Data Week UPC 2021 día 2 / Data WeeK UPC es un evento anual organizado por las Facultades de Negocios e Ingeniería, con el propósito de reunir a investigadores y expertos en la gestión empresarial para reflexionar acerca del papel de la Ciencia de Datos en la generación de valor en las organizaciones. Nueve expositores de distintas instituciones se unirán a las 4 fechas del Data Week 2021 este 23, 25, 26 y 27 de noviembre, para reflexionar acerca de los retos en el proceso de la transformación de datos para la toma de decisiones. No se pierdan la oportunidad de participar en este espacio en el que discutiremos las principales tendencias en cuanto a la aplicación de la ciencia de datos en la gestión empresarial. 7:00 PM EL PROPÓSITO DEL DATA VALUE Todos podríamos convenir en que la moneda más útil y poderosa en los negocios es la data. Pero esa afirmación es incompleta pues la data debe ser puesta en valor para que tenga importancia. La data per se no tiene valor. En esta charla se mostrará -desde la experiencia- cómo poner en valor la data hacia la organización, los diversos obstáculos que aparecen y la manera de superarlos. 8:00 PM PROYECTOS DE CIENCIA DE DATOS: LOS RETOS DE LA IMPLEMEMENTACIÓN En la actualidad, los retos de la ciencia de datos llegan en el momento de la implementación donde tenemos que definir en qué área de la organización nuestro modelos de analítica pueden agregar valor trabajando en colaboración con los stakeholders claves. En esta presentación compartiremos los retos y lecciones aprendidas en la implementación de proyectos en ciencias de datos.

Data Week UPC 2021 Día 4 / Data WeeK UPC es un evento anual organizado por las Facultades de Negocios e Ingeniería, con el propósito de reunir a investigadores y expertos en la gestión empresarial para reflexionar acerca del papel de la Ciencia de Datos en la generación de valor en las organizaciones. Nueve expositores de distintas instituciones se unirán a las 4 fechas del Data Week 2021 este 23, 25, 26 y 27 de noviembre, para reflexionar acerca de los retos en el proceso de la transformación de datos para la toma de decisiones. No se pierdan la oportunidad de participar en este espacio en el que discutiremos las principales tendencias en cuanto a la aplicación de la ciencia de datos en la gestión empresarial. 5:00 PM CIENCIA DE DATOS Y ÉTICA EN LAS ORGANIZACIONES A medida que crece la importancia de los datos y su volumen también lo hace la necesidad de velar por el correcto uso de la información. En esta charla se abordará el reto que representa para las organizaciones la adecuada protección de los datos, la privacidad de sus clientes y empleados y la responsabilidad creciente ante los riesgos, así como las nuevas visiones sobre el uso de la información. 6:00 PM TECNOLOGÍAS DE LA INFORMACIÓN EN LA CO-CREACIÓN DE VALOR Las tecnologías de la información y comunicación (TIC) juegan un rol protagónico en la competitividad empresarial, en esta charla se abordará el papel de las TIC’s en un entorno cada vez dinámico e incierto para responder a las oportunidades y riesgos en el desarrollo en la empresa. 7:00 PM EL RETO DE CONVERTIR DATOS EN INFORMACIÓN EN LAS ORGANIZACIONES En esta charla, Leandro Rocha nos comentará su experiencia sobre cómo superar el reto de convertir datos en información que dé sentido al negocio.

