Resumen:
La evolución de las tecnologías de la información y el conocimiento han provocado un cambio disruptivo empresarial y nuevos modelos de negocio, que se basan principalmente en el acceso ágil y seguro a los datos. Por lo tanto, las empresas de telecomunicaciones se ven en la necesidad de brindar servicios de calidad, que garanticen la continuidad, eficiencia y privacidad en la transmisión de la información. El presente trabajo aborda la problemática de una empresa nacional de telecomunicaciones, que ha detectado bajos índices de disponibilidad e intermitencia en el servicio de datos e internet de sus clientes corporativos, en parte generados por la inadecuada gestión de monitoreo de los enlaces, con alertas y acciones correctivas, que han provocado efectos a la compañía tales como: pérdida de clientes, multas, incremento en los costos de operación, incumplimiento de acuerdos de servicio, disminución de confianza e imagen corporativa, etc. En tal virtud, se propone un modelo predictivo basado en técnicas de minería de datos y aprendizaje automático, que identifique patrones en la información histórica de los equipos de red. Este modelo puede ser empleado para: predecir el comportamiento de los enlaces, detectar posibles cortes, generar alertas tempranas y apoyar proactivamente en la toma de decisiones de la compañía. Se ha utilizado la metodología CRISP-DM para el desarrollo y evaluación del modelo predictivo XG Boost (técnica evolucionada de los Árboles de decisión) en Python Jupyter Notebook. Los resultados son alentadores con una efectividad de hasta un 95.5% de predicción.
