Propuesta de analytics a los patrones de comportamiento en el proceso de clasificación socioeconómica en el MIDIS

• Autores: Atalaya Tello, Karina, Flores Aedo, Nancy, Flores Alvarado, Ángela
• Formato: tesis de maestría
• Fecha de Publicación: 2019
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/625611
• Enlace del recurso: http://hdl.handle.net/10757/625611
• Nivel de acceso: acceso abierto
• Materia: Pobreza; Nivel socioeconómico; Análisis clúster; Minería de datos; Dirección de Sistemas y Tecnologías de la Información; Perú

El proceso de clasificación socioeconómica, realizado por el Ministerio de Desarrollo e Inclusión Social (MIDIS), permite asignar el nivel socioeconómico a los hogares y sus integrantes, principalmente, a través de mecanismos de evaluación del hogar en base a sus características socioeconómicas, demográficas y de condición de vida. Esta evaluación permite identificar a hogares y personas en situación de pobreza, vulnerabilidad o exclusión, como potenciales beneficiarios de los programas y subsidios del Estado. La aplicación de Analytics y de la minería de datos, a través de técnicas como la clusterización, para la búsqueda de patrones mediante la identificación de agrupaciones con características similares, y la clasificación, para catalogar nuevos registros, permitió determinar la clasificación socioeconómica de los hogares y de sus integrantes; así como establecer la clasificación socioeconómica de nuevos registros de hogares. Para la aplicación de estas técnicas de minería de datos se siguieron las fases establecidas en la metodología CRISP-DM. Se recopiló información desde los formatos de recojo de información de las características de los hogares, procediéndose a considerar las variables más relevantes para la construcción del modelo o patrón. El presente trabajo tiene por finalidad hallar un patrón de comportamiento para el proceso de clasificación socioeconómica de la población, a través de la aplicación de Analytics, buscando contribuir con la reducción del porcentaje de filtración de hogares que reciben apoyo de los programas sociales sin corresponderles, para así a tener una política de apoyo social efectiva.