Buscar en Google Scholar
Título: Herramienta tecnológica para facilitar la incorporación masiva del rubro agrícola al sector microfinanciero
Asesor(es): Subauste Oliden, Daniel Alejandro
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.02.04
Fecha de publicación: 28-jun-2022
Institución: Universidad Peruana de Ciencias Aplicadas (UPC)
Resumen: El presente proyecto tiene como objetivo realizar una propuesta para la implementación de una herramienta tecnológica que permita a una organización microfinanciera llevar a cabo una rápida evaluación crediticia haciendo uso de un modelo predictivo basado en aprendizaje automático que se encuentra desplegado previamente. El presente proyecto busca maximizar la captación de buenos pagadores del sector agrícola para hacerlos partícipes del sistema microfinanciero nacional. Para ello se utilizan herramientas tecnológicas que faciliten la evaluación del cumplimiento de pago de los clientes potenciales. Así mismo, se busca que el entregable permita incorporar una nueva cartera de clientes rentables, dejando de lado cuellos de botella operativos relacionados con la evaluación del agricultor. Para la realización de este proyecto se investigaron las principales variables de análisis que se toman en cuenta en países con realidades similares a las peruanas como India. Esto evidencia las características del sector agrícola en cuanto a garantías y composición de la propiedad. A partir de este punto, se pudo identificar las principales variables y consideraciones que permiten evaluar adecuadamente a un sector poco explotado. La solución planteada emplea herramientas como el modelo de regresión logística para la determinación del cumplimiento de pago del cliente. Así mismo, empleando datos provistos por la organización se ejecutaron pruebas de concepto que permitieron validar la solución. Finalmente, una vez realizada una prueba de concepto, se logró encapsular un modelo de aprendizaje automático que permite evaluar la capacidad de cumplimiento de los clientes que tengan solicitudes de créditos agrícolas.

The objective of this project is to make a proposal for the implementation of a technological tool that allows a microfinance organization to carry out a rapid credit evaluation using a predictive model based on machine learning that is previously deployed. This project seeks to maximize the proper loan approvals for good payers from the agricultural sector to make them participate in the microfinance system country widely. For this purpose, technological tools have been used to facilitate the evaluation of the payment compliance of potential clients. Likewise, the deliverable will allow the microfinance institution to incorporate a new portfolio of profitable and good clients, leaving aside operational bottlenecks related to the evaluation of the farmer loans. To carry out this project, the main analysis of the variables are considered in countries with similar realities to Peru, such as India, Zambia and Tanzania were investigated. This shows the characteristics of the agricultural sector in terms of guarantees and ownership composition. From this point, it was possible to identify the main variables and considerations that allow an adequate evaluation of underserved sector. The proposed solution use algorithms of machine learning such as logistic regression model to determine the customer's payment compliance. As well, using data provided by the organization, concept tests were carried out that allowed the solution to be validated. Finally, once a proof of concept was carried out, it was possible to encapsulate an automatic learning model that allows evaluating the payment capacity of clients who have agriculture loan applications.
Enlace al repositorio: http://hdl.handle.net/10757/660874
Disciplina académico-profesional: Ingeniería de Sistemas
Institución que otorga el grado o título: Universidad Peruana de Ciencias Aplicadas (UPC). División de Estudios Profesionales para Ejecutivos (EPE)
Grado o título: Ingeniero de sistemas
Fecha de registro: 2-sep-2022



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons