Especialización en Analítica y Ciencia de Datos · 2025
Seguros figitales CLV : valor del cliente con inteligencia de datos
Solo ficha. El repositorio marca este trabajo como «Acceso abierto»: el PDF no es público, así que aquí no hay texto para leer. Ver la ficha en el repositorio.
Resumen
El presente proyecto tiene como objetivo estimar el Customer Lifetime Value (CLV) de los clientes del canal digital en el segmento de movilidad de una compañía de seguros en Colombia, empleando técnicas de Machine Learning. Para ello, se partió de un conjunto de datos históricos correspondiente a los últimos dos años, compuesto por 22.904 registros y 45 variables demográficas, financieras y de comportamiento. El proceso metodológico incluyó limpieza, imputación, transformación y análisis exploratorio de los datos, así como el cálculo del CLV a partir de métricas financieras clave. Posteriormente, se entrenaron y compararon múltiples modelos supervisados —entre ellos regresión lineal, Lasso, Ridge, Random Forest, XGBoost y Gradient Boosting— utilizando métricas como MAE, RMSE y R². Durante las iteraciones se presentaron retos relacionados con la calidad de datos, registros incompletos, altas cargas computacionales en procesos de optimización y la necesidad de ajustar parámetros para evitar sobreajuste. Los resultados mostraron que el modelo Gradient Boosting Regressor alcanzó el mejor desempeño (R² = 0.8606), evidenciando su capacidad para capturar relaciones no lineales y ofrecer predicciones estables. Se concluye que es posible estimar el CLV con un nivel de error adecuado para apoyar decisiones estratégicas como segmentación de clientes, priorización de campañas de retención y optimización de inversión comercial. Este trabajo sienta las bases para futuras implementaciones en entornos productivos y la integración de nuevas fuentes de información.