Estimation of Monthly Performance of Call Center Employees with Artificial Neural Networks Assistance

Abstract

Rapid developments in information technologies have gone beyond innovation to a destructive dimension. This dimension has led to a broad research area for artificial intelligence applications. Today, significant progress has been made in the use of artificial intelligence technologies. Artificial Neural Network (ANN) technology has been developed by inspiring the human brain system. Artificial neural networks are considered to be the artificial intelligence technologies that have been acquired by computers and machines for their ability to learn from the functions of the human brain, and thus the theoretical framework of artificial neural networks such as the ability to make predictions and predictions of the future using learning through the past is studied. In this regard, ANN is the model of the biological nervous system in mathematical architecture. Superiority of forecasting performance ANN has been successfully used in many areas. In this study, call center employees' work performance for the next month was estimated with the aid of ANN. The performance of customer / citizen representatives working in call centers with ANN methodology was estimated by trying to avoid the findings and results.

The basic condition for the success of the companies in the call center sector and for managers to make sound decisions is to know in advance what to do. For this purpose, the performance data of the personnel working in the call centers of the past month were obtained as hourly. Then, we use ANN as a predictor and use the backpropagation algorithm with the existing data obtained to construct the appropriate ANN architecture. The network parameters are determined by trial and error method. In the final stage, the successful performance of the personnel working at the call centers by using these appropriate ANNs which have been trained and tested successfully was predicted successfully and appropriate analyzes and evaluations were made. As a result, the methodology of forecasting modeling artificial neural networks in this study has been taken into consideration and the results have been successfully obtained with the findings of estimating the performance of the employees employed in the call center sector. According to the output obtained, this study has shown very serious possibilities for establishing optimum working conditions and maximizing efficiency, which will enable call centers or managers in similar sectors to make correct and healthy decisions for the future.

Keywords

• Artificial Neural Networks,Call Centers,Forecasting Performance

Çağrı Merkezi Çalışanlarının Aylık Performanslarının Yapay Sinir Ağları Yardımı İle Tahmin Edilmesi

Abstract

Bilgi teknolojilerindeki hızlı gelişmeler inovasyonun da ötesine geçerek yıkıcı bir boyuta ulaşmıştır. Bu boyut yapay zeka uygulamalarına yönelik geniş bir araştırma alanına yön vermiştir. Günümüzde yapay zeka teknolojilerinin kullanımında önemli ölçüde ilerleme kaydedilmiştir. İnsana özgü olan biyolojik beyin sisteminden ilham alınarak Yapay Sinir Ağ (YSA) teknolojisi ortaya çıkarılmıştır. Yapay sinir ağları insan beyninin fonksiyonlarından olan öğrenme yeteneğinin bilgisayarlara ve makinelere kazandırıldığı yapay zeka teknolojilerinden olduğu, bu nedenle yapay sinir ağlarının geçmişteki örnekleri öğrenme yoluyla kullanarak geleceğe ait yorumlar ve tahminler yapabilme özelliği gibi kuramsal çerçeve ele alınmıştır. Bu bakımdan YSA biyolojik sinir sisteminin matematiksel mimarideki modellemesidir. Tahmin performanslarının üstün olması YSA'lara birçok alanda başarılı bir şekilde kullanım alanları sağlamıştır. Bu çalışmada ise çağrı merkezi çalışanlarının sonraki aylara yönelik çalışma performansları YSA yardımı ile tahmin edilmiştir. YSA yöntem bilimi ile çağrı merkezlerinde çalışan müşteri/vatandaş temsilcilerinin performansı tahmin edilerek bulgular ve sonuçlar elde edilmeye çalışılmıştır.

Çağrı merkezi sektöründeki firmaların başarılı olmasında ve yöneticilerin sağlıklı kararlar almasında temel koşul, neler yapılacağının önceden bilinmesidir. Bunun için öncelikle çağrı merkezlerinde çalışan personelin geçmiş aylara ait çalışma performans verileri saat olarak elde edilmiştir. Daha sonra tahmin amaçlı olarak kullanacağımız uygun YSA mimarisini oluşturmak için elde edilen mevcut veriler ile geri yayılım algoritması kullanılarak YSA eğitilmiş ve deneme yanılma yöntemiyle ağ parametreleri tespit edilmiştir. Nihai aşamada ise başarılı bir şekilde eğitilmiş ve test edilmiş olan bu uygun YSA'lar kullanılarak çağrı merkezlerinde çalışan personellerin daha sonraki aylara ait çalışma performansları başarılı bir şekilde tahmin edilerek uygun analiz ve değerlendirmeler yapılmıştır. Sonuç olarak bu çalışmada öngörü modellemesi tekniği olan yapay sinir ağları metodolojisi ele alınarak, çağrı merkezi sektöründe istihdam edilen

çalışanların performanslarının tahmin edilmesine yönelik bulgularla sonuçlar başarılı bir şekilde elde edilmiştir. Elde edilen çıktılara göre bu çalışma göstermiştir ki çağrı merkezleri veya benzer sektörlerdeki yöneticilerin geleceğe dönük doğru ve sağlıklı kararlar alabilmelerini sağlayacak olan optimum çalışma şartlarının oluşturulması ve maksimum verimin alınabilmesi için çok ciddi imkanlar sağlamaktadır.

Keywords

• Yapay Sinir Ağları,Çağrı Merkezleri

References

1. Anderson, D. and Mcneill G. (1992). Artificial Neural Networks Technology, A DACS State- of- the- Art Report. Newyork: Kaman Sciences Corporation.
2. Gurney, K. (1997). An Introduction to Neural Networks, London and New York: UCL Press Limited, 15.
3. Hagan, M.T., Demuth, H.B., Beale, M.H. and Jesus, O. D. (2014). Neural Network Design (2nd edition). USA: Martin Hagan, 1-8.
4. Kishore, R. and Kaur, T. (2012). Backpropagation Algorithm: An Artificial Neural Network Approach for Pattern Recognition. International Journal of Scientific & Engineering Research,3(6): 3.
5. Li, J., Cheng, J.H., Shi, J.Y and Huang, F. (2012). Brief Introduction of Back Propagation (BP) Neural Network Algorithm and Its Improvement. Advances in CSIE, 2 (169): 553–558.
6. Sarı, M. (2016). Yapay Sinir Ağları ve Bir Otomotiv Firmasında Satış Talep Tahmini Uygulaması. Yüksek Lisans Tezi. Sakarya Üniversitesi, Fen Bilimleri Enstitüsü, Sakarya.
7. Turhan, K., Kurt, B. ve Engin, Y. (2013). Yapay Sinir Ağları ile Öğrenci Başarısı Tahmini. Eğitim ve Bilim, 38 (170).
8. Ulusal Meslek Standartlarına Dair Tebliğ. (2013). T.C. Resmi Gazete, 28661 (Mükerrer), 29 Mayıs 2013.

9. Yalçın, N. (2012). Sezgisel Algoritma Öğrenmeli Yapay Sinir Ağları ile Epilepsi Hastalığının Teşhisi. Yüksek Lisans Tezi. Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya.
10. Yüksel, R. (2014). Altın fiyatlarının yapay sinir ağları ile tahmini ve bir uygulama. Yüksek Lisans Tezi. Dumlupınar Üniversitesi, Sosyal Bilimler Enstitüsü, Kütahya.