Facultad de Ciencias e Ingeniería
URI permanente para esta comunidadhttp://54.81.141.168/handle/123456789/9119
Explorar
2 resultados
Resultados de búsqueda
Ítem Texto completo enlazado Incremento de la actividad digital y facturación de los clientes para el producto de tarjeta de crédito en una entidad bancaria mediante el uso de Machine Learning(Pontificia Universidad Católica del Perú, 2024-02-19) Diestra Ñañez, Joselin Rosemary; Carbajal López, EduardoEn los últimos años, el comercio electrónico y la transformación digital han presentado un auge, han experimentado un crecimiento exponencial impulsado por la pandemia del COVID-19 debido a que en todo el mundo se vivieron las restricciones de movilidad que generaron que tanto las empresas como las personas se “digitalicen” y por lo tanto proporcionen y compren, respectivamente, cada vez más productos y servicios en línea (UNCTAD, 2021). Es así que las entidades bancarias, vieron aquí una oportunidad de crecimiento, ya que ellas brindan a los clientes tarjetas de crédito con las que se pueden realizar consumos de forma digital y con las que, a su vez, por cada consumo ganan una comisión. Diferentes empresas han logrado incrementar sus ventas o los consumos de sus clientes significativamente gracias a la implementación de estrategias de comercio electrónico efectivas utilizando la herramienta de Machine Learning. Según Vlačić et al. (2021), la Inteligencia artificial (IA) se utiliza cada vez más para enriquecer las estrategias de marketing mediante el análisis de las relaciones entre los consumidores y las marcas. Una gran variedad de empresas utiliza la IA y Machine Learning (ML) con el fin de buscar entender mejor las necesidades de los consumidores, predecir la demanda a futuro y optimizar el servicio que se brinda a los clientes (De Mauro et al., 2022). El presente informe describe un proyecto en el que se utilizó la tecnología de Machine Learning para predecir la propensión al consumo e-commerce con tarjeta de crédito de los clientes de una entidad bancaria. El objetivo del proyecto es incrementar dos indicadores clave del negocio: el porcentaje de clientes que consumen de forma digital con su tarjeta de crédito en el mes y la facturación, es decir, el monto total consumido por los clientes; para ello, se desarrollaron modelos de Machine Learning con los que se predice qué clientes son los más propensos al consumo e-commerce con tarjeta de crédito (TC) y quienes los menos propensos, logrando así que el negocio pueda usar esta valiosa información para el rediseño, mejora y optimización de sus estrategias de incentivo y lanzamiento de campañas a los clientes TC.Ítem Texto completo enlazado Propuesta de mejora en el proceso de migración de los clientes a los canales digitales de una entidad bancaria mediante herramientas de data analytics y optimización matemática(Pontificia Universidad Católica del Perú, 2023-02-24) Gomez Fabian, Brunnella Alejandra; Blas Corrales, Walter Leonardo; Rojas Polo, Jonatan EdwardActualmente, la Transformación Digital está tomando mayor importancia a medida que las empresas se van actualizando. Los bancos no son la excepción, ya que cada vez realizan mayores esfuerzos económicos para promover la migración de los clientes a sus canales digitales. Esto implica beneficios como reducción de costos en canales físicos, incremento en la eficiencia de sus procesos y en el nivel de experiencia al cliente. Esta investigación tiene como objetivo principal plantear un modelo de negocio que permita potenciar un enfoque de atención digital hacia una visión centrada en el cliente. Por ello, el presente trabajo tiene como finalidad promover la migración de los clientes hacia los canales digitales de una entidad bancaria. La estrategia de negocio propuesta se sustenta en la aplicación de dos metodologías, las cuales son Data Analytics y Optimización Matemática. Por un lado, se utiliza la primera herramienta para realizar un análisis de clúster de clientes según su nivel de digitalidad. Además, se desarrolla un modelo de Machine Learning para la clasificación de los clientes. Por otro lado, se realiza una asignación óptima de asesores a cada uno de los clústeres según su nivel de efectividad en la contactabilidad de clientes mediante Optimización Matemática. Asimismo, se emplea esta herramienta para poder identificar a qué clústeres se les aplica una estrategia de migración como primer MVP para poder maximizar la utilidad. La propuesta se aplica a cerca de 22 mil clientes por agencia lo que permite al banco obtener un ahorro económico equivalente a S/27,927.23, el cual podría aumentar potencialmente a 11 millones de soles aproximadamente si se aplica a la totalidad de agencias. En síntesis, según los resultados obtenidos, se valida que la incorporación de un enfoque dirigido a la Transformación Digital mediante herramientas de Data Analytics y Optimización Matemática genera beneficios económicos y operacionales dentro de una entidad bancaria.