio se caracteriza por ser una investigación descriptiva y aplicativa con una interacción de datos cuantitativos las cuales estuvieron constituidos por 900 personas encuestadas, datos que ayudaron a obtener información relevante sobre la percepción de la satisfacción de los clientes de la empresa, para luego en base a los resultados obtenidos del análisis lograr plantear una propuesta de mejora; previamente se verifico la viabilidad de varios modelos de minería de datos llegando a aplicar el modelo clasificador MLP (multicapa perceptrón) a través de la metodología CRISP-DM y además de ello se establecen mecanismos de control y seguimiento para garantizar que el modelo de minería de datos seleccionado siga siendo efectivo a lo largo del tiempo. Se pudo determinar que los niveles de la variable satisfacción del cliente de acuerdo al diagnóstico situacional de las personas encuestados mostro como resultado que un 3.89% indican que fue muy buena, el 22.67% buena, el 57.11% regular, el 14.67% mala y el 1.67% muy mala. También se pudo concluir que la adaptabilidad del modelo multicapa perceptrón seleccionado obtuvo las mejores métricas: precisión de 0.80556 y precisión balanceada de 0.826688, siendo el modelo que tiene una mejor performance general en la clasificación de los datos de entrada.