Segmentación de clientes activos de una entidad financiera empleando el algoritmo de K-means y árbol de decisión

Descripción del Articulo

Actualmente la Institución Financiera ha identificado a clientes según su interacción con los canales físicos y digitales, entre clientes activos (42%) y clientes inactivos (58%), por lo cual es fundamental poder realizar acciones comerciales diferenciadas sobre este universo de clientes. Se define...

Descripción completa

Detalles Bibliográficos
Autor: Cisterna Molloco, César Enrique
Formato: tesis de grado
Fecha de Publicación:2021
Institución:Universidad Nacional Mayor de San Marcos
Repositorio:UNMSM-Tesis
Lenguaje:español
OAI Identifier:oai:cybertesis.unmsm.edu.pe:20.500.12672/17359
Enlace del recurso:https://hdl.handle.net/20.500.12672/17359
Nivel de acceso:acceso abierto
Materia:Algoritmos
Análisis cluster - Procesamiento de datos
Relaciones con los clientes - Procesamiento de datos
Minería de datos
Arboles de decisión
https://purl.org/pe-repo/ocde/ford#1.01.03
id UNMS_f165500676a86e3ac96371e3d1c0c787
oai_identifier_str oai:cybertesis.unmsm.edu.pe:20.500.12672/17359
network_acronym_str UNMS
network_name_str UNMSM-Tesis
repository_id_str 410
dc.title.none.fl_str_mv Segmentación de clientes activos de una entidad financiera empleando el algoritmo de K-means y árbol de decisión
title Segmentación de clientes activos de una entidad financiera empleando el algoritmo de K-means y árbol de decisión
spellingShingle Segmentación de clientes activos de una entidad financiera empleando el algoritmo de K-means y árbol de decisión
Cisterna Molloco, César Enrique
Algoritmos
Análisis cluster - Procesamiento de datos
Relaciones con los clientes - Procesamiento de datos
Minería de datos
Arboles de decisión
https://purl.org/pe-repo/ocde/ford#1.01.03
title_short Segmentación de clientes activos de una entidad financiera empleando el algoritmo de K-means y árbol de decisión
title_full Segmentación de clientes activos de una entidad financiera empleando el algoritmo de K-means y árbol de decisión
title_fullStr Segmentación de clientes activos de una entidad financiera empleando el algoritmo de K-means y árbol de decisión
title_full_unstemmed Segmentación de clientes activos de una entidad financiera empleando el algoritmo de K-means y árbol de decisión
title_sort Segmentación de clientes activos de una entidad financiera empleando el algoritmo de K-means y árbol de decisión
author Cisterna Molloco, César Enrique
author_facet Cisterna Molloco, César Enrique
author_role author
dc.contributor.advisor.fl_str_mv Roque Paredes, Ofelia
dc.contributor.author.fl_str_mv Cisterna Molloco, César Enrique
dc.subject.none.fl_str_mv Algoritmos
Análisis cluster - Procesamiento de datos
Relaciones con los clientes - Procesamiento de datos
Minería de datos
Arboles de decisión
topic Algoritmos
Análisis cluster - Procesamiento de datos
Relaciones con los clientes - Procesamiento de datos
Minería de datos
Arboles de decisión
https://purl.org/pe-repo/ocde/ford#1.01.03
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#1.01.03
description Actualmente la Institución Financiera ha identificado a clientes según su interacción con los canales físicos y digitales, entre clientes activos (42%) y clientes inactivos (58%), por lo cual es fundamental poder realizar acciones comerciales diferenciadas sobre este universo de clientes. Se define como cliente activo a aquel cliente que realizó operaciones monetarias y no monetaria por canales digitales del banco dentro de los últimos seis meses o que realizan sus operaciones en canales físicos dentro de los últimos seis meses. Debido a ello las áreas de negocio encargadas de realizar las campañas, decidieron priorizar la acción comercial en los clientes activos, lo cuales son alrededor de un millón setecientos mil clientes de manera mensual. Sin embargo, se desea realizar diferentes acciones comerciales según el perfil de los clientes activos puesto no todos tienen el mismo perfil. Por lo cual, el presente trabajo consiste en la segmentación de clientes activos, el cual se desarrolló dentro del área de Business Analytics, área encargada del perfilamientos y segmentaciones de los clientes. Y mediante la segmentación, los responsables del negocio podrán realizar acciones comerciales que permitan gestionar los KPI’s establecidos, que son el cross, el uso de tarjetas de crédito o débito y el aumento del uso de los canales digitales. Esta segmentación permite conocer de manera acertada el perfil de los clientes activos, lo que permitirá ofrecer productos que calcen con las necesidades de los clientes activos, permitiendo incrementar sus KPI’s.
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2021-12-16T20:35:47Z
dc.date.available.none.fl_str_mv 2021-12-16T20:35:47Z
dc.date.issued.fl_str_mv 2021
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.citation.none.fl_str_mv Cisterna, C. (2021). Segmentación de clientes activos de una entidad financiera empleando el algoritmo de K-means y árbol de decisión. [Tesis de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Matemáticas, Escuela Profesional de Estadística]. Repositorio institucional Cybertesis UNMSM.
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12672/17359
