Look-up in Google Scholar
Title: Machine Learning en la gestión de créditos en Credicoop Luz y Fuerza, Lima 2023
Advisor(s): Vargas Huaman, Jhonatan Isaac; Pereyra Acosta, Manuel Antonio
OCDE field: https://purl.org/pe-repo/ocde/ford#2.02.04
Issue Date: 2023
Institution: Universidad César Vallejo
Abstract: En esta investigación tuvo como objetivo general implementar el machine learning para influir de manera significativa la gestión de créditos en la empresa financiera. Se muestran deficiencias en la demora de evaluación de los servicios de créditos financieros, provocando baja satisfacción de los clientes y demora de selección de los servicios crediticios, lo cual se ve afectando a la empresa. La gestión de créditos requiere que las evaluaciones de los servicios sean en menor tiempo, que pueda aumentar la satisfacción de los clientes y que faciliten la selección de los servicios crediticios en el menor tiempo. La metodología fue de un enfoque tipo aplicada, cuantitativo y preexperimental; se ha realizado una técnica de recolección de datos mediante la técnica del fichaje, utilizando fichas de registro para las observaciones con una población de 1110 clientes y una muestra de 286, tanto para pre-test y el posttest. Concluyendo la implementación del machine learning influye significativamente en la gestión de créditos en la empresa Credicoop Luz y Fuerza ltda, Lima 2023. Reduce el tiempo promedio de evaluación de créditos en 5555,03 segundos, incrementa significativamente el índice de satisfacción del cliente y reduce el tiempo promedio de selección de créditos en 2763,35 segundos.
Discipline: Maestría en Ingeniería de Sistemas con Mención en Tecnologías de la Información
Grade or title grantor: Universidad César Vallejo. Escuela de Posgrado
Grade or title: Maestro en Ingeniería de Sistemas con Mención en Tecnología de la Información
Juror: Zarate Ruiz, Gustavo Ernesto; Pereyra Acosta, Manuel Antonio; Vargas Huaman, Jhonatan Isaac
Register date: 9-Oct-2023



This item is licensed under a Creative Commons License Creative Commons