Ítem
Acceso Abierto

Analizadora

Mostrar el registro sencillo de la publicación
dc.contributor.advisorPuerta Aponte, Gabriel Alberto
dc.creatorAyala Pinzón, Daniel Alejandro
dc.creatorAyala Piñeros, Christian Camilo
dc.creatorVargas Mejía, Rodolfo Valentin
dc.creator.degreeMagíster en Business Analytics
dc.creator.degreetypePart time
dc.date.accessioned2024-07-17T18:42:43Z
dc.date.available2024-07-17T18:42:43Z
dc.date.created2024-06-24
dc.descriptionEl proyecto Analiza-Dora tuvo como objetivo el desarrollo de un modelo de originación de crédito a través de la metodología CRISP-DM (Figura 1. Metodología CRISP-DM DORA) la cual nos permitió realizar la ejecución del proyecto mediante ciclos de conocimiento y ejecución simultánea, realizando tareas específicas al mismo tiempo que identificábamos las actividades que nos generaban valor para su explotación. El modelo buscó fortalecer los procesos operativos y financieros que desarrolla actualmente Hola Dora, generando procesos de perfilamiento y elegibilidad de clientes para la asignación de crédito sobre un canon de arrendamiento, para ello, se utilizaron metodologías analíticas y técnicas estadísticas para identificar los criterios más relevantes, mediante el análisis de capacidades de pago, comportamientos financieros, volumen de créditos, estado de los créditos, lo que nos permitió evaluar la probabilidad de que un cliente cumpla con sus obligaciones de pago según el monto de crédito solicitado, además se incluyó la identificación de riesgos legales y tasas de siniestro obteniendo un perfil de cliente integral. En general, el modelo nos permitió perfilar y evaluar de manera sistemática la capacidad de un cliente para cumplir con sus obligaciones de pago y determinar su elegibilidad para recibir el producto de crédito, a través un modelo XGBoosting, de este modo, el resultado de nuestro proyecto constituirá para la compañía una herramienta fundamental en el desarrollo de su operación favoreciendo la toma de decisiones asertivas y estratégicas frente a la asignación de dichos créditos.
dc.description.abstractThe objective of the Analiza-Dora project was to create a credit origination model based on the CRISP-DM process (Figure 1. CRISP-DM DORA Methodology). This made it possible to coordinate the project by knowledge cycles and, at the same time, by parallel activities, thus defining those that contributed to the creation of value for project execution. The model was designed to improve the already existing operating and financial process of Hola Dora. Credit assignment on a lease fee basis entailed customer profiling and eligibility processes. Quantitative approaches and data analysis tools were used to determine the most relevant factors that include payment abilities, tendencies, volume, and status of credits. These analyses helped us evaluate the probability of a customer being able to pay their dues, depending on the credit amount they applied for. Further, the model included the identification of legal risks and loss rates to get a detailed customer profile. In general, the model provided a mechanism for the systematic assessment of a client’s capacity to meet payment obligations and establish his/her qualification for the credit product by employing an XGBoosting model. Therefore, the result of our project will be a basic instrument for the company aimed at making reasonable and effective decisions on credit provision.
dc.format.extent92 PP
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_43049
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/43049
dc.language.isospa
dc.publisherUniversidad del Rosario
dc.publisher.departmentEscuela de Administración
dc.publisher.departmentEscuela de Ingeniería, Ciencia y Tecnología
dc.publisher.programMaestría en Business Analytics
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.rights.accesoAbierto (Texto Completo)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.source.bibliographicCitationAmazon Web Services. (2023). Amazon Web Services. Obtenido de Amazon Web Services: https://docs.aws.amazon.com/es_es/sagemaker/latest/dg/k-nearest-neighbors.html
dc.source.bibliographicCitationAmazon, AWS. (2023). AWS Amazon. Obtenido de AWS Amazon: https://aws.amazon.com/es/what-is/nlp/
dc.source.bibliographicCitationBLU Radio. (9 de Mayo de 2023). BLU Radio. Obtenido de BLU Radio: https://www.bluradio.com/blu360/bogota/vivir-en-la-capital-asi-se-mueve-elmercado-inmobiliario-este-2023-rg10
dc.source.bibliographicCitationbtgpactual. (03 de 05 de 2023). btgpactual. Obtenido de btgpactual: https://www.btgpactual.com.co/es/el-2023-ano-de-incertidumbre-y-volatilidadpero-con-crecimiento
dc.source.bibliographicCitationCaicedo Bravo, E. F., & López Sotelo, J. A. (2009). Una aproximación práctica a las redes neuronales artificiales. Santiago de Cali: Programa Editorial Universidad del Valle
dc.source.bibliographicCitationCasas Roma, J., Lozano Bagén, T., & Bosch Rué, A. (2020). Deep learning: Principios y fundamentos. Barcelona , España: Universitat Oberta de Catalunya
dc.source.bibliographicCitationCESCE. (s.f.). CESCE. Obtenido de CESCE: https://www.cesce.es/es/seguros-decredito/riesgo-de-credito
dc.source.bibliographicCitationCIIFEN. (s.f.). CIIFEN. Obtenido de CIIFEN: https://ciifen.org/definicion-de-riesgo/
dc.source.bibliographicCitationDiego Andrés, R. J. (2021). El camino a las redes neuronales artificiales. Ediciones Unimagdalena.