identifier_str_mv Cisterna, C. (2021). Segmentación de clientes activos de una entidad financiera empleando el algoritmo de K-means y árbol de decisión. [Tesis de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Matemáticas, Escuela Profesional de Estadística]. Repositorio institucional Cybertesis UNMSM.
url https://hdl.handle.net/20.500.12672/17359
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos
dc.source.none.fl_str_mv Universidad Nacional Mayor de San Marcos
Repositorio de Tesis - UNMSM
reponame:UNMSM-Tesis
instname:Universidad Nacional Mayor de San Marcos
instacron:UNMSM
instname_str Universidad Nacional Mayor de San Marcos
instacron_str UNMSM
institution UNMSM
reponame_str UNMSM-Tesis
collection UNMSM-Tesis
bitstream.url.fl_str_mv https://cybertesis.unmsm.edu.pe/bitstreams/5e4c1869-7bad-48ae-a294-a16f29897a35/download
https://cybertesis.unmsm.edu.pe/bitstreams/f6991dfd-9d64-4d60-a709-8bdcc81941ff/download
https://cybertesis.unmsm.edu.pe/bitstreams/417685ef-7235-4d41-971e-4b8e5707f891/download
https://cybertesis.unmsm.edu.pe/bitstreams/62f59e2e-d8be-4843-9a0b-87b6ef2068ed/download
bitstream.checksum.fl_str_mv 0e95457b11596bdc67517c8db758c728
9e7e050c2ad3e6e4fc30c1468db2b40c
e129114af6909ababf889adb7392b266
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Cybertesis UNMSM
repository.mail.fl_str_mv cybertesis@unmsm.edu.pe
_version_ 1846617801574318080
spelling Roque Paredes, OfeliaCisterna Molloco, César Enrique2021-12-16T20:35:47Z2021-12-16T20:35:47Z2021Cisterna, C. (2021). Segmentación de clientes activos de una entidad financiera empleando el algoritmo de K-means y árbol de decisión. [Tesis de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Matemáticas, Escuela Profesional de Estadística]. Repositorio institucional Cybertesis UNMSM.https://hdl.handle.net/20.500.12672/17359Actualmente la Institución Financiera ha identificado a clientes según su interacción con los canales físicos y digitales, entre clientes activos (42%) y clientes inactivos (58%), por lo cual es fundamental poder realizar acciones comerciales diferenciadas sobre este universo de clientes. Se define como cliente activo a aquel cliente que realizó operaciones monetarias y no monetaria por canales digitales del banco dentro de los últimos seis meses o que realizan sus operaciones en canales físicos dentro de los últimos seis meses. Debido a ello las áreas de negocio encargadas de realizar las campañas, decidieron priorizar la acción comercial en los clientes activos, lo cuales son alrededor de un millón setecientos mil clientes de manera mensual. Sin embargo, se desea realizar diferentes acciones comerciales según el perfil de los clientes activos puesto no todos tienen el mismo perfil. Por lo cual, el presente trabajo consiste en la segmentación de clientes activos, el cual se desarrolló dentro del área de Business Analytics, área encargada del perfilamientos y segmentaciones de los clientes. Y mediante la segmentación, los responsables del negocio podrán realizar acciones comerciales que permitan gestionar los KPI’s establecidos, que son el cross, el uso de tarjetas de crédito o débito y el aumento del uso de los canales digitales. Esta segmentación permite conocer de manera acertada el perfil de los clientes activos, lo que permitirá ofrecer productos que calcen con las necesidades de los clientes activos, permitiendo incrementar sus KPI’s.application/pdfspaUniversidad Nacional Mayor de San MarcosPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Universidad Nacional Mayor de San MarcosRepositorio de Tesis - UNMSMreponame:UNMSM-Tesisinstname:Universidad Nacional Mayor de San Marcosinstacron:UNMSMAlgoritmosAnálisis cluster - Procesamiento de datosRelaciones con los clientes - Procesamiento de datosMinería de datosArboles de decisiónhttps://purl.org/pe-repo/ocde/ford#1.01.03Segmentación de clientes activos de una entidad financiera empleando el algoritmo de K-means y árbol de decisióninfo:eu-repo/semantics/bachelorThesisSUNEDULicenciado en EstadísticaUniversidad Nacional Mayor de San Marcos. Facultad de Ciencias Matemáticas. Escuela Profesional de EstadísticaEstadística06243124https://orcid.org/0000-0001-8280-021X72561586542016Molina Quiñones, Helfer JoelRodríguez Orellana, Hugo Marinohttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional4001463140162362TEXTCisterna_mc.pdf.txtCisterna_mc.pdf.txtExtracted texttext/plain62328https://cybertesis.unmsm.edu.pe/bitstreams/5e4c1869-7bad-48ae-a294-a16f29897a35/download0e95457b11596bdc67517c8db758c728MD56ORIGINALCisterna_mc.pdfCisterna_mc.pdfapplication/pdf876068https://cybertesis.unmsm.edu.pe/bitstreams/f6991dfd-9d64-4d60-a709-8bdcc81941ff/download9e7e050c2ad3e6e4fc30c1468db2b40cMD53THUMBNAILCisterna_mc.pdf.jpgCisterna_mc.pdf.jpgGenerated Thumbnailimage/jpeg14997https://cybertesis.unmsm.edu.pe/bitstreams/417685ef-7235-4d41-971e-4b8e5707f891/downloade129114af6909ababf889adb7392b266MD57LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://cybertesis.unmsm.edu.pe/bitstreams/62f59e2e-d8be-4843-9a0b-87b6ef2068ed/download8a4605be74aa9ea9d79846c1fba20a33MD5220.500.12672/17359oai:cybertesis.unmsm.edu.pe:20.500.12672/173592024-08-15 22:49:55.029https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://cybertesis.unmsm.edu.peCybertesis UNMSMcybertesis@unmsm.edu.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
score 13.040751
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).