Memoria para optar al título de Ingeniero Civil Industrial / La presente memoria de título desarrolla la predicción y descripción a nivel individual del potencial de exclusión educativa, también denominada deserción escolar, de les estudiantes de enseñanza básica y media del sistema escolar regular chileno, a través del prototipado de herramientas digitales. Con el fin de facilitar, mediante la detección temprana, y aportar entendimiento del fenómeno, a procesos de innovación pública para la prevención efectiva. Como aporte a los antecedentes del fenómeno de la exclusión educativa escolar chilena, se evidencia que del orden del 50% de les estudiantes excluides del sistema escolar año a año, asisten hasta diciembre a clases, con asistencia mes a mes en promedio superior al 80% para la enseñanza básica, y en promedio superior al 80% general anual para la enseñanza media. Este nuevo antecedente cuantitativo del fenómeno plantea preguntas sobre la pertinencia del actual proceso de cierre anual escolar, y sobre el enfoque del actuar institucional para la prevención durante el año, y en vacaciones y cambios de ciclo. Se utilizan 20 bases de datos de 4 instituciones distintas, disponibles transversalmente para cada estudiante. Para el aprendizaje de máquinas el conjunto de datos describe el caso de la exclusión educativa de la matrícula regular pública, municipal y particular subvencionada; de enseñanza básica, media científico humanista y técnico profesional. Para el aprendizaje supervisado el conjunto de entrenamiento (balanceado entre clases: excluides 50% y no excluides 50%) describe a cada estudiante en 2016-2017, y los conjuntos validación y test (balanceo natural de clases: 97%-3%) corresponden al 2017-2018. Para el aprendizaje no supervisado, se utilizan conjuntamente les excluides de ambos periodos. Para predecir la exclusión educativa con un semestre de antelación (asistencia hasta julio) se obtiene recall 81.5% y precision 19.29% respecto a la clase excluida, y accuracy 89.215% del modelo general, para el conjunto de test con balanceo natural, con el meta-algoritmo XGBoost. También se proponen 9 perfiles de fenómeno de exclusión educativa, calculados con el modelo de agrupación Gaussian Mixture Model, y descritos cualitativamente en vínculo interdisciplinario con las ciencias sociales. Se utiliza la metodología CRISP-DM, y Python 3.6 para la programación. / Instituto Sistemas Complejos de Ingeniería (CONICYT – PIA – FB0816)

Data Week UPC 2021 día 1 / Data WeeK UPC es un evento anual organizado por las Facultades de Negocios e Ingeniería, con el propósito de reunir a investigadores y expertos en la gestión empresarial para reflexionar acerca del papel de la Ciencia de Datos en la generación de valor en las organizaciones. Nueve expositores de distintas instituciones se unirán a las 4 fechas del Data Week 2021 este 23, 25, 26 y 27 de noviembre, para reflexionar acerca de los retos en el proceso de la transformación de datos para la toma de decisiones. No se pierdan la oportunidad de participar en este espacio en el que discutiremos las principales tendencias en cuanto a la aplicación de la ciencia de datos en la gestión empresarial. 7:00 PM BUSINESS ANALYTICS: DEL ROCKET SCIENCE A UNA SOLUCIÓN DE NEGOCIOS El análisis correcto de los datos y el entendimiento de sus patrones tienen el potencial de aportar en la competitividad de una organización. En esta charla se analizarán algunas de las estrategias que permiten orientar los negocios hacia una cultura Data Driven. 8:00 PM TRANSFORMACIÓN DIGITAL La definición de una estrategia digital y el adecuado análisis y explotación de datos corporativos representan grandes retos para las organizaciones, en esta charla se abordará esta problemática y su relación con la transformación digital.

Data Week UPC 2021 - día 3 / Data WeeK UPC es un evento anual organizado por las Facultades de Negocios e Ingeniería, con el propósito de reunir a investigadores y expertos en la gestión empresarial para reflexionar acerca del papel de la Ciencia de Datos en la generación de valor en las organizaciones. Nueve expositores de distintas instituciones se unirán a las 4 fechas del Data Week 2021 este 23, 25, 26 y 27 de noviembre, para reflexionar acerca de los retos en el proceso de la transformación de datos para la toma de decisiones. No se pierdan la oportunidad de participar en este espacio en el que discutiremos las principales tendencias en cuanto a la aplicación de la ciencia de datos en la gestión empresarial. 7:00 PM EL CIENTÍFICO DE DATOS EN LAS ORGANIZACIONES DATA DRIVEN Ante la necesidad de manipular o manejar software, lenguajes especializados, capturar, procesar, analizar y representar grandes cantidades de datos, ¿cuáles son los perfiles requeridos para responder a esta nueva realidad? En esta charla abordaremos los perfiles relacionados con la ciencia de datos y su papel en el presente y el futuro de las organizaciones. 8:00 PM EL PAPEL DE LOS MODELOS PREDICTIVOS EN LA TOMA DE DECISIONES EMPRESARIALES Las organizaciones enfrentan muchos retos en el proceso de implementar modelos de machine learning y crear una cultura de data-driven. En esta charla se aborda el papel estratégico de los modelos predictivos para detectar riesgos en diferentes frentes. La aplicación de la ciencia en los datos permite un conocimiento cada vez mayor como base para la toma de decisiones empresariales."

