Modelo predictivo para mejorar la eficiencia en los tiempos de respuesta a las PQRS en una entidad de créditos de modalidad de libranza
Fecha
Autor corporativo
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Distrital Francisco José de Caldas
Compartir
Altmetric
Resumen
Credit entities under the payroll loan modality face issues related to response times for PQRS (petitions, complaints, claims, and suggestions) due to a lack of automation in the classification and categorization of requests. This results in human errors, inadequate responses, and customer dissatisfaction. Furthermore, failure to meet response deadlines can lead to legal sanctions, financial losses, and damage to the entities' reputation. To address this issue, it is proposed to implement a predictive classification model based on keywords to automate the assignment of categories in PQRS. This model will reduce errors, optimize response times, and identify recurring patterns in requests, enabling improved customer service.
Descripción
Las entidades de crédito bajo la modalidad de libranza enfrentan problemas relacionados con los tiempos de respuesta a las PQRS, debido a la falta de automatización en la clasificación y tipificación de las solicitudes. Esto genera errores humanos, respuestas inadecuadas e insatisfacción en los clientes. Además, el incumplimiento en los tiempos puede acarrear sanciones legales y pérdidas económicas, afectando la reputación de las entidades. Para resolver esta problemática, se propone implementar un modelo predictivo de clasificación basado en palabras clave, que automatice la asignación de categorías en las PQRS. Este modelo reducirá errores, optimizará los tiempos de respuesta e identificará patrones recurrentes en las solicitudes, permitiendo una mejor atención al cliente.
Palabras clave
Modelos predictivos, Créditos de libranza, Peticiones, Quejas, Reclamo, Palabras clave