Automatización del proceso de asignación en reclamaciones de garantías en Bancolombia : desarrollo de una herramienta de usuario final en el equipo de fondos del área de servicios de etapa avanzada de cobranza. Semestre de industria
Este proyecto surge ante la necesidad de optimizar el proceso manual y complejo de asignación de responsables para la reclamación de garantías ante el Fondo Nacional de Garantías (FNG) y el Fondo Agropecuario de Garantías (FAG) en Bancolombia. Dicho procedimiento, ejecutado en el área de Servicios d...
- Autores:
-
Vega Berrio, Vaylen
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2025
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/47374
- Acceso en línea:
- https://hdl.handle.net/10495/47374
- Palabra clave:
- Python (Computer program language)
Python (Lenguaje de programación)
Bancos - automatización
Banks and banking - automation
Gestión de información
Information management
Mejoramiento de procesos
Process improvement
http://id.loc.gov/authorities/subjects/sh96008834
ODS 9: Industria, innovación e infraestructura. Construir infraestructuras resilientes, promover la industrialización inclusiva y sostenible y fomentar la innovación
- Rights
- openAccess
- License
- http://purl.org/coar/access_right/c_abf2
| Summary: | Este proyecto surge ante la necesidad de optimizar el proceso manual y complejo de asignación de responsables para la reclamación de garantías ante el Fondo Nacional de Garantías (FNG) y el Fondo Agropecuario de Garantías (FAG) en Bancolombia. Dicho procedimiento, ejecutado en el área de Servicios de Etapa Avanzada de Cobranza en la sección de Fondos, implicaba una alta carga operativa, múltiples pasos secuenciales y una gran dependencia de diferentes áreas y herramientas como Excel y Bizagi, lo que incrementa el riesgo de errores y reprocesos. El objetivo de este proyecto es desarrollar una herramienta de usuario final que automatice la asignación de responsables, permitiendo reducir los tiempos operativos, minimizar errores manuales y centralizar la información en la base de datos interna del banco (Landing Zone (LZ)). Se decide llevar a cabo este proyecto con una metodología que se basa en el modelo CRISP-DM, que presenta cuatro fases: comprensión del negocio y de los datos, preparación de los datos, modelado y evaluación. Se combinan técnicas cualitativas (como entrevistas y análisis del proceso actual) y cuantitativas (automatización del cruce de datos, pruebas funcionales) para asegurar una solución precisa, eficiente y aplicable en el entorno real. La herramienta, una vez implementada, permitirá generar asignaciones en minutos, garantizando la trazabilidad, precisión y sostenibilidad del proceso. El principal hallazgo del proyecto fue que la dispersión de la información, la manualidad y la dependencia de múltiples áreas eran las principales causas de los retrasos y errores. La solución implementada, una herramienta ejecutable en Python con una interfaz sencilla, logró integrar automáticamente diversas fuentes de datos, realizar los cruces necesarios y asignar responsables de forma equitativa, todo en cuestión de minutos. Esta herramienta no solo eliminó más de cinco pasos manuales del flujo, sino que también redujo en más del 85 % el tiempo de ejecución, consolidándose como una mejora tangible y sostenible en la operación. El desarrollo, basado en Python y SQL, se integró exitosamente a los sistemas internos del banco, garantizando escalabilidad, compatibilidad y autonomía para el usuario final. |
|---|