[ES] La exposición a contaminantes atmosféricos causa efectos negativos en la salud de la población, tanto de forma directa en el corto y el largo plazo, como de forma indirecta, a través de su incidencia en el cambio climático. El 92% de la población mundial se enfrenta diariamente a una mala calidad del aire y el 90% de las ciudades del mundo no cuentan con suficientes reglamentaciones para gestionar este tema. El estudio de los contaminantes atmosféricos ha sido abordado desde diversos enfoques, pero han sido pocos los trabajos destinados a la gestión de la calidad del aire con un enfoque metodológico integrador. En base a esto, el objetivo de esta tesis ha sido elaborar una propuesta metodológica para la evaluación y gestión de la calidad del aire desde un enfoque de la ciencia de datos. Este enfoque contribuye en el estudio de la calidad del aire proporcionando una metodología de trabajo estructurada que organiza las etapas del proceso analítico, desde la adquisición de datos de distintas fuentes hasta la producción de información para los usuarios finales. La gestión de la calidad del aire demanda un flujo de trabajo dinámico, donde se priorice la generación de productos y la comunicación de resultados. Teniendo esto como objetivo principal, se elaboró una metodología que facilita la integración de los datos disponibles, sistematiza las preguntas más relevantes, condensa los algoritmos empleados en los análisis descriptivos y predictivos, y permite generar mapas de riesgo contribuyendo a una rápida y mejor toma de decisiones. Para validar esta propuesta, se aplicó la metodología en tres casos de estudio: la Comunidad Autónoma de Valencia (España) que cuenta con una extensa red de monitoreo de la calidad del aire, la Ciudad de Buenos Aires (Argentina) con tres estaciones de monitoreo en su zona central, y la ciudad de La Plata (Argentina) donde no se cuenta con un monitoreo continuo. Al contar con distinta información, se evaluó la versatilidad de la metodología para adaptarse a distintos escenarios. Los resultados mostraron que el enfoque esquemático proporciona orden y flexibilidad en el estudio de la calidad del aire. La utilización de preguntas de investigación simplificó notablemente la selección de algoritmos para el análisis y el abordaje de la interpretación de los resultados. A su vez, permitió diferenciar las preguntas que fueron originarias del estudio de aquellas que surgieron tras el análisis de los datos. Los algoritmos seleccionados resultaron cumplieron con los objetivos propuestos. Como gran limitación para el análisis de la calidad del aire se encontró la falta de mediciones sistemáticas. Si bien las concentraciones de algunos contaminantes se modelaron mediante el uso de variables medidas por teledetección, se precisaron de mediciones de campo para validar las simulaciones. En este sentido, el diálogo efectivo entre la ciencia y la gestión es un asunto prioritario, donde la ciencia debe proporcionar herramientas innovadoras para avanzar en el nivel de conocimiento de la atmósfera e identificar los problemas y soluciones que puedan surgir, pero es necesario dar un marco político que garantice los fondos económicos para su estudio. / [CAT] L'exposició a contaminants atmosfèrics causa efectes negatius en la salut de la població, tant de manera directa en el curt i el llarg termini, com de manera indirecta, a través de la seua incidència en el canvi climàtic. El 92% de la població mundial s'enfronta diàriament a una mala qualitat de l'aire i el 90% de les ciutats del món no compten amb suficients reglamentacions per a gestionar aquest tema. L'estudi dels contaminants atmosfèrics ha sigut abordat des de diversos enfocaments, però han sigut pocs els treballs destinats a la gestió de la qualitat de l'aire amb un enfocament metodològic integrador. Sobre la base d'això, l'objectiu d'aquesta tesi ha sigut elaborar una proposta metodològica per a l'avaluació i gestió de la qualitat de l'aire des d'un enfocament de la ciència de dades. Aquest enfocament contribueix en l'estudi de la qualitat de l'aire proporcionant una metodologia de treball estructurada que organitza les etapes del procés analític, des de l'adquisició de dades de diferents fonts fins a la producció d'informació per als usuaris finals. La gestió de la qualitat de l'aire demanda un flux de treball dinàmic, on es prioritze la generació de productes i la comunicació de resultats. Tenint això com a objectiu principal, es va elaborar una metodologia que facilita la integració de les dades disponibles, sistematitza les preguntes més rellevants, condensa els algorismes emprats en les anàlisis descriptives i predictives, i permet generar mapes de risc contribuint a una ràpida i millor presa de decisions. Per a validar aquesta proposta, es va aplicar la metodologia en tres casos d'estudi: la Comunitat Autònoma de València (Espanya) que compta amb una extensa xarxa de monitoratge de la qualitat de l'aire, la Ciutat de Buenos Aires (l'Argentina) amb tres estacions de monitoratge en la seua zona central, i la ciutat de la Plata (l'Argentina) on no es compta