Especialización en Analítica y Ciencia de Datos · 2026
Segmentación de clientes y modelado del riesgo de crédito mediante K-Means y XGBoost
Este trabajo aborda el problema del riesgo de crédito, fundamental en la toma de decisiones financieras. El objetivo es evaluar si la segmentación de clientes mediante el algoritmo K-Means aporta valor descriptivo y predictivo al modelado del incumplimiento utilizando XGBoost. Se utilizó un dataset con más de 32.000 registros de solicitantes de crédito. La metodología incluyó limpieza de datos, análisis exploratorio, aplicación de K-Means y la construcción de modelos predictivos. Los resultados muestran que el modelo base alcanzó un ROC-AUC cercano a 0.95, mientras que el modelo segmentado obtuvo un desempeño similar, sugiriendo que la segmentación no aporta valor predictivo adicional, aunque ayuda a entender el comportamiento de los clientes.