Enfoque de six sigma y análisis envolvente de datos para la evaluación de la calidad de los servicios bancarios
Fecha
2022Registro en:
Mendoza, S. (2022). Enfoque de six sigma y análisis envolvente de datos para la evaluación de la calidad de los servicios bancarios [Tesis de Maestría]. Universidad Tecnológica de Bolívar..
alma:57UTB_INST/bibs/99618032605731
Universidad Tecnológica de Bolívar
Repositorio UTB
Autor
Mendoza Brand, Silvana
Resumen
El sistema financiero está conformado por diferentes tipos de entidades dentro de las que encontramos los bancos, los cuales tienen la responsabilidad de canalizar el ahorro y la inversión entre los oferentes y los demandantes. Un sistema financiero saludable promueve el desarrollo económico de un país porque permite la inversión de capital hacia actividades que generan valor. El desarrollo de este sistema es esencial para la vida moderna. Los servicios financieros prestados por los bancos juegan un rol clave en el desarrollo de una sociedad teniendo en cuenta que estos dinamizan la economía a través de la gestión de las actividades de ahorro, crédito e inversión. Dada la importancia de este tipo de entidades, la calidad del servicio de estas es un foco al que se debe apuntar. Es por esa razón que este trabajo tiene como objetivo desarrollar una metodología que permita evaluar la gestión de las quejas interpuestas a las entidades bancarias para medir la calidad de su servicio a través de la aplicación de modelos Seis Sigma, Clustering y Análisis Envolvente de Datos (DEA), generando un proceso de benchmarking utilizando una base de datos con más de 900.000 quejas interpuestas entre 2018 y el primer periodo de 2020 a más de 30 diferentes entidades financieras participantes en el sector bancario de Colombia. Todos los modelos se aplican teniendo en cuenta dos variables, Motivo y Clase de la queja. El proceso inicia con una análisis de la base de datos para la posterior implementación de los modelos, seguido a esto se analizan los resultados del nivel sigma para cada banco y para cada dimensión de calidad teniendo en cuenta las dos variables mencionadas, seguido a esto se identifican los posibles grupos dentro de la base de datos utilizando Clustering y finalmente se aplica DEA para identificar las unidades eficientes e indicar a aquellas que no lo son cuales son las dimensiones de calidad en las que deben aumentar su nivel sigma para llegar a la frontera de eficiencia.