amb un monitoratge continu. En comptar amb diferent informació, es va avaluar la versatilitat de la metodologia per a adaptarse a diferents escenaris. Els resultats van mostrar que l'enfocament esquemàtic proporciona ordre i flexibilitat en l'estudi de la qualitat de l'aire. La utilització de preguntes d'investigació va simplificar notablement la selecció d'algorismes per a l'anàlisi i l'abordatge de la interpretació dels resultats. Al seu torn, va permetre diferenciar les preguntes que van ser originàries de l'estudi d'aquelles que van sorgir després de l'anàlisi de les dades. Els algorismes seleccionats van resultar van complir amb els objectius proposats. Com a gran limitació per a l'anàlisi de la qualitat de l'aire es va trobar la falta de mesuraments sistemàtics. Si bé les concentracions d'alguns contaminants es van modelar mitjançant l'ús de variables mesures per teledetecció, es van precisar de mesuraments de camp per a validar les simulacions. En aquest sentit, el diàleg efectiu entre la ciència i la gestió és un assumpte prioritari, on la ciència ha de proporcionar eines innovadores per a avançar en el nivell de coneixement de l'atmosfera i identificar els problemes i solucions que puguen sorgir, però és necessari donar un marc polític que garantisca els fons econòmics per al seu estudi. / [EN] Exposure to atmospheric pollutants causes adverse effects on the health of the population, both directly in the short and long term, and indirectly through their impact on climate change. 92% cent of the world's population faces poor air quality daily, and 90% of the world's cities do not have enough regulations to manage this issue. The study of atmospheric pollutants has been considered from various approaches, but there has been little work on air quality management with an integrative methodological strategy. Therefore, the objective of this thesis was to develop a methodological framework for air quality assessment and management using a data science approach. This strategy contributes to the study of air quality by providing a structured working methodology that organizes the stages of the analytical process, from the acquisition of data coming through different sources until the presentation of information to the end-users. Air quality management demands a dynamic pipeline that privileges the production of outputs and the reporting of results. Keeping this as a main aim, the methodology developed promotes the integration of available data, organizes the most relevant questions, summarizes the algorithms used in descriptive and predictive analysis, and creates risk maps to help make quick and better decisions. To validate this proposal, we evaluated the methodology in three case studies: the Autonomous Community of Valencia (Spain) which has an extense air quality monitoring network, the City of Buenos Aires (Argentina) with three monitoring stations in its central zone, and the city of La Plata (Argentina) where there is no continuous monitoring. Since different information was available, the versatility of the methodology to adapted to different scenarios was assessed. The results showed that the schematic design provides order and flexibility in the investigation of air quality. The use of research questions greatly simplified the selection of algorithms for analysis and the understanding of the results. In turn, it enabled the distinction the original questions from those that emerged after the analysis of the data. The selected algorithms were in accordance to the established goals. A major obstacle to the determination of air quality was the lack of routine monitoring. Whereas the concentrations of some pollutants were modelled using remotely sensed variables, field measurements were required to validate the predictions. In this sense, the effective interchange between science and administration is a priority issue, where science must provide innovative tools to improve the level of knowledge of the atmosphere and to identify the problems and solutions that may arise. However, it is necessary to provide a political support to guarantee the economic funds for research. / Cuando el 11 de diciembre del 2014 se firmó la Resolución Nº 4815 donde me fue otorgada una Beca Interna Doctoral para realizar esta investigación, la República Argentina contaba con un Ministerio de Ciencia y Tecnología y un Ministerio de Ambiente y Desarrollo Sustentable. En el transcurso de esta tesis, ambos ministerios fueron degradados a secretarías, limitando el accionar del Estado Nacional sobre estos asuntos en el territorio argentino. El 10 de diciembre del 2019 se anunció la restitución de las dos carteras a ministerios nacionales y recuperamos la esperanza. / Represa, NS. (2020). Elaboración e implementación de una propuesta metodológica para la evaluación y gestión de la calidad del aire mediante el enfoque de la ciencia de datos [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/144645 / TESIS