dc.source.bibliographicCitationDiego Andrés, R. J. (2021). El camino a las redes neuronales artificiales. Ediciones Unimagdalena
dc.source.bibliographicCitationDolan, S., Valle, R., Jackson, S., & Schuler, R. (2007). La Gestión de los Recursos Humanos (Vol. 3). Editorial Mc Graw Hill.
dc.source.bibliographicCitationDORA. (01 de 06 de 2022). DORA. Obtenido de DORA: https://holadora.co/
dc.source.bibliographicCitationEl Congreso de Colombia. (10 de 07 de 2023). LEY 2300 DE 2023. LEY 2300 DE 2023. Bogotá D.C., Bogotá D.C., Colombia.
dc.source.bibliographicCitationEl País. (01 de 06 de 2023). El País. Obtenido de El País: https://elpais.com/ciencia/lascientificas-responden/2023-06-01/que-es-la-logica-difusa-y-para-que-sirve.html
dc.source.bibliographicCitationesri. (2023). ArcGIS Pro. Obtenido de ArcGIS Pro: https://pro.arcgis.com/es/proapp/latest/tool-reference/spatial-statistics/how-density-based-clustering-works.htm
dc.source.bibliographicCitationEstrategias de Trading. (2023). Estrategias de Trading. Obtenido de Estrategias de Trading: https://estrategiastrading.com/clustering-jerarquico/
dc.source.bibliographicCitationFulkerson, B. (2012). Machine Learning, Neural and Statistical Classification. Taylor & Francis.
dc.source.bibliographicCitationGirault, M. A. (Octubre de 2007). Banco Central de la República de Argentina. Obtenido de Banco Central de la República de Argentina: https://www.bcra.gob.ar/Pdfs/Publicaciones/CreditScoring.pdf
dc.source.bibliographicCitationGirault, M. A. (Octubre de 2007). Modelos de Credit Scoring - Qué, Cómo, Cuándo y Para Qué -.
dc.source.bibliographicCitationIBM. (2021). IBM. Obtenido de IBM: https://www.ibm.com/docs/es/spssmodeler/saas?topic=nodes-clustering-models
dc.source.bibliographicCitationIBM. (s.f.). IBM. Obtenido de IBM: https://www.ibm.com/es-es/topics/decision-trees
dc.source.bibliographicCitationJericó, & Pilar. (2000). La gestión del talento: del talento individual al talento organizativo. Madrid.: Prentice Hall
dc.source.bibliographicCitationKennedy, W. (2006). So What? who Cares? why You? Ottawa, Canadá: Wendykennedy.
dc.source.bibliographicCitationKotler , P., & Gertner, D. (2007). Marketing Internacional de lugares y destinos. Méxio: Pearson.
dc.source.bibliographicCitationL. Breiman, J. H. (1984). Classification and regression trees. Taylor & Francis.
dc.source.bibliographicCitationMadie, D. (2019). Growth Wheel Tool Kit. Copenhagen.
dc.source.bibliographicCitationMester, L. J. (Septiembre/Octubre de 1997). philadelphiafed.org. Obtenido de philadelphiafed.org: https://www.philadelphiafed.org/- /media/frbp/assets/economy/articles/business-review/1997/septemberoctober/brso97lm.pdf
dc.source.bibliographicCitationMetrocuadrado.com. (19 de Agosto de 2022). Metrocuadrado.com. Obtenido de Metrocuadrado.com: https://www.metrocuadrado.com/noticias/guia-dearriendo/cuales-son-los-requisitos-y-documentos-que-exigen-los-inquilinos-paraun-arriendo-122/
dc.source.bibliographicCitationModel Differently. (2023). Model Differently. Obtenido de Model Differently: https://www.modeldifferently.com/2022/10/modelos_de_clustering/
dc.source.bibliographicCitationNavas & Cusí. (s.f.). Navas & Cusí. Obtenido de Navas & Cusí: https://www.navascusi.com/scoring-de-credito/
dc.source.bibliographicCitationNeck, H., Neck, C., & Murray, E. (2018). Entrepreneurship: The Practice and Mindset. Londres: SAGE.
