Técnica de Machine Learning para el cálculo de la probabilidad de fuga de los clientes de la empresa Bitel
dc.contributor.advisor | Fabian Arteaga, Junior John | |
dc.contributor.author | Bernachea Collazos, Carla Benedicta | |
dc.contributor.author | Chilet Paisig, Edward | |
dc.contributor.author | Guzmán Fernández, Paola | |
dc.contributor.author | Inche Contreras, Victor Hugo | |
dc.contributor.author | Leon Munive, Johana Mayra | |
dc.coverage.spatial | Perú | |
dc.date.accessioned | 2022-02-17T20:42:18Z | |
dc.date.available | 2022-02-17T20:42:18Z | |
dc.date.issued | 2021 | |
dc.description.abstract | Según datos del Banco Mundial, la industria de las telecomunicaciones enfrenta cada año a una fuga de clientes que bordea el 30%. Estudios recientes han mostrado que tanto atributos cuantitativos: cantidad de minutos, mensajes, etc.; así como los cualitativos: edad, sexo, tipo de dispositivo tienen influencia en la fuga de clientes. En base a la literatura encontrada se definieron dos tipos de variables: demográficas y del comportamiento del consumidor las cuales son útiles para realizar la predicción de permanencia del cliente. Es por eso que haciendo uso de la técnica de regresión logística, se busca predecir la probabilidad de fuga de los clientes (Churn) de la empresa Bitel. Se realizó un exhaustivo trabajo de preprocesamiento y se llegó a entrenar un modelo de regresión logística con un accuracy score de 88% | es_ES |
dc.format | application/pdf | |
dc.identifier.uri | https://hdl.handle.net/20.500.12640/2929 | |
dc.language | Español | |
dc.language.iso | spa | |
dc.publisher | Universidad ESAN | es_ES |
dc.publisher | Universidad ESAN | |
dc.publisher.country | PE | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights.uri | http://creativecommons.org/licenses/by/4.0 | * |
dc.subject | Inteligencia artificial | es_ES |
dc.subject | Algoritmos | es_ES |
dc.subject | Probabilidad | es_ES |
dc.subject | Análisis regresivo | es_ES |
dc.subject | Predicciones | es_ES |
dc.subject | Comportamiento del consumidor | es_ES |
dc.subject | Logística | es_ES |
dc.subject | Lealtad del cliente | es_ES |
dc.subject | Industria de telecomunicaciones | es_ES |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.11.04 | |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#5.02.04 | |
dc.title | Técnica de Machine Learning para el cálculo de la probabilidad de fuga de los clientes de la empresa Bitel | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | |
dc.type.other | Trabajo de suficiencia profesional | |
local.acceso.esan | Acceso abierto | |
renati.advisor.dni | 44749148 | |
renati.advisor.orcid | https://orcid.org/0000-0001-9804-7795 | |
renati.author.dni | 71337914 | |
renati.author.dni | 73626301 | |
renati.author.dni | 42216128 | |
renati.author.dni | 46475692 | |
renati.author.dni | 74736566 | |
renati.discipline | 722056 | |
renati.juror | Chávez Rojas, Mónica | |
renati.juror | Lizarzaburu Bolaños, Edmundo | |
renati.level | https://purl.org/pe-repo/renati/level#tituloProfesional | |
renati.type | https://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional | |
thesis.degree.discipline | Ingeniería Industrial y Comercial | |
thesis.degree.grantor | Universidad ESAN. Facultad de Ingeniería | |
thesis.degree.name | Ingeniero Industrial y Comercial |
Archivos
Bloque original
1 - 1 de 1
- Nombre:
- 2021_IIC_21-2_06_TC.pdf
- Tamaño:
- 2.03 MB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Texto completo
Bloque de licencias
1 - 1 de 1
No hay miniatura disponible
- Nombre:
- license.txt
- Tamaño:
- 1.71 KB
- Formato:
- Item-specific license agreed upon to submission
- Descripción: