Modelo Predictivo utilizando Machine Learning para la gestión de cobranza de buses de la Empresa Transporte Huanchaco

• Autor: Jara Llajaruna, Deyvis Joel
• Formato: tesis de maestría
• Fecha de Publicación: 2025
• Institución: Escuela de Posgrado Newman
• Repositorio: NEWMAN-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.epnewman.edu.pe:20.500.12892/1744
• Enlace del recurso: https://hdl.handle.net/20.500.12892/1744
• Nivel de acceso: acceso abierto
• Materia: Modelo predictivo; Análisis de datos; Reducción de morosidad; Machine Learning; Empresa Transporte; https://purl.org/pe-repo/ocde/ford#1.02.00; https://purl.org/pe-repo/ocde/ford#1.02.01; https://purl.org/pe-repo/ocde/ford#1.02.02; https://purl.org/pe-repo/ocde/ford#1.02.03

La implementación de un modelo predictivo de Machine Learning para la gestión de cobranza en la empresa Transporte Huanchaco marcó un antes y un después en la forma de abordar los procesos relacionados con la recuperación de pagos y la gestión de la morosidad con el objetivo, Desarrollar un Modelo Predictivo utilizando Machine Learning para la gestión de cobranza de buses de la empresa Transporte Huanchaco, la metodología se centró en la recopilación de datos históricos de pagos, así como en el preprocesamiento para corregir inconsistencias y balancear las clases de choferes cumplidos y morosos, se entrenaron y evaluaron algoritmos de clasificación, incluyendo Random Forest, utilizando métricas como la precisión, el recall y el AUC-ROC. También se aplicó validación cruzada para garantizar la robustez del modelo. Los resultados mostraron que el modelo predictivo alcanzó una precisión del 96%, un recall del 99% y un AUC-ROC de 0.98, lo que indica una alta capacidad para identificar a los choferes con riesgo de incumplimiento. Este desempeño mejora significativamente la efectividad de los esfuerzos de cobranza, en conclusión, la implementación de un modelo predictivo en la Empresa Transporte Huanchaco representa una solución viable y efectiva para reducir la morosidad y mejorar la gestión financiera. Además, esta estrategia contribuye a la modernización operativa mediante el uso de tecnologías avanzadas.