Desarrollo de un modelo predictivo para la estimación de requerimientos en una mesa de servicios de soporte de TI
Fecha
Autores/as
Título de la revista
ISSN de la revista
Título del volumen
Editor
DOI
Resumen
Los servicios de soporte técnico enfrentan el desafío de una demanda variable de solicitudes, lo que complica la planificación de recursos y puede aumentar los tiempos de respuesta cuando la gestión se realiza únicamente de forma reactiva. Mediante la ciencia de datos y el aprendizaje automático, el presente estudio tuvo como objetivo desarrollar un modelo predictivo para estimar el número de solicitudes de un servicio de soporte técnico. La investigación se llevó a cabo utilizando el método CRISP-DM en las fases de comprensión del negocio, comprensión de los datos, preparación de los datos, modelado y evaluación. Se recopilaron datos históricos de 910 observaciones diarias del servicio de soporte de la organización, desde el 25 de enero de 2023 hasta el 22 de julio de 2025. La preparación de los datos se realizó mediante la limpieza, la normalización de fechas, la construcción de una serie temporal continua y la generación de variables temporales para entrenar los modelos predictivos. Se utilizaron tres modelos predictivos: SARIMA, Prophet y XGBoost, los cuales fueron evaluados en términos de MAE, RMSE, MAPE y WAPE. XGBoost obtuvo los MAE, RMSE y WAPE más bajos, mientras que SARIMA obtuvo el MAPE más bajo. Sin embargo, la diferencia entre los dos modelos fue pequeña, lo que indicó que el rendimiento fue similar en los datos que se analizaron. Además, se encontró que los tres modelos son buenos predictores de la tendencia y de la estacionalidad semanal de la demanda, pero tienen dificultades para predecir eventos extraordinarios que no se reflejan en el comportamiento histórico de la serie temporal. En conclusión, se ha demostrado que los modelos predictivos son una herramienta de apoyo para la planificación operativa de un servicio de soporte técnico, al proporcionar proyecciones precisas del comportamiento de la demanda en condiciones normales de operación.






