{"id":1727,"date":"2026-03-17T15:23:53","date_gmt":"2026-03-17T20:23:53","guid":{"rendered":"https:\/\/strata-analytics.us\/?post_type=customer-story&p=1727"},"modified":"2026-04-29T16:26:39","modified_gmt":"2026-04-29T21:26:39","slug":"btc-standardized-daily-survey-process","status":"publish","type":"customer-story","link":"https:\/\/strata-analytics.us\/es\/customer-story\/btc-standardized-daily-survey-process\/","title":{"rendered":"Proceso de encuesta diaria estandarizado de BTC"},"content":{"rendered":"

El desaf\u00edo<\/h3>\n\n\n\n

La empresa se propuso desarrollar un proceso estandarizado de encuestas diarias de satisfacci\u00f3n para el Net Promoter Score (NPS). Sin embargo, el Net Promoter Score relacional (rNPS) se subcontrat\u00f3 y carec\u00eda de la flexibilidad necesaria para el negocio. No se alcanzaron las tasas de respuesta mensuales previstas. Adem\u00e1s, los procesos de cuarentena y bloqueo no dieron los resultados esperados.<\/p>\n\n\n\n

Para satisfacer las necesidades de diversas fuentes de datos, la soluci\u00f3n debe admitir tanto el NPS transaccional (tNPS) como el NPS de producto (pNPS). El muestreo estratificado resulta esencial tanto para el rNPS como para el pNPS.<\/p>\n\n\n\n

Adem\u00e1s, se requieren al menos siete puntos de contacto diferentes para tNPS. Para mejorar la recopilaci\u00f3n de datos, la base de datos debe incluir direcciones de correo electr\u00f3nico y n\u00fameros de tel\u00e9fono v\u00e1lidos para garantizar el contacto y reducir el desperdicio. Para la gesti\u00f3n de los enlaces de las encuestas, un proveedor externo (Medallia) supervisar\u00e1 el proceso, optimizando las operaciones y aumentando la eficiencia general.<\/p>\n\n\n\n

\u00bfPor qu\u00e9 AWS?<\/h3>\n\n\n\n

BTC integr\u00f3 con \u00e9xito todas las fuentes de datos y la generaci\u00f3n de tablas en el entorno de AWS, creando un lago de datos centralizado para consultas y an\u00e1lisis por parte del equipo de an\u00e1lisis. La soluci\u00f3n m\u00e1s sencilla para crear un proceso estandarizado de encuestas diarias para NPS se encontr\u00f3 en el vers\u00e1til conjunto de herramientas de AWS. Aprovechando la experiencia de Strata en AWS, se estableci\u00f3 una canalizaci\u00f3n de datos optimizada que gestiona de manera eficiente los nuevos datos, el preprocesamiento y la generaci\u00f3n de muestras de clientes espec\u00edficas.
En resumen, la combinaci\u00f3n de la visi\u00f3n de BTC y la destreza de AWS, junto con la experiencia de Strata, dio como resultado una soluci\u00f3n extraordinaria que potenci\u00f3 las iniciativas de la organizaci\u00f3n basadas en datos.<\/p>\n\n\n\n

<\/p>\n\n\n\n

Por qu\u00e9 el cliente seleccion\u00f3 al socio<\/h3>\n\n\n\n

En un proyecto anterior, Strata se asoci\u00f3 con BTC para desarrollar un Data Lake integral en AWS. Tambi\u00e9n creamos procesos para mapear diversas fuentes de datos, establecer mecanismos para la carga de datos, verificar la coherencia de los datos y crear tablas anal\u00edticas dentro del entorno de AWS. El despliegue exitoso de esta soluci\u00f3n basada en AWS sent\u00f3 una base s\u00f3lida para nuestra experiencia en la gesti\u00f3n del modelo actual solicitado.<\/p>\n\n\n\n

La elecci\u00f3n de Strata como socio preferente para este proyecto estuvo plenamente justificada. Nuestra experiencia en el dise\u00f1o de soluciones AWS integrales para el sector de las telecomunicaciones y otros \u00e1mbitos nos convierte en la opci\u00f3n ideal para esta tarea. Aportamos un amplio conocimiento y experiencia, lo que garantiza resultados excepcionales tambi\u00e9n en este proyecto.<\/p>\n\n\n\n

<\/p>\n\n\n\n

Soluci\u00f3n de socio<\/h3>\n\n\n\n

La soluci\u00f3n propuesta se basa en extraer informaci\u00f3n del ADN de los clientes B2C de pospago, fijo y prepago para crear un conjunto de datos completo. Las condiciones para crear el conjunto de datos var\u00edan entre tNPS, rNPS y pNPS. Mientras que tNPS se basa en las acciones de los clientes del d\u00eda anterior (hace 7 d\u00edas), rNPS y pNPS no; se incluyen todos los clientes con actividad en el ADN.<\/p>\n\n\n\n

