Uso de modelos predictivos para la asignación de metas de tarjetas de crédito en los Centros de Atención de la empresa Tuya S.A.

RESUMEN : En la actualidad, la búsqueda constante de eficiencia y optimización en el sector servicios, especialmente en el financiero se ha convertido en la clave para estar siempre a la vanguardia en un sector que es cada vez más competitivo. Es en este contexto que se requiere la implementación de...

Full description

Autores:
Navas Calderón, Leonardo
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad de Antioquia
Repositorio:
Repositorio UdeA
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.udea.edu.co:10495/38252
Acceso en línea:
https://hdl.handle.net/10495/38252
Palabra clave:
Eficiencia
Efficiency
Servicios financieros
Financial services
Tarjetas de crédito
Credit cards
Automatización
Automation
Técnicas de predicción
Forecasting techniques
Proyección
Projection
Redes neurales
Neural networks (Computer science)
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-sa/2.5/co/
Description
Summary:RESUMEN : En la actualidad, la búsqueda constante de eficiencia y optimización en el sector servicios, especialmente en el financiero se ha convertido en la clave para estar siempre a la vanguardia en un sector que es cada vez más competitivo. Es en este contexto que se requiere la implementación de un modelo de metas de tarjetas de crédito para el área comercial de Tuya S.A como una estrategia clave para gestionar los servicios prestados por los Centros de Atención (Catts). El enfoque se centra en primera medida, en la planificación precisa, para lo cual se llevó a cabo un análisis exploratorio de los datos brindados por el equipo de Desarrollo Comercial de la compañía de forma preliminar a la implementación de los modelos predictivos, una ejecución efectiva y el monitoreo de la calidad de los modelos predictivos, en este caso en particular usando los modelos de Support Vector Regressor, Random Forest para regresión y modelos utilizando redes neuronales. Finalmente, dicha implementación se traduce en una mejor utilización de los recursos que dispone la compañía ahorrando tiempo al automatizar un proceso que toma varios días en llevarse a cabo.