El trabajo de investigación que se presenta a continuación constituye el análisis de la problemática planteada sobre la empresa Travico Perú S.A.C, la cual ha reportado un descenso en sus ventas de sus diferentes servicios que ofrece. Para este desarrollo de este trabajo se ha aplicado la metodología de la ciencia de datos, con la cual se logró identificar las variables que influyeron en las ventas de todos los servicios durante los años 2016 al 2018, el conjunto de datos se obtuvo a través de plataformas con las que la empresa trabaja y los reportes de control interno, con ello, se identificaron 12 variables con 6429 datos. Así mismo, se empleó la técnica de aprendizaje automático no supervisado, basado en particiones: K means, las cual permitió segmentar y agrupar las variables que fueron seleccionadas. Finalmente, para el análisis, se presentaron distintas gráficas con los resultados de las ventas de la empresa y se hicieron comparaciones con los resultados de los clústeres. / The research work presented below constitutes the analysis of the problem raised about the company Travico Perú S.A.C, which has reported a decrease in its sales of its different services offered. For this development of this work, the methodology of data science has been applied, with which it has been identified to identify the variables that influenced the sales of all services during the years 2016 to 2018, the data set was achieved through of platforms with which the company works and internal control reports, thereby identifying 12 variables with 6429 data. Furthermore, we use a technique machine learning without supervised, based on partitions: K means the qualified segment and group the variables that were selected. Finally, for the analysis, different graphs are shown with the results of the company's sales and comparisons were made with the results of the clusters. / Trabajo de investigación

El presente proyecto de investigación es un análisis desde la perspectiva de negocios y estadístico de la empresa Agrokasa. El objetivo principal es encontrar nuevos mercados alternativos en crecimiento que le permitan obtener una mejor rentabilidad por el precio de kilo exportado de palta. Para alcanzar lo mencionado, se llevó a cabo un análisis empresarial que nos permita comprender el contexto y rubro de la empresa. Una vez alcanzado ese objetivo, se aplicó la metodología de la ciencia de datos para encontrar países de destino que son atractivos para Agrokasa. En cuanto al conjunto de datos, se obtuvo de diferentes fuentes públicas y privadas como Veritrade, Trade Map y Adex Data Trade. En consecuencia, se logró identificar 03 mercados alternativos y potenciales, tales como, Rusia, China y Corea Del Sur. En el análisis se utilizaron diferentes herramientas tecnológicas para la compilación, depuración, procesamiento y visualización de los datos, tales como Excel, Power Bi y Python. Con lo cual se demostró la importancia de ver todas las variables en una visualización que nos permite entender el comportamiento de los datos y nos sirve como fundamento para la toma de decisiones. En cuanto a los nuevos mercados, China presento el mayor valor total FOB exportado en el periodo analizado, 2018 -2020. Pese a presentar una tendencia negativa en la Regresión Lineal. Sin embargo, el precio promedio por kilo de palta aun es conveniente. Por otro lado, Rusia fue el mercado con mayores perspectivas de crecimiento y Corea Del Sur con un mejor precio por KG. Finalmente, para todos los mercados se utilizó una técnica de ciencia de datos con aprendizaje supervisado con un enfoque predictivo para pronosticar las importaciones de cada uno de ellos a fin de establecer estrategias comerciales para penetrar en ellos. / This paper is an analysis from a business and statistical perspective of the Agrokasa company in order to find new potential markets that allow it to grow in the volume of its avocado exports and in profitability per Kg exported. To achieve the aforementioned, a previous analysis from a business approach has been used, to understand the context and business area. Once this is understood, the methodology of data science has been applied to find destination countries that are attractive to Agrokasa. The data set was obtained from different public and private sources such as Veritrade and Trademap, with which it was possible to identify 03 potential markets that were China, Russia and South Korea. In the analysis, different technological tools were used to compile, debug, process and visualize the data, such as Excel, Power Bi and Python. With which it was demonstrated the importance of seeing all the variables in a visualization that allows us to understand the behavior of the data and serves as a basis for decision-making. China was the market with the highest total FOB value exported in the analyzed period, which was from 2018 -2020, however, with a negative trend, but with a convenient average price. On the other hand, Russia was the market with the best growth prospects and South Korea with a better price per KG. ​Finally, for all markets, a data science technique with supervised learning with a predictive approach was used to forecast the imports of each of them in order to establish commercial strategies to penetrate them. / Trabajo de investigación

