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

Year 2018, Volume: 4 Issue: 3, 161 - 172, 29.10.2018

Sefa Ortakaya Remzi Tuntaş

https://doi.org/10.30855/gjeb.2018.4.3.003

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

• Anderson, D. and Mcneill G. (1992). Artificial Neural Networks Technology, A DACS State- of- the- Art Report. Newyork: Kaman Sciences Corporation.
• Gurney, K. (1997). An Introduction to Neural Networks, London and New York: UCL Press Limited, 15.
• Hagan, M.T., Demuth, H.B., Beale, M.H. and Jesus, O. D. (2014). Neural Network Design (2nd edition). USA: Martin Hagan, 1-8.
• 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.
• 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.
• Sarı, M. (2016). Yapay Sinir Ağları ve Bir Otomotiv Firmasında Satış Talep Tahmini Uygulaması. Yüksek Lisans Tezi. Sakarya Üniversitesi, Fen Bilimleri Enstitüsü, Sakarya.
• Turhan, K., Kurt, B. ve Engin, Y. (2013). Yapay Sinir Ağları ile Öğrenci Başarısı Tahmini. Eğitim ve Bilim, 38 (170).
• Ulusal Meslek Standartlarına Dair Tebliğ. (2013). T.C. Resmi Gazete, 28661 (Mükerrer), 29 Mayıs 2013.
• Yalçın, N. (2012). Sezgisel Algoritma Öğrenmeli Yapay Sinir Ağları ile Epilepsi Hastalığının Teşhisi. Yüksek Lisans Tezi. Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya.
• Yüksel, R. (2014). Altın fiyatlarının yapay sinir ağları ile tahmini ve bir uygulama. Yüksek Lisans Tezi. Dumlupınar Üniversitesi, Sosyal Bilimler Enstitüsü, Kütahya.