Please use this identifier to cite or link to this item: http://cuir.car.chula.ac.th/handle/123456789/58329
Title: การพยากรณ์ปริมาณสายโทรเข้าสำหรับศูนย์บริการลูกค้าธนาคารพาณิชย์
Other Titles: FORECASTING OF INCOMING CALLS IN A COMMERCIAL BANK SERVICE CALL CENTER
Authors: ศิริเทพ จันทร์บุญแก้ว
Advisors: วิภาวี ธรรมาภรณ์พิลาศ
Other author: จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
Advisor's Email: Wipawee.T@Chula.ac.th,wipawee.tha@gmail.com,wipawee.t@chula.ac.th
Issue Date: 2560
Publisher: จุฬาลงกรณ์มหาวิทยาลัย
Abstract: งานวิจัยนี้มีจุดประสงค์จะพัฒนาเทคนิคการพยากรณ์ปริมาณสายโทรเข้าของธนาคารพาณิชย์สำหรับรายเดือนและรายวันของกลุ่มบริการ 5 กลุ่มบริการ ได้แก่ กลุ่มบริการบัตรเครดิต กลุ่มบริการอิเล็กทรอนิกส์และบัตรกดเงินสด กลุ่มบริการข้อมูลบัญชีเงินฝาก กลุ่มบริการอายัดบัญชี และกลุ่มบริการสำหรับกลุ่มลูกค้าพิเศษ สำหรับการพยากรณ์รายเดือนทำการเปรียบเทียบระหว่าง วิธีเฉลี่ยเคลื่อนที่อย่างง่าย (Simple Moving Average) วิธีปรับให้เรียบเอ็กโปเนนเชียล (Exponential Smoothing Methods) วิธีการของบอกซ์-เจนกินส์ (ARIMA) และวิธีปัจจุบันของธนาคาร ผลการวิจัยพบว่าการพยากรณ์รายเดือน สำหรับกลุ่มบริการบัตรเครดิต กลุ่มบริการอิเล็กทรอนิกส์และบัตรกดเงินสด กลุ่มบริการข้อมูลบัญชีเงินฝาก กลุ่มบริการอายัดบัญชี และกลุ่มบริการสำหรับกลุ่มลูกค้าพิเศษด้วยวิธีการพยากรณ์แบบบอกซ์-เจนกินส์ให้ค่าพยากรณ์ที่ดีที่สุดเกือบทุกกรณี เมื่อวัดด้วยค่ารากที่สองของค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Squared Error: RMSE) มีค่าลดลงจาก 31,239.99 51,653.49 17,962.78 9,096.84 และ 6,375.80 เป็น 22,233.65 34,491.97 15,058.23 7,683.65 และ 4,264.49 ตามลำดับ และค่าร้อยละของค่าสัมบูรณ์ของค่าความคลาดเคลื่อน (Mean Absolute Percentage Error: MAPE) มีค่าลดลงจาก 9.25% 13.22% 9.52% 8.38% และ 6.18% เป็น 6.58% 8.15% 7.27% 4.43% และ 4.66% ตามลำดับ สำหรับการพยากรณ์รายวัน ทำการคำนวณหาดัชนีรายวันจากข้อมูลในอดีต จากนั้นทำการพยากรณ์ปริมาณสายรายวันโดยการนำดัชนีรายวันไปคูณกับค่าเฉลี่ยรายวันจากผลของการพยากรณ์รายเดือนที่ดีที่สุด ผลการวิจัยพบว่า เมื่อวัดด้วยค่า RMSE ลดลงจาก 1,303.92 2,327.07 773.19 749.16 และ 416.37 เป็น 1,115.52 2,187.68 613.67 710.40 และ 326.63 ตามลำดับ เมื่อวัดด้วยค่า MAPE ลดลงจาก 11.74% 17.26% 12.63% 9.74% และ 11.79% เป็น 10.17% 16.58% 10.43% 9.16% และ 9.43% ตามลำดับ
Other Abstract: The purpose of this research is to develop the forecast models for monthly and daily incoming calls at a call center of a commercial bank. Calls can be classified into 5 groups which are Credit Card, Electronics & ATM, Account, Suspend and Personal Privilege Service. For monthly forecast, this research compares among the Simple Moving Average method, Exponential Smoothing method, Box-Jengins method (ARIMA) and the current method that bank uses. The results show that Box-Jengins method provides the best forecast in most cases. For Credit Card, Electronics & ATM, Account, Suspend and Personal Privilege Service, Root Mean Squared Errors reduce from 31,239.99 51,653.49 17,962.78 9,096.84 and 6,375.80 to 22,233.65 34,491.97 15,058.23 7,683.65 and 4,264.49 respectively. In addition, Mean Absolute Percentage Errors decrease from 9.25% 13.22% 9.52% 8.38% and 6.18% to 6.58% 8.15% 7.27% 4.43% and 4.66% respectively. For daily forecast, daily seasonal indices are calculated based on historical data. Then, daily forecast come from the multiplication of daily average from the best monthly forecast and daily index. This research found that the Root Mean Squared Errors decrease from 1,303.92 2,327.07 773.19 749.16 and 416.37 to 1,115.52 2,187.68 613.67 710.40 and 326.63 respectively. Furthermore, Mean Absolute Percentage Errors decrease from 11.74% 17.26% 12.63% 9.74% and 11.79% to 10.17% 16.58% 10.43% 9.16% and 9.43% respectively.
Description: วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2560
Degree Name: วิศวกรรมศาสตรมหาบัณฑิต
Degree Level: ปริญญาโท
Degree Discipline: วิศวกรรมอุตสาหการ
URI: http://cuir.car.chula.ac.th/handle/123456789/58329
Type: Thesis
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
5870361121.pdf7.76 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.