Optimización de un proceso ETL para el sistema de alertas tempranas en la gestión de riesgos de clientes en una entidad financiera peruana

• Autor: Huapaya Vásquez, Héctor Daniel
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/25981
• Enlace del recurso: https://hdl.handle.net/20.500.12672/25981
• Nivel de acceso: acceso abierto
• Materia: Optimización; Base de datos; Ingeniería de software; https://purl.org/pe-repo/ocde/ford#2.02.04

La creciente digitalización y el aumento de la inclusión financiera en Perú han impulsado a las entidades bancarias a mejorar sus sistemas y mejorar la obtención de información de sus clientes. Esto ha conllevado que el proceso de ingesta de datos al modelo de alertas tempranos en la entidad financiera sea lento e ineficiente, lo que provoca no cumplir con las metas de entregar el modelo indicado. En este contexto, se ha llevado a cabo un proyecto para optimizar un proceso ETL (Extracción, Transformación y Carga), con el objetivo de reducir los tiempos de procesamiento y proporcionar información oportuna para un sistema de alertas tempranas de clientes que puedan presentar problemas financieros. El proceso ETL implementado recoge datos de múltiples orígenes, incluyendo bases de datos transaccionales, archivos de texto y sistemas legados. La fase de extracción garantiza la recopilación completa de datos, mientras que la transformación aplica reglas de negocio y técnicas de normalización para asegurar la calidad y coherencia de la información. La fase de carga transfiere los datos transformados a un almacén centralizado, optimizando su accesibilidad y análisis. El proyecto se desarrolló utilizando un método ágil propio de la entidad con base en Scrum, que facilitó una gestión dinámica y colaborativa del trabajo. Se ajustaron los procesos, incorporando procesos almacenados y automatizaciones de cargas de trabajo. Este trabajo no solo automatiza procesos manuales y mejora la eficiencia operativa, sino que también establece una base sólida para tener un modelo de ingesta de datos. Estas mejoras permitieron disminuir significativamente los tiempos de procesamiento mensual, incrementando la eficiencia y efectividad del sistema de alertas tempranas.