Segmentación de contribuyentes utilizando clustering para optimizar la recaudación tributaria: caso de estudio municipalidad de Yunguyo

• Autores: Campos Alvarez, Lizeth, Mamani Gonzalo, Jhoselyn Yenida
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional del Altiplano
• Repositorio: UNAP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unap.edu.pe:20.500.14082/24839
• Enlace del recurso: https://repositorio.unap.edu.pe/handle/20.500.14082/24839
• Nivel de acceso: acceso abierto
• Materia: Clustering; Segmentación; Tributación; K-Means; Minería de datos; https://purl.org/pe-repo/ocde/ford#2.02.04

La Municipalidad Provincial de Yunguyo ha enfrentado un escenario fiscal complejo. La variabilidad en el comportamiento de los contribuyentes y la ausencia de recursos analíticos robustos han comprometido la eficacia de sus iniciativas de recaudación, limitando la captación de ingresos esenciales para la infraestructura local y proyectos comunitarios. La presente investigación buscó mitigar este desafío. Mediante la construcción e implementación de un algoritmo de agrupamiento no supervisado, se logró la formación de clústeres homogéneos de contribuyentes con características económicas similares. Esta identificación facilitó al municipio la concepción de estrategias de recaudación más equitativas y una asignación más eficiente de recursos administrativos. La metodología inicial consistió en la recolección sistemática y el preprocesamiento de registros fiscales y catastrales de 2024, garantizando su calidad e integridad a través de limpieza, integración y transformación de datos. Se evaluaron diversos algoritmos, seleccionando K-Means como el método central. El Método del Codo y el análisis de Silueta determinaron K=5 como la partición óptima, con un Índice de Silueta promedio de 0.62. Los cinco grupos resultantes permitieron la diferenciación de perfiles como "Cumplidor Estratégico", "Históricos Morosos-Deuda Baja" y “Alto Impacto-Valor Variable”. Las diferencias significativas (p<0.05) en variables clave como monto de deuda y antigüedad, fueron validadas cualitativamente por funcionarios municipales, quienes confirmaron la utilidad del modelo para formular estrategias de recaudación adaptadas a cada segmento. En conclusión, la aplicación de algoritmos de clustering sobre datos fiscales y catastrales fue exitosa en la creación de segmentos de contribuyentes significativos y accionables. Este esquema de segmentación reproducible, sin comprometer velocidad ni precisión, se proyecta como una herramienta integrada, escalable y decisiva para elevar la eficiencia y equidad de la recaudación municipal en Yunguyo, superando los métodos tradicionales.