Predicción de bajas de clientes en entidades bancarias: Un enfoque basado en machine learning

"En los últimos años, el sector bancario de personas físicas en Argentina ha experimentado profundas transformaciones, impulsadas por factores como la globalización, la digitalización, los cambios de hábitos postpandemia y las medidas regulatorias derivadas de la crisis macroeconómica. En un c...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Montes, Mariano Ignacio
Formato: Trabajo final de especialización
Lenguaje:Español
Publicado: Instituto Tecnológico de Buenos Aires (ITBA) 2025
Materias:
MACHINE LEARNING, CHURN, RANDOM FOREST, REGRESIÓN, APRENDIZAJE AUTOMÁTICO, SECTOR BANCARIO, INDUSTRIA FINANCIERA
Acceso en línea:https://hdl.handle.net/20.500.14769/5192
Aporte de:
Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA) de Instituto Tecnológico de Buenos Aires (ITBA)
id I32-R138-20.500.14769-5192
record_format dspace
spelling I32-R138-20.500.14769-51922026-01-07T14:17:14Z Predicción de bajas de clientes en entidades bancarias: Un enfoque basado en machine learning Montes, Mariano Ignacio MACHINE LEARNING, CHURN, RANDOM FOREST, REGRESIÓN, APRENDIZAJE AUTOMÁTICO, SECTOR BANCARIO, INDUSTRIA FINANCIERA "En los últimos años, el sector bancario de personas físicas en Argentina ha experimentado profundas transformaciones, impulsadas por factores como la globalización, la digitalización, los cambios de hábitos postpandemia y las medidas regulatorias derivadas de la crisis macroeconómica. En un contexto sumamente competitivo como lo es la industria financiera argentina, conservar la cartera de clientes es un eje estratégico en las entidades, dado que retenerlos suele ser significativamente menos costoso que captar uno nuevo. Dada esta dinámica, la capacidad de anticipar el abandono de los clientes adquiere gran relevancia para mejorar la rentabilidad y eficientizar los costos. Así, comprender los factores que inciden en el cierre de cuentas resulta esencial para que las entidades bancarias puedan anticipar y mitigar la pérdida de clientes, fortaleciendo su cartera activa y optimizando sus estrategias de retención. El presente trabajo se enfoca en analizar el comportamiento de los clientes de personas físicas en entidades bancarias, utilizando datos históricos del sector. Se aplican técnicas de análisis de datos y modelado predictivo basadas en machine learning para construir un modelo de predicción de bajas de clientes". 2025-11-26T19:51:20Z 2025-11-26T19:51:20Z 2025-08-09 Trabajo final de especialización https://hdl.handle.net/20.500.14769/5192 es application/pdf Instituto Tecnológico de Buenos Aires (ITBA)
institution Instituto Tecnológico de Buenos Aires (ITBA)
institution_str I-32
repository_str R-138
collection Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA)
language Español
topic MACHINE LEARNING, CHURN, RANDOM FOREST, REGRESIÓN, APRENDIZAJE AUTOMÁTICO, SECTOR BANCARIO, INDUSTRIA FINANCIERA
spellingShingle MACHINE LEARNING, CHURN, RANDOM FOREST, REGRESIÓN, APRENDIZAJE AUTOMÁTICO, SECTOR BANCARIO, INDUSTRIA FINANCIERA
Montes, Mariano Ignacio
Predicción de bajas de clientes en entidades bancarias: Un enfoque basado en machine learning
topic_facet MACHINE LEARNING, CHURN, RANDOM FOREST, REGRESIÓN, APRENDIZAJE AUTOMÁTICO, SECTOR BANCARIO, INDUSTRIA FINANCIERA
description "En los últimos años, el sector bancario de personas físicas en Argentina ha experimentado profundas transformaciones, impulsadas por factores como la globalización, la digitalización, los cambios de hábitos postpandemia y las medidas regulatorias derivadas de la crisis macroeconómica. En un contexto sumamente competitivo como lo es la industria financiera argentina, conservar la cartera de clientes es un eje estratégico en las entidades, dado que retenerlos suele ser significativamente menos costoso que captar uno nuevo. Dada esta dinámica, la capacidad de anticipar el abandono de los clientes adquiere gran relevancia para mejorar la rentabilidad y eficientizar los costos. Así, comprender los factores que inciden en el cierre de cuentas resulta esencial para que las entidades bancarias puedan anticipar y mitigar la pérdida de clientes, fortaleciendo su cartera activa y optimizando sus estrategias de retención. El presente trabajo se enfoca en analizar el comportamiento de los clientes de personas físicas en entidades bancarias, utilizando datos históricos del sector. Se aplican técnicas de análisis de datos y modelado predictivo basadas en machine learning para construir un modelo de predicción de bajas de clientes".
format Trabajo final de especialización
author Montes, Mariano Ignacio
author_facet Montes, Mariano Ignacio
author_sort Montes, Mariano Ignacio
title Predicción de bajas de clientes en entidades bancarias: Un enfoque basado en machine learning
title_short Predicción de bajas de clientes en entidades bancarias: Un enfoque basado en machine learning
title_full Predicción de bajas de clientes en entidades bancarias: Un enfoque basado en machine learning
title_fullStr Predicción de bajas de clientes en entidades bancarias: Un enfoque basado en machine learning
title_full_unstemmed Predicción de bajas de clientes en entidades bancarias: Un enfoque basado en machine learning
title_sort predicción de bajas de clientes en entidades bancarias: un enfoque basado en machine learning
publisher Instituto Tecnológico de Buenos Aires (ITBA)
publishDate 2025
url https://hdl.handle.net/20.500.14769/5192
work_keys_str_mv AT montesmarianoignacio predicciondebajasdeclientesenentidadesbancariasunenfoquebasadoenmachinelearning
_version_ 1854267350136651776

Ejemplares similares