Predicción de incumplimiento de pagos de crédito en una entidad financiera utilizando chats de servicio al cliente

Vista sencilla de ítem
dc.contributor.advisorMartínez Vargas, Juan David
dc.contributor.advisorVallejo Correa, Paola Andrea
dc.contributor.authorPatiño Serna, Javier
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.degreeMagíster en Ciencias de Datos y Analíticaspa
dc.creator.emailjpatinos@eafit.edu.co
dc.date.accessioned2024-03-07T15:20:33Z
dc.date.available2024-03-07T15:20:33Z
dc.date.issued2023
dc.descriptionLas entidades financieras enfrentan día a día el reto de identificar los clientes de alto riesgo que potencialmente pueden incumplir sus acuerdos de pago. De esta manera pueden buscar estrategias para optimizar la recuperación de cartera y que la recaudación no se vea afectada significativamente. La mayoría de las aproximaciones para resolver este problema se centran en analizar las características de los solicitantes antes de que les sea otorgado el crédito. En este trabajo se propuso una aproximación desde la minería de texto, a través de interacciones de servicio al cliente para predecir el no pago en la siguiente cuota del crédito. El modelo de procesamiento de lenguaje natural tomó como datos de entrada textos de las interacciones de la línea de servicio al cliente. Se implementaron tres algoritmos de aprendizaje profundo: RandomForest, Red Neuronal Artificial y un modelo pre-entrenado basado en BERT, con el objetivo de identificar los clientes que no pagaron su crédito después de la interacción. Los resultados arrojaron que el modelo que obtuvo un mejor desempeño fue el de red neuronal, logrando un valor de recall del 64% para la clase “NO PAGÓ”, de esta manera el modelo logró clasificar correctamente el 64% de los registros que fueron etiquetados con el incumplimiento de pago.
dc.identifier.ddc332.7 P298
dc.identifier.urihttps://hdl.handle.net/10784/33540
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Ciencias Aplicadas e Ingeniería. Área Computación y Analíticaspa
dc.publisher.placeMedellín
dc.publisher.programMaestría en Ciencias de los Datos y Analíticaspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesseng
dc.rights.localAcceso abiertospa
dc.subjectProcesamiento de lenguaje natural
dc.subjectEntidad financiera
dc.subjectAprendizaje profundo
dc.subjectClasificación
dc.subjectMinería de texto
dc.subject.lembCRÉDITO
dc.subject.lembCUENTAS POR COBRAR
dc.subject.lembSISTEMAS DE CRÉDITO
dc.subject.lembRIESGO (FINANZAS)
dc.subject.lembCIENCIA DE LA INFORMACIÓN
dc.titlePredicción de incumplimiento de pagos de crédito en una entidad financiera utilizando chats de servicio al cliente
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa
dc.type.spaInforme

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
Javier_PatinoSerna_2024.pdf
Tamaño:
588.45 KB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
No hay miniatura disponible
Nombre:
carta_aprobacion_trabajo_grado_eafit.pdf
Tamaño:
113.46 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de aprobación de tesis de grado
Descargar
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
390.34 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario de autorización de publicación de obras
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Ciencias de los Datos y Analítica (tesis)