Maestría en Ciencias de los Datos y Analítica · 2022
Análisis de la utilidad potencial del mercado colombiano a través de modelos de segmentación y customer life value para una empresa originadora de créditos de libranza
Currently companies define their target market to have a greater focus on certain individuals and groups of the population, however, they fail to understand in depth what is the future economic benefit that these market niches represent, to understand if their business model is attractive from a financial point of view. This project is directly focused on the Colombian financial sector, seeking to make a direct contribution to the way in which companies in this sector analyze and define the economic potential of their target market, through the use of analytical and financial tools such as segmentation models and Customer Life Value analysis, resulting in the value that each niche can possibly represent in utility for the company, allowing it to outline a business strategy that ensures sustainability over time and in the market. Thanks to the comprehensive capabilities of the project team, segmentation techniques will be used to support different types of variables to find very homogeneous groups in their individuals, but very heterogeneous among them and thus get to know which clusters will lead the company to obtain a greater benefit.
Full text 105 pages with text
Read the full thesis Record in the repository
Contents
- Agradecimientosp. 7
- Resumenp. 8
- Descripción del proyectop. 9
- Planteamiento del problemap. 9
- Justificaciónp. 9
- Objetivosp. 11
- Objetivo generalp. 11
- Objetivos específicosp. 11
- Estado del arte y marco teóricop. 12
- Machine Learning – Aprendizaje de Máquinasp. 12
- Segmentaciónp. 12
- Customer Life Valuep. 15
- Fintech y banca tradicionalp. 17
- Definición de un producto financierop. 18
- Metodologíap. 19
- Productos esperadosp. 22
- Plan de gestión de datosp. 23
- Aspectos éticosp. 23
- Desarrollo del proyectop. 24
- Contexto e historia general de la compañíap. 24
- Estudio y análisis de los datosp. 26
- Fuentes de datos utilizadasp. 26
- Análisis de los datosp. 44
- Construcción de la marca de clientes malos para la compañíap. 59
- Consolidación de los datos para modelaciónp. 62
- Transformación de los datos para modelaciónp. 67
- Modelaciónp. 69
- Caracterización de los clústeresp. 64
- Selección de variables del modelop. 86
- Cálculo del Customer Life Value por clusterp. 93
- Proyección sobre el crecimiento del mercado nacional de pensionadosp. 95
- Conclusionesp. 99
- Discusiónp. 100
- Anexosp. 102
- Referenciasp. 103
- Tabla 1: Campos de la tabla personasp. 27
- Tabla 2: Campos de la tabla centralesp. 30
- Tabla 3: Campos de la tabla información financierap. 31
- Tabla 4: Campos de la tabla estado creditosp. 33
- Tabla 5: Campos de la tabla solicitudesp. 34
- Tabla 6: Campos de la tabla créditosp. 38
- Tabla 7: Campos de la tabla reestructuradosp. 44
- Tabla 8: estadística descriptiva de los campos de la tabla centralesp. 46
- Tabla 9: Variables consolidada para modelaciónp. 62
- Tabla 10: Variables continuasp. 64
- Tabla 11: Variables discretasp. 64
- Tabla 12: Recuento de valores nulos en las variablesp. 66
- Tabla 14: Distribución marcas de malo Middle age – Low penetrationp. 77
- Tabla 15: Distribución por goegráfica Middle age – Low penetrationp. 78
- Tabla 16: Distribución por marca de malos Lower age – High endebtnessp. 81
- Tabla 17: Distribución geográfica Lower age – High endebtnessp. 82
- Tabla 18: Distribución por marca de malos High Income – Low indebtnessp. 86
- Tabla 19: Distribución geográfica High Income – Low indebtnessp. 86
- Tabla 20: Importancia de las variables con XGBoostp. 88
- Tabla 21: Cálculo del CLV por clusterp. 94
- Tabla 22: Proyección del mercado de pensionados colombianop. 96
- Tabla 23: Crecimiento departamental compuestop. 97
- Tabla 24: Proyección departamental del CLVp. 98
- Ilustración 1: Histogramas de las variables de la tabla centralesp. 47
- Ilustración 2: Boxplots de las variables de la tabla centralesp. 49
- Ilustración 3: Histogramas de la tabla Información Financiera y Solicitudesp. 52
- Ilustración 4: Boxplots de la tabla Información Financiera y Solicitudesp. 53
- Ilustración 5: Histogramas de la tabla créditosp. 55
- Ilustración 6: Boxplots de la tabla créditosp. 57
- Ilustración 7: Mapa de calor de correlacionesp. 65
- Ilustración 8: Elbow Analysis 1 K-meansp. 70
- Ilustración 9: Elbow Analysis 2 K-meansp. 71
- Ilustración 10: Elbow Analysis 3p. 72
- Ilustración 11: Comparación de elbow analysisp. 73
- Ilustración 12: Distribución por edad Middle age – Low penetrationp. 75
- Ilustración 13: Distribución por ingresos Middle age – Low penetrationp. 76
- Ilustración 14: Distribución por saldo adeudado – Low penetrationp. 77
- Ilustración 15: Distribución por edad Lower age – High endebtnessp. 79
- Ilustración 16: Distribución por ingresos Lower age – High endebtnessp. 80
- Ilustración 17: Distribución por saldo adeudado Lower age – High endebtnessp. 81
- Ilustración 18: Distribución por edad High Income – Low indebtnessp. 83
- Ilustración 19: Distribución por ingresos High Income – Low indebtnessp. 84
- Ilustración 20: Distribución por saldo adeudado High Income – Low indebtnessp. 85
- Ilustración 21: Comparativo de clústeres por sus variablesp. 89
- Ecuación 1: Medida de similitud de Gowerp. 67
- Ecuación 2: Componente de similitudp. 68
- Ecuación 3: Cálculo del CLVp. 94