Modelo de análisis predictivo para abandono de clientes en una empresa administradora de fondos colectivos

• Autores: Cortez Acosta, Leandro Jesus, Estrada Valderrama, Alvaro Antonio
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/667966
• Enlace del recurso: http://hdl.handle.net/10757/667966
• Nivel de acceso: acceso abierto
• Materia: Abandono de clientes; Algoritmos supervisados de clasificación; Aprendizaje de máquina; Modelo predictivo; Servicios financieros; Customer churn; Supervised classification algorithms; Machine learning; Predictive model; Financial services; http://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.02.04

En la actualidad, el rubro de los fondos colectivos está tomando cada vez más posicionamiento en Sudamérica como una alternativa al crédito vehicular de los bancos, una modalidad en la cual las personas a través de aportes mensuales y de modalidades de sorteo y remates mensuales, pueden lograr el sueño del auto o la casa propia. Sin embargo, este sector se está viendo afectado por el gran porcentaje de clientes que dejan de pagar sus cuotas durante 3 meses y la organización los considera como clientes que han abandonado al fondo colectivo. Esta situación va aumentando cada vez más y las entidades en este sector no se han arriesgado a optar por soluciones soportadas en tecnologías y técnicas de machine learning por lo que actualmente toman decisiones basadas en los datos que proporciona una entidad externa llamada Equifax, la cual brinda información acerca del segmento de cada cliente, sin embargo este proceso no está trayendo buenos resultados ya que cada vez más aumenta el porcentaje de clientes que ingresan a la empresa y luego abandonan, perjudicando así a los grupos en los que se encuentran y a los ingresos mensuales de la organización. Es por ello, que el presente proyecto busca desarrollar un modelo de análisis predictivo basado en machine learning, que permita identificar el comportamiento de los clientes desertores y así poder predecir el porcentaje de probabilidad que tiene cada cliente de abandonar a la organización, con el fin de que los autores involucrados en el proceso de negocio de retención de clientes puedan tomar decisiones y orientas sus campañas comerciales basándose en datos.