BancoEstado Microempresas, dentro de su rol de líder en Chile del mercado de las Microfinanzas, ha iniciado un ambiciosa estrategia para la captación y vinculación masiva de clientes llamada “Red de Intermediación Financiera”. Dicha estrategia se basa en la generación de una red que incorpore microempresas y grandes empresas distribuidoras, y que posicione a BancoEstado como un facilitador de la relación entre los participantes de la Red, por medio de soluciones crediticias y de transferencias electrónicas de dineros y pagos. El objetivo de este proyecto fue mejorar las capacidades de evaluación de riesgo de los clientes que participan en la Red, a través de un nuevo proceso que incorpora variables exógenas a las utilizadas tradicionalmente por la Banca y que son capturadas desde la información que poseen las empresas mayoristas. Esta información se ha recopilado a través de los años como parte de la relación comercial entre las empresas, e incorpora datos sobre comportamiento de pago del microempresario, compras promedio mensuales y antigüedad de la relación comercial entre las empresas. En base a la nueva información aportada por las empresas mayoristas, se procedió a analizar si estas variables aportaban información sobre el comportamiento futuro de pago de los microempresarios, a través de la utilización del método de árboles de clasificación CART. Producto del análisis se determinó que un conjunto de variables permiten mejorar la evaluación de riesgo de los clientes, para los casos en que los sistemas de evaluación Banco clasifican al cliente como “sujeto de crédito”. Utilizando las variables definidas como relevantes por el método CART, se realizó la comprobación del modelo con datos históricos aportados por una importante empresa distribuidora participante en la Red, obteniéndose bajos niveles de error en la predicción. Finalmente y en base al modelo de evaluación propuesto, se rediseñaron los procesos de negocio y se definieron los requerimientos tecnológicos que permitirán a BancoEstado la implementación de esta nueva metodología de evaluación de clientes. También se desarrollo la generalización del modelo de evaluación, de modo que pueda ser utilizado por otras instituciones de la industria bancaria u otros sectores.

La sindicación de contenidos en la Web permite la generación y distribución de contenidos a través de canales de información tales como blogs, medios de prensa o comunidades digitales. En la Web actual existen millones de estos canales, los cuales producen un flujo continuo de información actualizada: artículos de texto, fotografías, vídeos, etc. Los canales constantemente publican resúmenes de contenido en la forma de archivos de metadatos RSS o Atom, que son recolectados por agregadores de Internet o directamente por los consumidores finales. En el presente proyecto se propone el desarrollo de un sistema de segmentación de artículos RSS, utilizando técnicas de clustering de documentos de manera de agrupar y reconocer los tópicos más relevantes y visualizar los resultados de aplicar el sistema sobre la Web chilena, a través del portal orbitando.com

La Industria de la Salud es altamente competitiva, caracterizada por una oferta de servicios de baja diferenciación, más bien estandarizados, y donde la fidelidad de los clientes (pacientes) es altamente deseable, pero, muchas veces, difícil de obtener. La importancia de captar nuevos clientes, conocerlos, lograr retenerlos y generar fuertes vínculos antes que la competencia, es vital para lograr una competencia basada en el valor. Este proyecto propone el diseño de procesos para la evaluación y análisis de riesgo de pacientes en Clínica Las Condes y forma parte de una serie de iniciativas, impulsadas por la Dirección de Gestión Médica, con la finalidad de permitir a la institución cumplir con sus objetivos estratégicos planteados. Específicamente, el proyecto pretende ofrecer soluciones de alto valor para los pacientes, mediante la entrega de servicios de salud adecuados a sus necesidades, basándose en las mejores prácticas y evidencia médica disponible. Para esto, haciendo uso de técnicas analíticas y de minería de datos, junto al juicio experto de los clínicos, se espera desarrollar un modelo de clasificación de pacientes, que permita predecir el riesgo de padecer determinada complicación. De esta forma, se espera reducir la variabilidad en la práctica clínica, contando con criterios consensuados e intervenciones diferenciadas para cada paciente, según su nivel de riesgo, contribuyendo a la oportunidad de la atención y en la toma de decisiones médicas. La existencia de múltiples patologías en la medicina, aporta un alto grado de complejidad y costo de tiempo en el desarrollo de este proyecto. Por esta razón, se ha optado por desarrollar una prueba de concepto que incluye, un modelo de clasificación, según nivel de riesgo, para el caso de las enfermedades crónicas, específicamente, la diabetes mellitus tipo 2, por ser aquella que presenta mayor incidencia en la población. El diseño de procesos se basa en la metodología de diseño basada en patrones de procesos, detallando desde la arquitectura de procesos hasta los apoyos computacionales y lógicas de negocio requeridas para su implementación. Adicionalmente, se realizó una prueba de concepto para el proceso de análisis de riesgo de pacientes y, finalmente, se generalizó la experiencia en un Framework, que puede ser aplicado a cualquier organización que desee utilizar modelos predictivos basados en árboles de decisión.