dc.source.bibliographicCitationPorter, M. (2015). Estrategia Competitiva: Técnicas para el análisis de los sectores industriales y de la competencia. México: Grupo Editorial Patria.
dc.source.bibliographicCitationRoberto, D. (2004). Fundamentos de marketing. Buenos aires: Ediciones granica.
dc.source.bibliographicCitationSuperintendencia de Sociedades. (s.f.). Superintendencia de Sociedades. Obtenido de Superintendencia de Sociedades: https://www.supersociedades.gov.co/web/nuestraentidad/quienes-somos
dc.source.bibliographicCitationSuperintendencia de Sociedades. (s.f.). Superintendencia de Sociedades. Obtenido de Superintendencia de Sociedades: https://www.supersociedades.gov.co/documents/107391/2602101/Losriesgoscomoe lementodeautocontrol2014.pdf/1420b249-0c9f-9b95-1b11- f829321dfd8e?version=1.0&t=1663594904593
dc.source.bibliographicCitationTusdatos.co. (08 de 07 de 2021). Tusdatos.co. Obtenido de Tusdatos.co: https://www.tusdatos.co/blog/nuevos-tipos-de-riesgos-financieros-en-una-empresa
dc.source.bibliographicCitationZapata, D. M. (2016). Desarrollo y validación de modelo de scoring de admisión para tarjetas de crédito con metodología de Inferencia de denegados. Madrid.
dc.source.bibliographicCitationBáez, P., Paz Arancibia, A., Ignacio Chaparro, M., Bucarey, T., Núñez, F., & Dunstan, J. (2022). Procesamiento de lenguaje natural para texto clínico en español: El caso de las listas de espera en Chile. Revista Médica Clínica Las Condes, 33(6), 576-576- 582. MedicLatina. https://doi.org/10.1016/j.rmclc.2022.10.002
dc.source.bibliographicCitationBosch Rué, A., Casas-Roma, J., & Lozano Bagén, Toni. (2019). Deep learning: Principios y fundamentos (edselb.ELB126167). eLibro. https://elibro.net/ereader/elibrodemo/126167
dc.source.bibliographicCitationElizondo, A., & Altman, E. I. (2003). Medición integral del riesgo de crédito. Editorial Limusa.
dc.source.bibliographicCitationFriedman, J. H. (2001). Greedy Function Approximation: A Gradient Boosting Machine. The Annals of Statistics, 29(5), 1189-1232.
dc.source.bibliographicCitationIBM. (2021, noviembre 22). SPSS Modeler Subscription. https://www.ibm.com/docs/es/spss-modeler/saas?topic=nodes-clustering-models
dc.source.bibliographicCitationjson.org. (s. f.). JSON. json.org. Recuperado 8 de mayo de 2024, de https://www.json.org/json-es.html
dc.source.bibliographicCitationParra Barrios, A. (2021). Marco de apetito al riesgo II: un acercamiento al sector real. Contexto: Revista de la Facultad de Ciencias Económicas Administrativas y Contables, 10(1), 44-44-69. Business Source Complete.
dc.source.bibliographicCitationSST Soluciones. (2018, julio 23). Credit scoring de originacion y comportamiento para financieras. https://sstsoluciones.com/credit-scoring-de-originacion-ycomportamiento-para-financieras/
dc.source.instnameinstname:Universidad del Rosario
dc.source.reponamereponame:Repositorio Institucional EdocUR
dc.subjectAnálisis de riesgo
dc.subjectPerfilamiento crediticio
dc.subjectAnalítica de Negocios
dc.subjectSector Inmobiliario
dc.subjectModelo Score
dc.subject.keywordRisk analysis
dc.subject.keywordCredit Profiling
dc.subject.keywordBusiness Analytics
dc.subject.keywordCredit Profiling
dc.subject.keywordReal State
dc.subject.keywordModel Score
dc.titleAnalizadora
dc.title.TranslatedTitleAnalizadora
dc.typebachelorThesis
dc.type.documentTrabajo de grado
dc.type.spaTrabajo de grado
local.department.reportEscuela de Administración
local.regionesBogotá
Archivos
Bloque original
Mostrando1 - 1 de 1
Miniatura
Nombre:
Analiza_Dora_Ayala_Pinzon_Daniel_Alejandro.pdf
Tamaño:
3.32 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Maestría en Business Analytics