Efecto De La Implementación De Minería De Datos En La Calificación De Crédito A Los Clientes De La Micro Financiera Progreso De La Ciudad De Cajamarca

• Autor: Meza Huamán, Jaime Amador
• Formato: tesis de maestría
• Fecha de Publicación: 2018
• Institución: Universidad Nacional de Cajamarca
• Repositorio: UNC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unc.edu.pe:20.500.14074/1961
• Enlace del recurso: http://hdl.handle.net/20.500.14074/1961
• Nivel de acceso: acceso abierto
• Materia: Modelo de Regresión Logística; Calificación de Crédito; Minería de Datos

La minería de datos en las instituciones se considera como una herramienta tecnológica orientada a la extracción de datos y el análisis, se desarrolla en base a técnicas estadísticas en las bases de datos y de esta forma se pueden encontrar cualidades ocultas de los clientes refiriéndose a los objetivos del negocio. En tal sentido, esta investigación tiene como objetivo implementar minería de datos en la calificación de crédito a los clientes de la Micro Financiera Progreso, con el propósito de determinar los clientes de alto riesgo y buenos clientes. La hipótesis planteada es: “La implementación de minería de datos a través del modelo planteado mejorará la calificación de crédito a los clientes de la Micro Financiera Progreso de la ciudad de Cajamarca”, para contrastar esta hipótesis, se aplicó un diseño no experimental, descriptiva y para medir el efecto producido por la Implementación de Minería de Datos, se aplicó una Pre – prueba y Post – prueba. En la recolección y el procesamiento de datos, se utilizó la metodología de minería de datos CRISP-DM y el cuestionario para saber el nivel de conformidad del área usuaria, se procesa a través del estadístico t Student; después del análisis, interpretación y discusión de los resultados, se concluye que la hipótesis tiene una aceptación positiva porque los usuarios evidenciaron que la implementación de minería de datos: está programado para que se ejecute en un tiempo aproximado 31.083 minutos y la calificación de los clientes se calculó en función del modelo de regresión logística binaria. Con dicha calificación, se determinaron clientes con alto nivel de riesgo que representan el 20.16%, por lo tanto, se puede asegurar el retorno del capital en 80.15%.