Buscar en Google Scholar
Título: Sistema de gestión de evaluación crediticia en el sector cooperativo de ahorro y crédito con análisis predictivo usando machine learning
Otros títulos: Credit Assessment Management System in the Savings and Loan Cooperatives Sector with Predictive Analysis Using Machine Learnin
Asesor(es): Subauste Oliden, Daniel Alejandro
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.02.04; https://purl.org/pe-repo/ocde/ford#2.00.00
Fecha de publicación: 10-dic-2022
Institución: Universidad Peruana de Ciencias Aplicadas (UPC)
Resumen: El objetivo principal de la tesis es proponer una solución que automatice el proceso de evaluación crediticia en la unidad de créditos de la cooperativa, donde los analistas de créditos verifican y evalúan las solicitudes de préstamos ingresadas por los ejecutivos comerciales, provenientes de diversas necesidades de los socios; sin embargo, el incumplimiento de pago de los prestatarios, por factores internos o externos, viene siendo un problema que afecta la liquidez de la institución y el inminente aumento de la tasa de morosidad. Entendiendo la situación problemática de la unidad de créditos y teniendo como base un análisis acorde al escenario, la propuesta de solución es implementar un sistema web de evaluación crediticia con infraestructura “In-house” e integrada con una herramienta de predicción en la nube en el proceso de gestión de créditos que permita agilizar el flujo de información de los socios y principalmente, brindar una herramienta tecnológica de predicción que apoye al análisis de un crédito para la toma de decisiones, sobre todo, en los casos donde el analista requiera de su juicio experto basado en la experiencia o habilidades blandas. En alineación con tres objetivos estratégicos de la cooperativa que refieren a incrementar la participación de créditos, elevar la productividad y diversificar los ingresos contando con sistemas de información confiables y rápidos que potencien la toma de decisiones, nuestra propuesta tecnológica cumple de manera transversal en la operatividad de la unidad de créditos y apoyo en la toma de decisión de una oportunidad de negocio.

The main objective of the thesis is to propose a solution that automates the credit assessment process in the cooperative’s credit unit, where the credit analysts verify and evaluate the loan applications entered by sales executives, coming from the diverse needs of the partners; however, the default of borrowers, due to internal or external factors, has been a problem that affects the institution's liquidity and the imminent increase in the delinquency rate. Understanding the problematic situation of the credit unit and based on an analysis according to the scenario, the proposed solution is to implement a credit assessment web system with in-house infrastructure and integrated with a cloud-based predictive tool for the credit management process, to streamline the flow of information from partners and, above all, provide a technological predictive tool that supports the analysis of a credit for decision making, especially in cases where the analyst requires expert judgment based on experience or soft skills. In alignment with the three strategic objectives of the cooperative that refer to increasing loan participation, boosting productivity, and diversifying income with reliable and fast information systems that enhance decision making, our technological proposal meets transversally in the operativity of the credit unit and the support in decision making for a business opportunity.
Enlace al repositorio: http://hdl.handle.net/10757/667864
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
Jurado: Armas Aguirre, Jimmy; Coronado Gutierrez, Jaime Juniors; Livia Cavalié, Fabio Luis Ángel
Fecha de registro: 31-may-2023; 31-may-2023



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