3. Licenciatura
URI permanente para esta comunidadhttp://54.81.141.168/handle/123456789/7312
Explorar
5 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.Ítem Texto completo enlazado Identificación de los factores que influyen en la intención de uso de Fintech de financiamiento alternativo por parte de pequeñas empresas del sector servicios en Lima Metropolitana(Pontificia Universidad Católica del Perú, 2022-03-21) Dolores Valverde, Andrey Santiago; Vasquez Leon, Carlos Alonso; Ponce Regalado, Maria de FátimaLa presente investigación tiene como objetivo determinar los factores que influyen en la intención de uso de Fintech de financiamiento alternativo por parte de pequeñas empresas del sector servicios en Lima Metropolitana, a través de una metodología de enfoque mixto con predominio cuantitativo. La investigación se llevó a cabo tomando en cuenta la brecha de financiamiento existente actualmente en el país hacia las pequeñas empresas y la labor que vienen realizando las Fintech de financiamiento alternativo como una opción para que estas empresas encuentren opciones de financiamiento. Esto permitirá que las Fintech tengan literatura que les permita encontrar los factores que influyen en las pequeñas empresas al momento de escoger una opción de financiamiento. El modelo base utilizado para la investigación fue el de Van, Ngoc y Quang (2019), quienes proponen a la Utilidad Percibida, Facilidad de Uso Percibida, Imagen de Marca, Percepción de Riesgo e Innovación del Usuario como factores que influyen en la intención de uso de servicios Fintech. Sin embargo, siguiendo a Hu, Ding, Li, Chen, y Yang (2019) y a expertos nacionales conocedores del sector, el modelo final incluye el factor de Apoyo del gobierno y no considera la Innovación del Usuario para el caso del contexto peruano. Para el análisis cuantitativo, se obtuvo información de la encuesta realizada a 55 pequeñas empresas del sector servicios en Lima Metropolitana. Para el procesamiento de la información se utilizó el programa SPSS, donde se realizó un análisis descriptivo de las pequeñas empresas que permitió entender las características de las empresas encuestadas. Adicionalmente, se realizó un análisis descriptivo de los factores a fin de conocer la puntuación de la valoración de cada uno de ellos en la intención de uso de Fintech de financiamiento. De igual forma, se llevó a cabo el análisis factorial para analizar la medición de las variables y el análisis SEM y de regresión múltiple con el fin de determinar los factores que influyen en la intención de uso de Fintech por las pequeñas empresas de servicios en Lima Metropolitana. En el análisis cualitativo, que se empleó para complementar el análisis cuantitativo, se recolectó información mediante entrevistas a expertos, y sirvió primero para fortalecer el conocimiento del objeto de investigación, la solidez del marco analítico y el cuestionario elaborado para el recojo de datos; y al final de la investigación, para entender mejor los resultados obtenidos. Los resultados obtenidos muestran que el factor Utilidad Percibida, es el factor que influye en la intención de uso de Fintech de financiamiento alternativo por parte de pequeñas empresas del sector servicios en Lima Metropolitana encuestadas.Ítem Texto completo enlazado Análisis de la transformación digital de MiBanco en el año 2021 de acuerdo al modelo de Bumann & Peter en contraste con su madurez digital según el modelo de Valdez-de-León(Pontificia Universidad Católica del Perú, 2022-03-15) Fernandez Bustamante, Gonzalo; Quispe Davila, Maria Alexandra; Soriano Rivera, Regina MariellaLa investigación presenta como objetivo analizar el proceso de transformación digital que atraviesa MiBanco durante el año 2021, de acuerdo a los componentes establecidos en el modelo de Bumann & Peter, y contrastarlo con la madurez digital obtenida a partir del modelo de Valdezde-León, desde los componentes de estrategia, organización, cliente, ecosistema, operaciones, tecnología e innovación, ya que permite conocer el avance de la transformación implementada. A fin de cumplir con el objetivo, la metodología ha sido cualitativa, descriptiva y exploratoria, considerando como estrategia el estudio de caso. La recolección de información se realizó a través de entrevistas semi estructuradas