Esta soluci\u00f3n se rige por un orden de prioridad diario: primero se reservan los clientes para los puntos de contacto de alta prioridad, como t-onboarding, t-install y otros. A continuaci\u00f3n, se aborda rNPS, luego los puntos de contacto de menor prioridad, como t-change, y finalmente se eval\u00faa pNPS.<\/p>\n\n\n\n

La soluci\u00f3n emplea un enfoque de varias etapas. Esta es la secuencia en la que se ejecut\u00f3:<\/p>\n\n\n\n

1. Muestreo de filtros de inteligencia empresarial: Este proceso consiste en tomar el conjunto de datos creado para todo el proceso NPS y aplicar filtros basados en la base de datos de clientes en cuarentena y la lista negra. El resultado es la base de datos "Espacio de muestra". Solo se seleccionan los clientes con al menos un m\u00e9todo de contacto, como correo electr\u00f3nico o tel\u00e9fono m\u00f3vil.<\/p>\n\n\n\n

2.a. Para tNPS: Filtros de atenci\u00f3n al cliente para el muestreo: Partiendo del archivo de espacio de muestra, se filtran a\u00fan m\u00e1s los clientes, conservando solo aquellos que cumplen con criterios de elegibilidad espec\u00edficos para cada punto de contacto. El resultado es una base de datos de clientes potenciales para encuestar.<\/p>\n\n\n\n

2.b. Para rNPS y pNPS: Muestreo de filtros de atenci\u00f3n al cliente: Partiendo de los resultados del paso anterior, se vuelve a filtrar a los clientes para conservar solo un subconjunto espec\u00edfico. La elegibilidad del cliente se determina seg\u00fan el n\u00famero objetivo de clientes que se identificar\u00e1n al final del mes, de acuerdo con el proceso de "autoescalado" que se describe m\u00e1s adelante.<\/p>\n\n\n\n

3. Los clientes seleccionados de los diferentes procesos (rNPS, tNPS y pNPS) se combinan y se a\u00f1aden las variables de inter\u00e9s pertinentes. Posteriormente, este archivo se env\u00eda a Medallia para realizar las encuestas.<\/p>\n\n\n\n

Para rNPS y pNPS, se crea un proceso llamado Autoescalado para ajustar autom\u00e1ticamente la cantidad de encuestas que se enviar\u00e1n durante el resto del mes en funci\u00f3n de la cantidad de respuestas recibidas en los d\u00edas anteriores.<\/p>\n\n\n\n

El proceso de escalado autom\u00e1tico se define estableciendo un n\u00famero fijo de respuestas por producto al mes, con el objetivo de alcanzarlo al final del mes. Las encuestas se env\u00edan desde el primer d\u00eda h\u00e1bil del mes; sin embargo, por razones obvias, no todos los clientes responden. Aqu\u00ed es donde entra en juego el proceso de escalado autom\u00e1tico, que trabaja para obtener las respuestas necesarias antes de que finalice el mes, determinando diariamente cu\u00e1ntas encuestas deben enviarse.<\/p>\n\n\n\n

<\/p>\n\n\n\n

Arquitectura HL<\/h3>\n\n\n\n
\"\"<\/figure>\n\n\n\n

<\/p>\n\n\n\n

Debido al elevado volumen diario de datos, se requer\u00eda un sistema de procesamiento de datos distribuido, y AWS Glue para Apache Spark fue el mejor servicio para satisfacer las necesidades del cliente.<\/p>\n\n\n\n

Las fuentes de datos mencionadas anteriormente se procesan mediante un evento programado, y un trabajo ETL de AWS Glue se ejecuta para filtrar y limpiar cuidadosamente los datos, descartando las entradas incompletas o claramente err\u00f3neas. Adem\u00e1s, se aplican filtros de clientes en la lista negra y en cuarentena (en ese orden). La base de datos de la lista negra es generada por Amazon Athena a partir de las encuestas de retroalimentaci\u00f3n recibidas y se actualiza diariamente.<\/p>\n\n\n\n

