Técnicas de machine learning aplicado a la predicción de fuga de clientes en una institución de salud previsional bajo la metodología KDD
Cargando...
Archivos
Fecha
2019
Profesor/a Guía
Facultad/escuela
Idioma
es
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Andrés Bello
Nombre de Curso
Licencia CC
Licencia CC
Resumen
El presente trabajo está enfocado en la predicción de fuga de clientes utilizando
técnicas de machine learning aplicado a una Institución de salud previsional en
Chile. En esta tesis la fuga de clientes viene dada por la elección deliberada por
parte de un cliente de poner fin al contrato con la empresa, y está sujeto a la
regulación legal de la industria.
El interés de desarrollar esta tesis es explotar el potencial de los datos
históricos de la empresa y descubrir, con la ayuda de algoritmos de aprendizaje
supervisado, patrones que siguen los clientes que se desafilian. De la misma
manera, entender qué variables influyen en la desafiliación, y los modelos que
entregan un mejor rendimiento al momento de predecir.
Este trabajo está pensando como un análisis estructurado y sin patrocinio
por parte de ningún actor de la industria, sin embargo, utiliza datos y entrega
resultados que podrían ser aplicados a cualquier participante del mercado de
las Isapre.
Actualmente se han desarrollado distintos marcos de trabajo que permiten
llevar a cabo proyectos de este tipo, en particular esta tesis se desarrolla
utilizando la metodología KDD, que se divide en distintas etapas y ayudan al
analista a comprender el negocio y generar modelos para obtener resultados
que respondan a la realidad de la industria.
En este informe se plasma todo el proceso que termina con la elección del
mejor modelo predictivo y se limita a cinco años de historia. Es importante
mencionar que no expone datos sensibles de afiliados, empresas ni de la
operación de ninguna organización.
Notas
Tesis (Ingeniero Civil)
Palabras clave
Machine Learning, Instituciones de Salud, Chile