Cazadores de morosos

En el presente trabajo se desarrolló un proyecto de analítica aplicada, orientado a la mejora de la gestión del riesgo crediticio. El objetivo principal fue reducir el dinero en mora mediante el diseño de un modelo predictivo basado en machine learning. Se integraron y procesaron datos históricos d...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Ercolini Kenny, Manuel, Stampone, Rodrigo
Formato: Proyecto final de grado
Lenguaje:Español
Publicado: Instituto Tecnológico de Buenos Aires (ITBA) 2026
Materias:
PREDICCIÓN, MACHINE LEARNING, DATA SCIENCE, KPIS, CIENCIA DE DATOS, MOROSIDAD, RIESGO CREDITICIO
Acceso en línea:https://hdl.handle.net/20.500.14769/5241
Aporte de:
Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA) de Instituto Tecnológico de Buenos Aires (ITBA)
id I32-R138-20.500.14769-5241
record_format dspace
spelling I32-R138-20.500.14769-52412026-02-27T07:27:15Z Cazadores de morosos Ercolini Kenny, Manuel Stampone, Rodrigo PREDICCIÓN, MACHINE LEARNING, DATA SCIENCE, KPIS, CIENCIA DE DATOS, MOROSIDAD, RIESGO CREDITICIO En el presente trabajo se desarrolló un proyecto de analítica aplicada, orientado a la mejora de la gestión del riesgo crediticio. El objetivo principal fue reducir el dinero en mora mediante el diseño de un modelo predictivo basado en machine learning. Se integraron y procesaron datos históricos de clientes, realizando análisis exploratorio, definición de KPIs de negocio y evaluación del modelo actual. Posteriormente, se implementó un modelo de clasificación que estima la probabilidad de mora de cada cliente. A partir de este modelo, se construyó un nuevo sistema de scoring y segmentación en perfiles de riesgo. Finalmente, se evaluó el impacto económico del modelo, demostrando una reducción significativa del riesgo y una mejora en la asignación del capital crediticio. 2026-02-11T19:29:55Z 2026-02-11T19:29:55Z 2025 Proyecto final de grado https://hdl.handle.net/20.500.14769/5241 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 PREDICCIÓN, MACHINE LEARNING, DATA SCIENCE, KPIS, CIENCIA DE DATOS, MOROSIDAD, RIESGO CREDITICIO
spellingShingle PREDICCIÓN, MACHINE LEARNING, DATA SCIENCE, KPIS, CIENCIA DE DATOS, MOROSIDAD, RIESGO CREDITICIO
Ercolini Kenny, Manuel
Stampone, Rodrigo
Cazadores de morosos
topic_facet PREDICCIÓN, MACHINE LEARNING, DATA SCIENCE, KPIS, CIENCIA DE DATOS, MOROSIDAD, RIESGO CREDITICIO
description En el presente trabajo se desarrolló un proyecto de analítica aplicada, orientado a la mejora de la gestión del riesgo crediticio. El objetivo principal fue reducir el dinero en mora mediante el diseño de un modelo predictivo basado en machine learning. Se integraron y procesaron datos históricos de clientes, realizando análisis exploratorio, definición de KPIs de negocio y evaluación del modelo actual. Posteriormente, se implementó un modelo de clasificación que estima la probabilidad de mora de cada cliente. A partir de este modelo, se construyó un nuevo sistema de scoring y segmentación en perfiles de riesgo. Finalmente, se evaluó el impacto económico del modelo, demostrando una reducción significativa del riesgo y una mejora en la asignación del capital crediticio.
format Proyecto final de grado
author Ercolini Kenny, Manuel
Stampone, Rodrigo
author_facet Ercolini Kenny, Manuel
Stampone, Rodrigo
author_sort Ercolini Kenny, Manuel
title Cazadores de morosos
title_short Cazadores de morosos
title_full Cazadores de morosos
title_fullStr Cazadores de morosos
title_full_unstemmed Cazadores de morosos
title_sort cazadores de morosos
publisher Instituto Tecnológico de Buenos Aires (ITBA)
publishDate 2026
url https://hdl.handle.net/20.500.14769/5241
work_keys_str_mv AT ercolinikennymanuel cazadoresdemorosos
AT stamponerodrigo cazadoresdemorosos
_version_ 1865139251300007936

Ejemplares similares