Técnicas de machine learning aplicado a la predicción de fuga de clientes en una institución de salud previsional bajo la metodología KDD
| dc.contributor.advisor | Gómez Correa, Danilo | |
| dc.contributor.author | Flores Velásquez, Diego Alejandro | |
| dc.contributor.editor | Facultad de Ingeniería | |
| dc.date.accessioned | 2019-05-31T21:28:34Z | |
| dc.date.available | 2019-05-31T21:28:34Z | |
| dc.date.issued | 2019 | |
| dc.description | Tesis (Ingeniero Civil) | es_ES |
| dc.description.abstract | 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. | es_ES |
| dc.identifier.uri | http://repositorio.unab.cl/xmlui/handle/ria/9012 | |
| dc.language.iso | es | es_ES |
| dc.publisher | Universidad Andrés Bello | es_ES |
| dc.subject | Machine Learning | es_ES |
| dc.subject | Instituciones de Salud | es_ES |
| dc.subject | Chile | es_ES |
| dc.title | Técnicas de machine learning aplicado a la predicción de fuga de clientes en una institución de salud previsional bajo la metodología KDD | es_ES |
| dc.type | Tesis | es_ES |
Archivos
Bloque original
1 - 1 de 1
Cargando...
- Nombre:
- a125556_Flores_D_Tecnicas_de_machine_learning_aplicado_2019.pdf
- Tamaño:
- 590.65 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- TEXTO COMPLETO EN ESPAÑOL
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: