Modelos de machine learning para optimizar el monto a desembolsar asociado a la adquisición de un crédito efectivo en una entidad financiera

• Autor: Chávez Panduro, André Omar
• Formato: tesis de maestría
• Fecha de Publicación: 2024
• Institución: Universidad Ricardo Palma
• Repositorio: URP-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.urp.edu.pe:20.500.14138/9295
• Enlace del recurso: https://hdl.handle.net/20.500.14138/9295
• Nivel de acceso: acceso abierto
• Materia: Instituciones financieras; Servicio de préstamos; Aprendizaje automático (Inteligencia artificial); Algoritmos computacionales; https://purl.org/pe-repo/ocde/ford#1.02.00

El objetivo de esta investigación fue desarrollar una solución analítica para optimizar el monto a desembolsar asociado a la adquisición de un producto de préstamo o crédito efectivo mediante algoritmos de Machine Learning en un organismo financiero, empleando una correcta metodología de Ciencia de los datos, desde el entendimiento del problema que queremos abordar o desarrollar, hasta la implementación y monetización de una solución analítica basada en datos. Como primer paso, se extrajeron los datos de las diversas fuentes de información que se encuentran en los sistemas que maneja la institución financiera y se consolidaron para su posterior análisis descriptivo, lo que permitió generar un producto visual o dashboard para identificar patrones y los insights más relevantes que nos ayuden a entender los primeros hallazgos en función de la adquisición del producto de crédito efectivo. Posteriormente, se preprocesaron los datos para tener un conjunto de información listo a cualquier técnica o algoritmo, para luego realizar una correcta ingeniería y selección de variables, probando y poniendo a competir distintas técnicas logrando con esto tener variabilidad en la información y un mayor poder de decisión. Después de ésto, modelamos la información poniendo a competir multiples algoritmos de Machine Learning, logrando tener clasificadores con un gran poder predictivo, para finalmente, desarrollar una herramienta o solución final combinando la probabilidad arrojada por la solución anterior y el monto ofertado en la misma gestión comercial logrando obtener prometedores resultados. Esta herramienta ofrece una base para optimizar distintas gestiones de productos de la institución financiera y promover investigaciones relacionadas futuras, lo que contribuirá al crecimiento y fortalecimiento de las aplicaciones de ciencia de datos sobre productos o servicios financieros en el Perú