Buscar en Google Scholar
Registro completo de metadatos
Torres Alvarado, Sally Karina
Orihuela Ramirez, Ana Marlene
Perez Ramos, Leslie Frida
Vicuña Peña, Ximena Pierina Omayra
2024-08-15T17:22:12Z
2024-08-15T17:22:12Z
2024
https://hdl.handle.net/20.500.12952/9120
Las ventas digitales son el futuro de cada compañía alrededor del mundo y los bancos peruanos saben de la importancia de este tema. Una de las principales fuentes de ingreso del sector bancario es el otorgamiento de créditos. Siendo los canales de venta digitales los que proactivamente los ofrecen, permitiendo captar clientes de forma eficiente. Sin embargo, el rendimiento del banco podría ser mucho mejor. El presente trabajo propone al área de ventas digitales por convenio la elaboración de un modelo predictivo con técnicas de machine learning que permita conocer los factores que impactan en el número de ventas de crédito que se realizan, con el fin de agilizar la toma de decisiones frente a estrategias de venta y mejorar la planificación de recursos para incrementar el número de créditos otorgados. Además, para la construcción del modelo se utilizó la técnica de machine learning de clasificación k-NN, los datos utilizados para el entrenamiento son de clientes a los que se les ofreció un crédito durante el mes de agosto del 2023. Los datos recopilados son de un total de 2461 clientes, siendo 1,844 clasificados como ‘Aceptaron’ y 617 clasificados como ‘No Aceptaron’. Los resultados en la primera simulación tuvieron una precisión de 96.14%. (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Nacional del Callao (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
https://creativecommons.org/licenses/by/4.0/ (es_PE)
Machine learning (es_PE)
Aprendizaje supervisado (es_PE)
Ventas digitales (es_PE)
Créditos (es_PE)
Leads (es_PE)
Aplicación de un modelo de Machine Learning en las ventas digitales en el área de convenios de una entidad financiera del Perú, 2023 (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Nacional del Callao. Facultad de Ingeniería Industrial y de Sistemas (es_PE)
Ingeniería de sistemas (es_PE)
Ingeniero de sistemas (es_PE)
PE (es_PE)
https://purl.org/pe-repo/ocde/ford#2.02.04 (es_PE)
https://purl.org/pe-repo/renati/level#tituloProfesional (es_PE)
15724611
https://orcid.org/0000-0001-6657-2931 (es_PE)
70001369
74541358
74240141
612018 (es_PE)
Alcántara Ramírez, Manuel Abelardo
Ramos Choquehuanca, Angelino Abad
Bringas Zuñiga, Jesús José
https://purl.org/pe-repo/renati/type#tesis (es_PE)
Pública



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