El marco de muestra, que es el primer conjunto de datos "limpio" en el \u00e1rea de preparaci\u00f3n, es creado por el proceso de trabajo de AWS Glue y sirve como entrada para la siguiente actividad de filtros CC de muestreo. Siguiendo el orden de prioridad, el conjunto de datos generado act\u00faa como una muestra maestra, y los puntos de contacto de alta prioridad, rNPS, los puntos de contacto de baja prioridad y pNPS se procesan secuencialmente. Tanto los procesos pNPS como rNPS est\u00e1n sujetos al escalado autom\u00e1tico. El proceso de escalado autom\u00e1tico, junto con la generaci\u00f3n de salidas para tNPs, pNPS y rNPS, se ejecuta utilizando trabajos de AWS Glue para Apache Spark, conectados al cat\u00e1logo de datos de AWS Glue, y almacena los datos particionados en el bucket del proyecto. De manera similar a la lista negra, el proceso de escalado autom\u00e1tico se basa en la retroalimentaci\u00f3n recibida, ajustando la cantidad de usuarios a contactar seg\u00fan un algoritmo matem\u00e1tico simple.<\/p>\n\n\n\n

Una vez creado el conjunto de datos que se va a contactar, se activa una m\u00e1quina de estados de AWS Step Functions para coordinar el proceso posterior, que completa cada encuesta con informaci\u00f3n adicional, principalmente mediante AWS Lambda y Amazon Athena. Al finalizar, se generan archivos de salida en formato CSV y se almacenan en un bucket de Amazon S3 designado con una pol\u00edtica de ciclo de vida. Este script activa un evento a trav\u00e9s de Amazon Simple Notification Service (SNS). Estos archivos se env\u00edan diariamente y se registran en el cat\u00e1logo de datos de AWS Glue.<\/p>\n\n\n\n

Una vez que la empresa que realiza las encuestas completa el proceso NPS, el archivo CSV resultante se publica en un bucket espec\u00edfico de Amazon S3. El tema de Amazon SNS correspondiente activa una funci\u00f3n de AWS Lambda que actualiza los resultados de la encuesta y, simult\u00e1neamente, crea un archivo en el cat\u00e1logo de datos de AWS Glue para agregar la informaci\u00f3n al DNA. Esto sirve como retroalimentaci\u00f3n para todo el ciclo y proporcionar\u00e1 el conjunto de datos que Amazon Quicksight utilizar\u00e1 en el futuro.<\/p>\n\n\n\n

<\/p>\n\n\n\n

\n

Resultados<\/h3>\n\n\n\n

La soluci\u00f3n implementada es totalmente autom\u00e1tica; cuando se dispone de nueva informaci\u00f3n, se activa todo el proceso, generando un resultado en aproximadamente 45 minutos. La soluci\u00f3n se dise\u00f1\u00f3 para ser flexible, permitiendo posibles modificaciones en el orden de ejecuci\u00f3n y las prioridades en el futuro sin mayores inconvenientes.<\/p>\n<\/div>\n\n\n\n

<\/p>\n\n\n\n

Pr\u00f3ximos pasos<\/h3>\n\n\n\n

Los siguientes pasos tienen como objetivo generar una orquestaci\u00f3n casi en tiempo real, similar a la que implica env\u00edos tres veces al d\u00eda para los puntos de contacto: t-Installs (instalaciones), t-Install self-service (instalaciones realizadas por el cliente) y t-Truck rolls (reparaciones). Esto se lograr\u00e1 mediante la utilizaci\u00f3n directa de las actualizaciones en tiempo real de las \u00d3rdenes de Servicio (SO).<\/p>","protected":false},"excerpt":{"rendered":"

Bahamas Telecommunications Company (BTC) es una empresa l\u00edder en telecomunicaciones con sede en las Bahamas. Para satisfacer su necesidad de un proceso estandarizado de encuestas diarias de satisfacci\u00f3n mediante el Net Promoter Score (NPS), Strata desarroll\u00f3 una innovadora soluci\u00f3n automatizada. Durante la implementaci\u00f3n, nos centramos en crear un marco escalable que integrara de manera eficiente diversos tipos de encuestas. Gracias a nuestra soluci\u00f3n, BTC ahora puede realizar f\u00e1cilmente encuestas diarias de NPS, obteniendo informaci\u00f3n valiosa y mejorando la satisfacci\u00f3n del cliente.<\/p>","protected":false},"featured_media":3811,"parent":0,"template":"","meta":{"_acf_changed":false,"inline_featured_image":false,"advanced_seo_description":"","jetpack_seo_html_title":"","jetpack_seo_noindex":false,"footnotes":""},"categories":[1372],"class_list":["post-1727","customer-story","type-customer-story","status-publish","has-post-thumbnail","hentry","category-telco"],"acf":[],"jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/customer-story\/1727","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/customer-story"}],"about":[{"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/types\/customer-story"}],"version-history":[{"count":9,"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/customer-story\/1727\/revisions"}],"predecessor-version":[{"id":4398,"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/customer-story\/1727\/revisions\/4398"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/media\/3811"}],"wp:attachment":[{"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/media?parent=1727"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/categories?post=1727"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}