a 12 líderes de la organización en cuestión, pertenecientes a distintas divisiones que participan del proceso de transformación digital. Se pudieron identificar las acciones que realiza MiBanco alineadas a los distintos componentes descritos en los modelos escogidos para el posterior análisis. El modelo de transformación digital incluye seis componentes; mientras que el modelo de madurez digital considera siete. En esta línea, se identificó que el proceso de transformación digital desarrollado por MiBanco presenta subcomponentes distintos a los propuestos por los autores, como propósito, aspiración, principios culturales, oportunidades de desarrollo profesional, entre otros. Respecto al modelo de madurez digital, el proceso desarrollado por la organización plantea algunos subcomponentes distintos como aspiración, liderazgo y desarrollo de innovaciones. Finalmente, se concluye que en ambos modelos MiBanco obtuvo un puntaje regular, por lo que se encuentra encaminado en el proceso de transformación digital, pero que aún tiene mucho camino por recorrer y aprender de los nuevos componentes y/o subcomponentes que vaya incorporando el proceso de transformación digital acorde a las nuevas tendencias y tecnologías del entornoÍtem Texto completo enlazado Análisis de las principales brechas y similitudes entre los atributos que atraen a los profesionales que trabajan en proyectos de transformación digital y lo que ofrece la marca empleadora del banco para atraerlos: caso Banco Pichincha(Pontificia Universidad Católica del Perú, 2021-11-25) Lazarte Bravo, Araceli Isabel; Llerena Risco, Antonella del Carmen; Martinez Hague Chonati, PalomaEsta investigación se centra en analizar las principales brechas y similitudes entre los elementos y beneficios que constituyen la marca empleadora del Banco Pichincha para atraer a los profesionales que trabajan en proyectos de transformación digital y los atributos organizacionales que son más atractivos para ellos. Actualmente, posicionar una marca empleadora es relevante en un contexto en el que las organizaciones enfrentan una guerra por el talento debido a la escasez de este en el mercado laboral. En el Perú, la transformación digital es un proceso que comenzó a implementarse en las organizaciones en los últimos años y se ha acelerado como consecuencia de la pandemia de la COVID-19. En este contexto, un talento escaso y muy requerido es el profesional que trabaja en proyectos de transformación digital, una de las organizaciones peruanas que afronta el problema en mención es el Banco Pichincha, el cual compite contra bancos más grandes, considerados como “los big four”. La investigación tiene un enfoque mixto, cuyo estudio cuantitativo tiene como base el modelo Employer Attractiveness Scale (EmpAt), propuesto por Berthon, Ewing y Hah (2005), el cual se complementó con un estudio cualitativo. Se encuestó a profesionales que trabajan en proyectos de transformación digital y se realizaron dos entrevistas dirigidas a cuatro profesionales que trabajan en el Banco Pichincha. Desde el enfoque cualitativo, se realizó una primera entrevista con la finalidad de definir el perfil del profesional de transformación digital que el banco busca atraer; además, se realizó una segunda entrevista, posterior al estudio cuantitativo, con el objetivo de recaudar información sobre su marca empleadora. Desde el enfoque cuantitativo, se realizó análisis factorial confirmatorio, estadística descriptiva y análisis de medias con la finalidad de validar el modelo, describir a la muestra estudiada y analizar los atributos más valorados por ellos, respectivamente. Finalmente, se realizó la triangulación de ambos estudios para plantear los hallazgos, conclusiones y recomendaciones de la investigación. En conclusión, el estudio revela que los factores más valorados por los profesionales que trabajan en proyectos de transformación digital son: Valor Económico, Valor de Interés y Valor Social. Asimismo, en relación al Banco Pichincha, se concluye que este realiza iniciativas acorde a lo que los profesionales de transformación digital valoran más de un empleador, convirtiéndolo en una organización atractiva para este público. Finalmente, se plantean recomendaciones para el banco con base en los resultados obtenidos del presente estudio