dc.contributor.advisor | Linares Barbero, Manuela | |
dc.contributor.author | Gutierrez Salas, Jorge Joao | |
dc.contributor.author | Vigo Liñan, Vanessa Stephany | |
dc.date.accessioned | 2021-10-22T16:31:49Z | |
dc.date.available | 2021-10-22T16:31:49Z | |
dc.date.issued | 2021 | |
dc.identifier.citation | Gutierrez Salas, J. J. y Vigo Liñan, V. S. (2021). Modelo de aprendizaje automatizado del proceso de venta de productos financieros en un Call Center [Trabajo de suficiencia profesional para optar el Título Profesional de Ingeniero de Sistemas, Universidad de Lima]. Repositorio Institucional de la Universidad de Lima. https://hdl.handle.net/20.500.12724/14344 | es_PE |
dc.identifier.uri | https://hdl.handle.net/20.500.12724/14344 | |
dc.description.abstract | This project focused on the design, construction and implementation of a service that
predicted the behavior of a potential client, in order to finalize the sale of a financial
product in advance, which is based on machine learning. The prototype has been tested
with a database of clients of a financial institution, which were offered a financial
product such as, for example, a freely available loan, credit cards, loans to pymes,
mortgage loans, vehicle loans, etc. and obtaining as a result a final sale or a rejection of
the offer. With this information, and through different predictive algorithms, an
adequate model was built to predict sales of financial products. The beneficiaries of the
implemented solution will be companies that provide outsourcing services (BPO) to
financial entities. These companies obtain profits from sales commission using human
and technological resources to achieve sales. Under this scheme, the predictive model
implemented made it possible to make a service available which, when invoked, allows
to increase the probability of sale and in turn managed to optimize the operation at the
human resource level, reducing the number of sales executives, and increasing
productivity. of the back office area of the outsourcing service, avoiding downtime
typical of an operation dependent on the completed sales. The prediction module
developed was presented in a web application that allowed the input data to be entered
(historical sales record) and as a result the predictions based on the machine learning
models that obtained the best results were shown. The prediction and its evolution over
time were presented in an interactive dashboard showing the monthly sales results, sales
campaigns, number of leads, predictive models, sales effectiveness, sales per month and
total sales. | en_EN |
dc.description.abstract | El presente proyecto se enfocó en el diseño, construcción e implementación de un
servicio que realizó la predicción del comportamiento de un potencial cliente, con el fin
de concretar la venta de un producto financiero de manera anticipada, el cual está
basado en machine learning. El prototipo ha sido probado con una base de datos de
clientes de una entidad financiera, a los cuales se les ofreció un producto financiero
como, por ejemplo, un préstamo de libre disponibilidad, tarjetas de crédito, préstamos a
pymes, créditos hipotecarios, créditos vehiculares, etc. y obteniendo como resultado una
venta concretada o una desestimación del ofrecimiento. Con esta información, y a
través de diferentes algoritmos predictivos, se construyó un modelo adecuado que
permita predecir ventas de productos financieros. Los beneficiarios de la solución
implementada serán empresas que brinden servicios de outsourcing (BPO) a entidades
financieras. Estas empresas obtienen utilidades por comisión de venta utilizando
recursos humanos y tecnológicos para lograr concretar ventas. Bajo este esquema, el
modelo predictivo implementado permitió disponibilizar un servicio el cual, al ser
invocado, permita aumentar la probabilidad de venta y a su vez logró optimizar la
operación a nivel de recurso humano, reduciendo la cantidad de ejecutivos de venta, y
aumentando la productividad del área de back office del servicio de outsourcing,
evitando tiempos muertos propios de una operación dependiente de las ventas
concretadas.
El módulo de predicción desarrollado se presentó en una aplicación web que permitió
ingresar los datos de entrada (registro histórico de ventas) y como resultado se mostró
las predicciones basadas en los modelos de machine learning que obtuvieron mejores
resultados. La predicción y su evolución en el tiempo se presentaron en un dashboard
interactivo mostrando los resultados de venta mensuales, campañas de venta, cantidad
de leads, modelos predictivos, efectividad de venta, venta por mes y venta total. | es_PE |
dc.format | application/pdf | |
dc.language.iso | spa | |
dc.publisher | Universidad de Lima | |
dc.rights | info:eu-repo/semantics/openAccess | * |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/4.0/ | * |
dc.source | Repositorio Institucional - Ulima | es_PE |
dc.source | Universidad de Lima | es_PE |
dc.subject | Aprendizaje automático | es_PE |
dc.subject | Inteligencia artificial | es_PE |
dc.subject | Productos financieros | es_PE |
dc.subject | Ventas | es_PE |
dc.subject.classification | Ingeniería de sistemas / Software | es_PE |
dc.title | Modelo de aprendizaje automatizado del proceso de venta de productos financieros en un Call Center | es_PE |
dc.type | info:eu-repo/semantics/bachelorThesis | |
thesis.degree.discipline | Ingeniería de Sistemas | es_PE |
thesis.degree.grantor | Universidad de Lima. Facultad de Ingeniería y Arquitectura | es_PE |
thesis.degree.level | Título Profesional | es_PE |
dc.type.other | Trabajo de suficiencia profesional | |
thesis.degree.name | Ingeniero de Sistemas | es_PE |
dc.publisher.country | PE | es_PE |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.02.04 | |
renati.author.dni | 41401342 | |
renati.author.dni | 42739826 | |
renati.advisor.orcid | https://orcid.org/0000-0002-3508-1176 | |
renati.advisor.dni | 10266013 | |
renati.juror | Matuk Chijner, Andrea | |
renati.juror | Huaynate Mato, Edwin David | |
renati.juror | Pachas Chura, Carlos Eduardo | |
renati.juror | Linares Barbero, Manuela | |
renati.level | http://purl.org/pe-repo/renati/level#tituloProfesional | * |
renati.type | https://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional | * |
renati.discipline | 612076 | |
ulima.cat | OI | |