Tesis
Modelos de machine learning para identificar factores asociados a la adquisición de un crédito efectivo en una entidad financiera
Fecha
2021Registro en:
Chávez, A. (2021). Modelos de machine learning para identificar factores asociados a la adquisición de un crédito efectivo en una entidad financiera. [Trabajo de suficiencia profesional de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Matemáticas, Escuela Profesional de Estadística]. Repositorio institucional Cybertesis UNMSM.
Autor
Chávez Panduro, André Omar
Institución
Resumen
Interbank (Banco Internacional del Perú, S.A., es una de las principales instituciones financieras
del Perú, compañía del Grupo Intercorp, conglomerado de empresas multinacionales de origen
peruano que abarca sectores como banca, seguros, retail y demás, distinguida por tener como
principales pilares el uso de la analítica avanzada de datos, con lo cual intenta llegar a sus clientes
de manera más contextual y asertiva; la digitalización que en el actual contexto facilita y permite
que las personas puedan hacer cualquier tipo de transacción de manera no presencial y con la
misma seguridad de siempre y por último la visión central en el cliente, con lo cual buscamos que
éste sea el centro de todas nuestras acciones ofreciéndole los mejores productos y ofertas cuando
lo requiere y con lo antes mencionado acompañarlo a cumplir sus metas y sueños.
La sociedad actual vive en contextos volátiles, inciertos, complejos y ambiguos, por éste motivo
del lado de los clientes cada vez solicitan productos más personalizados, en el momento oportuno
y de la manera más accesible, a su vez del lado de la institución financiera tiene de ofrecer el
producto idóneo, entendiendo la necesidad del cliente asegurando la relación a largo plazo de
ambas partes. En éste contexto se pone énfasis en el producto crédito efectivo, el cual consiste en
darle un préstamo monetario a los clientes con la particularidad de que éste crédito es parte de su
línea de tarjeta de crédito consiguiendo buenos niveles de rentabilidad.
Por ende el objetivo del siguiente trabajo es identificar los principales factores que determinan o
motivan la aceptación de un crédito efectivo, para así considerarlos en la identificación de los
clientes con mayor necesidad del producto e incluirlo en las campañas comerciales para su correcta
gestión. Se aplicaron los modelos de machine learning, de aprendizaje supervisado para
clasificación, xgboost y lightgbm para la identificación de los factores que determinan la
aceptación del producto financiero obteniendo como resultados: el total de campañas o
iteracciones con el cliente, el monto asignado para disposición de efectivo, la puntuación de riesgo
de crédito del cliente además de variables sociodemográficas como edad del cliente, región de
residencia y el género de la persona.