Aplicación de técnicas de Machine Learning para predecir el número de ventas de créditos en el sector bancario

Simple item page
dc.contributor.advisorFabian Arteaga, Junior Jhon
dc.contributor.authorRodriguez Villanueva, Alvaro André
dc.contributor.authorSánchez Adauto, Egor Leonardo
dc.contributor.authorValverde Rojo, Lisset Milena
dc.coverage.spatialPerú
dc.date.accessioned2023-05-08T19:23:10Z
dc.date.available2023-05-08T19:23:10Z
dc.date.issued2023
dc.description.abstractUna de las principales fuentes de ingreso del sector bancario es el otorgamiento de créditos. La captación de clientes frente a este producto depende de montos y tasas de interés atractivas. Uno de los canales de venta de los créditos es el telemarketing el cual proactivamente ofrece préstamos. El presente trabajo propone al área de telemarketing de un banco la elaboración de un modelo predictivo con técnicas de machine learning que permita conocer el número de ventas de crédito que se realizarán con el fin de agilizar la toma de decisiones frente a estrategias de venta y mejorar la planificación de recursos para optimizar el costo de venta. Para la construcción del modelo se utilizaron técnicas de aprendizaje supervisado de clasificación k-NN y SVM. En la primera simulación se tuvo niveles de precisión de 61.68% y 68.41% respectivamente. Dada la dispersión de los datos se realizó la normalización la cual arrojó niveles de precisión de 91.12% para k-NN y 93.85% para SVM siendo este último la mejor técnica de predicción. Como futuros pasos se propone la utilización de otras técnicas de machine learning que permitan una comparación de resultados de predicción con los modelos elaborados en este trabajo.es_ES
dc.formatapplication/pdfes_ES
dc.identifier.urihttps://hdl.handle.net/20.500.12640/3378
dc.language.isospaes_ES
dc.publisherUniversidad ESANes_ES
dc.publisher.countryPEes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rightsAtribución 2.5 Perú*
dc.rights.urihttp://creativecommons.org/licenses/by/2.5/pe/*
dc.subjectAprendizaje automáticoes_ES
dc.subjectTécnicas de predicciónes_ES
dc.subjectVentas por teléfonoes_ES
dc.subjectPréstamos bancarioses_ES
dc.subjectCréditoes_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.11.04es_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#5.02.04es_ES
dc.titleAplicación de técnicas de Machine Learning para predecir el número de ventas de créditos en el sector bancarioes_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.type.otherTrabajo de suficiencia profesionales_ES
renati.advisor.dni44749148
renati.advisor.orcidhttps://orcid.org/0000-0001-9804-7795es_ES
renati.author.dni46056718
renati.author.dni74957985
renati.author.dni73226059
renati.discipline722056es_ES
renati.jurorChávez Rojas, Mónica Patricia
renati.jurorBallon Alvarez, Eber Joseph
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesionales_ES
renati.typehttps://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesionales_ES
thesis.degree.disciplineIngeniería Industrial y Comerciales_ES
thesis.degree.grantorUniversidad ESAN. Facultad de Ingenieríaes_ES
thesis.degree.nameIngeniero Industrial y Comerciales_ES
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
2023_IIC_23-1_03_TC.pdf
Size:
4.11 MB
Format:
Adobe Portable Document Format
Description:
Texto completo
Download
No Thumbnail Available
Name:
2023_IIC_23-1_03_F.pdf
Size:
828.6 KB
Format:
Adobe Portable Document Format
Description:
Autorización (acceso restringido)
Download
No Thumbnail Available
Name:
2023_IIC_23-1_03_TU.pdf
Size:
12.72 MB
Format:
Adobe Portable Document Format
Description:
Informe Turnitin (acceso restringido)
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Ingeniería Industrial Comercial