Please use this identifier to cite or link to this item:
http://dspace.utpl.edu.ec/handle/20.500.11962/23787
Title: | Modelo de minería de datos de rentabilidad de los clientes corporativos de Produbanco |
Authors: | González Eras, Alexandra Cristina Garcés Poveda, Cristian Andrés |
Keywords: | Ecuador. Tesis digital. |
Issue Date: | 2019 |
Citation: | Garcés Poveda, C. A. González Eras, A. C. (2019) Modelo de minería de datos de rentabilidad de los clientes corporativos de Produbanco [Tesis de N/D, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/20.500.11962/23787 |
Abstract: | Abstract:Produbanco - Grupo Promerica is a financial institution which holds a department that is in charge of coordinating services for corporate customers; within which fee analysis is performed in order to improve it. In addition, offers are presented with the sole goal of increasing rentability. This process delays information recollection and retrieval, which is why an alternative that uses diverse information sources is feasible, since it helps find rentability parameters through the application of data mining. For the studied process, a CRIPS-DM methodology is applied, as well as data mining that focuses on "Artificial Neuronal Network". In this investigation, a random client sample is being considered. The creation of the data mining model is developed though the WEKA app. The results of the model are incorporated to a template in the Power BI app; this alternative allows the consideration of relevant information and hence, a rentability projection for clients, and in turn, an improve in the response timing of executives. |
Description: | Resumen:Produbanco Grupo Promerica, es una institución financiera que cuenta con un departamento encargado de la coordinación de servicios para clientes corporativos, dentro del cual se realiza el análisis para el mejoramiento de tarifas, y oferta de beneficios, con el propósito de mejorar la rentabilidad dentro de la institución. Este proceso de análisis genera mucha demora en la obtención y consolidación de información, motivo por el cual, se propone una alternativa de identificación de rentabilidad, utilizando diversas fuentes de información y encontrando parámetros de rentabilidad a través de la aplicación de minería de datos. Para el proceso de estudio se considera la metodología CRIPS-DM y la técnica de minería de datos Redes Neuronales Artificiales . En la investigación se considera una muestra de información de clientes al azar. La creación del modelo de minería de datos es desarrollada en la aplicación WEKA. Los resultados del modelo, son incorporados en una plantilla en la aplicación Power BI, esta alternativa permite contar con información relevante y una proyección de rentabilidad de los clientes, mejorando los tiempos de respuesta de los ejecutivos. |
URI: | https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=120867.TITN. |
Appears in Collections: | Ingeniero en Informática |
Files in This Item:
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.