El presente trabajo de investigación abordó una novedosa campaña televisiva desplegada por UNICEF Perú, para fomentar la afiliación de donantes a su programa Soy Socio, en beneficio de niños y niñas en situación de vulnerabilidad. A partir de la información de la primera campaña de promoción televisiva, se extrajeron diversos insights, gracias a la aplicación de herramientas y técnicas de ciencia de datos, para analizar sus principales resultados y evaluar el performance del proveedor de atención telefónica, como la contribución de los grupos televisivos contratados. De este modo, se buscaron reconocer las principales características de los nuevos asociados. Se recurrió al modelo de regresión lineal, a fin de proyectar el nivel de efectividad en función del volumen de llamadas y donaciones captadas (nivel de conversión) y los días de duración de la campaña. Asimismo, se aplicó el método de ajuste de error cuadrático medio, para establecer la bondad del modelo, encontrándose una relación positiva, aunque sujeta a la influencia de otros factores exógenos. Para la construcción del perfil de los donantes, se utilizó la técnica de clusterización, la cual permitió reconocer y agrupar características relevantes de los nuevos asociados, con el fin de que la institución pueda orientar con mayor eficiencia sus campañas a futuro. Por último, se elaboraron diversas visualizaciones en línea con los objetivos de la investigación, para esto, se recurrieron a los conocimientos adquiridos en los cursos que componen la mención de ciencia de datos. / This research work addresses a novel television campaign deployed by UNICEF Peru to encourage donor affiliation to its Soy Socio program, for the benefit of children in vulnerable situations. Based on the information from the first television promotion campaign, various insights were extracted thanks to the application of data science tools and techniques, to analyze their main results and evaluate the performance of the telephone service provider, as well as the contribution of the television groups hired. In the same way, they sought to recognize the main characteristics of the new associates. The Linear Regression Model was used to project the level of effectiveness based on the volume of calls and donations captured (conversion level) and the days of the campaign. Likewise, the Mean Square Error adjustment method was applied to establish the goodness of the model, finding a positive relationship, although subject to the influence of other exogenous factors. For the construction of the donor profile, the clustering technique was used, which made it possible to recognize and group relevant characteristics of the new associates, so that the institution can more efficiently orient its future campaigns. Finally, various visualizations were developed in line with the objectives of the research, resorting to the knowledge acquired in the courses that make up the data science mention. / Trabajo de investigación

El presente trabajo tiene como objetivo encontrar el patrón de características del cliente Premium desertor de tarjetas de crédito, tomando como foco principal la oficina Chacarilla del banco BBVA puesto que, ayudará a identificar al cliente desertor usuario de tarjetas de crédito y, además podrá ser usada para mejorar la gestión del cliente y personalizar los productos según comportamiento. La metodología aplicada se basa en la ciencia de datos, tomando en cuenta diversos estudios de pronósticos de deserción, para luego correlacionar y analizar el conjunto de datos utilizado para este caso, que comprende 1174 datos. Así mismo, se valida las correlaciones e impacto significativo a la agencia para poder quedarnos con 217 clientes desertores, que pertenecen a una categoría premium. Así mismo, cabe mencionar que la deserción y fuga de usuarios de tarjetas de crédito incide con mayor frecuencia, a comparación de otros productos en todas las entidades financieras del Perú puesto que, las entidades bancarias ofrecen a los clientes mejores tasas y beneficios cada mes. / The purpose of this work is to find the pattern of characteristics of the Premium customer credit card defector, with the main focus of the Chacarilla office of the BBVA bank since, to identify the customer defending customer credit card user and, in addition, it can easily be to improve customer management and customize products based on behaviour. The methodology applied is based on data science, taking into account various studies of attrition analysis, to then correlate and analyse the set of data used for this case, which comprises 1174 of data. Likewise, the correlations and the significant impact on the agency are validated to be able to keep 217 defending clients, who belong to a premium category. Likewise, it is worth mentioning that the defection and leakage of credit card users affects more frequently, a comparison of other products in all financial entities of Peru since, banking entities offer customers better rates and benefits every month. / Trabajo de investigación