3. Licenciatura
URI permanente para esta comunidadhttp://54.81.141.168/handle/123456789/7312
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 Diagnóstico y mejora de procesos en la afiliación de comercios al servicio de comercio electrónico en una empresa de medios de pago(Pontificia Universidad Católica del Perú, 2018-01-31) Acosta Matos, Anthony Christian; Carbajal López, EduardoEl presente estudio tiene como objetivo disminuir la variabilidad de tiempo en el proceso de afiliación de comercios al servicio de comercio electrónico de una empresa del rubro de medios de pago empleando la metodología DMAIC. El estudio se inicia con el desarrollo del marco teórico que sirve como fundamento para el desarrollo de la metodología. Seguidamente, se realiza una descripción de la organización, su infraestructura, recursos y el proceso de afiliación general. Asimismo, se realiza un diagnóstico al proceso de afiliación general y se selecciona el proceso de afiliación al servicio de comercio electrónico como el más crítico. Luego, se desarrollan las etapas de definición, medición, análisis, propuestas de mejora y control de las mismas en el proceso seleccionado. En la etapa de definición se identifican los principales problemas en el proceso de afiliación que resultan ser los tiempos de las variables: tiempo generación de código, tiempo de integración, tiempo de gestión de cobranza y tiempo de capacitación y habilitación de comercio. Para ello, fue necesario describir el proceso, conocer la voz del cliente y priorizar los principales problemas del proceso. En la etapa de medición se describe el plan de muestreo para la toma de datos, se seleccionan las variables críticas del proceso y se realiza las mediciones de capacidad de proceso. En la etapa de análisis se determinan y analizan las causas que originan los tiempos altos en el proceso de afiliación. Además, de acuerdo al resultado del diseño de experimentos desarrollado, se determinaron los factores relevantes para cada una de las variables de respuesta. En la etapa de mejora se diseñan las propuestas de mejora en base a los resultados obtenidos en las etapas previas. Se establecen los valores adecuados de los factores identificados como relevantes, según los resultados del diseño de experimentos, para optimizar el proceso de afiliación. Se propone la implementación de herramientas de mejora como 7 desperdicios o MUDA, programa 5´S, un plan de capacitación y estandarización del proceso de afiliación. En la etapa de control de las mejoras se propone el uso de tablas de control y herramientas Poka Yoke desarrolladas bajo la modalidad de semaforización en el sistema de atención al cliente. Finalmente, se realiza una evaluación técnica y económica de las propuestas de mejoras, obteniendo como resultado la viabilidad económica del proyecto.