Autor no autoriza el acceso a texto completo de su documento hasta el 2/6/2021. / Magíster en Ingeniería de Negocios con Tecnologías de Información / El siguiente trabajo busca obtener conocimiento no trivial del sistema bancario chileno con el fin de detectar e inferir el comportamiento de las personas naturales dueñas de un Banco o con participaciones importantes que incursionen en otros negocios a través de sociedades que no estén siendo informados a la Superintendencia de Bancos e Instituciones Financieras (SBIF), esto tiene por objetivo mejorar el proceso de análisis y detección de entidades relacionadas a Bancos en apoyo al control y regulación de los límites de créditos. De acuerdo a lo anterior y mediante el apoyo de técnicas provenientes de la inteligencia artificial, recuperación de información y lingüística computacional se definió una serie de elementos sistemáticamente diseñados, que en base a información no estructurada de carácter financiero se procedió a mejorar el análisis y detección de entidades relacionadas a Bancos y con esto aumentar la eficiencia de dicho proceso. En cuanto a la metodología utilizada, la ingeniería de negocios brindó el marco de referencia que permitió alinear de manera sistémica los objetivos del proyecto con los de la organización y también proporcionó los patrones de arquitectura de procesos y flujos de información habilitantes del modelo de negocio del proyecto. A su vez la metodología CRIPS-DM (cross industry standard process for data mining) facilitó la integración de la técnica denominada NER por sus siglas en inglés de Named Entity Recognition, la cual permitió detectar de manera automática las entidades definidas en el problema y sus relaciones con otras entidades del tipo <PERSONA> o <EMPRESA>. Por último se demostró que los nuevos mecanismos de análisis de información desarrollados e implementados en esta tesis, poseen un alto potencial de uso en ambientes productivos de la organización, no obstante estos nuevos mecanismos requieren un mejoramiento en la calidad de la clasificación e inferencia de relaciones semánticas lo cual se lograría ejecutando acciones de mejoras en el ámbito lingüístico del modelo y las cuales fueron especificadas en este trabajo.

Publicación a texto completo no autorizada por el autor / Plantea la construcción de un modelo de predicción usando una técnica de minería de datos, el cual después de un estudio realizado se perfila como uno de las mejores técnicas de predicción, por encima de muchos. Como caso práctico, este modelo se aplica usando proyectos de software desarrollados en una entidad financiera, obteniendo unos resultados muy alentadores. / Tesis

Doctor en Sistemas de Ingeniería / En la actualidad, el entorno macro y micro económico en el cual op eran las empresas está cambiando constantemente y a gran velo cidad. Esto se deb e princip almente al auge de las nuevas tecnologías, la revolución de la información y la gran facilidad con la que ahora p o demos comu nicarnos con cualquier parte d el mundo. Debido a la gran canti dad de información que está siendo generada segundo tras segundo, junto con la facilidad con la que se puede acceder a ella, la minería de datos y la investigación de op eracion es se han convertido en una de las herramientas más imp ortantes para desarrollar sistemas de ap oyo a la toma de decisiones en to dos los niveles. La imp ortancia del traba jo conjunto de ambas disciplinas radica en la faci lidad relativa con la que extraen cono cimiento de enormes bases de datos y la utilizan para optimizar los pro cesos organizacionales relevantes. En particular, para la min ería de datos, estos hechos h an provo cado qu e las bases de datos sean dinámicas, es decir, el nà omero de datos disponibles crece cada segundo haciendo que tiempo de vida útil de los modelos se reduzca, haciendo necesario actualizarlos periódicamente de tal forma que encajen con la realidad actual. Lo anterior demanda el desarrollo de nuevos algoritmos que sean capaces de manejar este tipo de cambios, lo cual ha ido ganando importancia en los últimos años. Adicionalmente, la incertidumbre, ambigüedad e imprecisión presentes en los problemas de la vida real son factores muy importantes a considerar cuando se desarrollan diferentes algoritmos de minería de datos. La forma más común de lidiar con la incertidumbre viene dada por la teoría de probabilidad, sin embargo, la ambigüedad e imprecisión han sido dejadas de lado hasta la aparición de nuevas formas de tratarlas; dos de las cuales son la teoría de conjuntos " fuzzy" y "rough." Con las ideas anteriores en mente, en esta tesis, un algoritmo clásico de clustering basado en support vectors es estudiado profundamente y extendido a una versión rough-fuzzy con el fin de darle la habilidad de manejar la ambigüedad e imprecisión presente en el mundo real. Luego de esto, este novedoso algoritmo de soft-computing es generalizado a una versión dinámica siendo capaz de procesar bases de datos que reciben nueva información con el paso del tiempo. Finalmente, utilizando como base estos dos algoritmos, un método de detección de outliers es propuesto como una de las múltiples posibles aplicaciones que resultan de esta investigación. En cada capítulo, los experimentos computacionales, resultados y discusión son provistos enfatizando la contribución que este trabajo de investigación tiene para la sociedad señalando los futuros desarrollos y posibles campos de aplicación

Publicación a texto completo no autorizada por el autor / Demostrar que las técnicas de minería de datos pueden ser una alternativa para la clasificación de los estudiantes de secundaria que consumen o no alcohol. Las técnicas que se utilizaron son Árboles de clasificación CART y Redes Neuronales de tipo Perceptrón Multicapa. Se aplicarán las dos técnicas en una población de 1044 estudiantes de secundaria, y esta, será dividida en dos muestras, el 70% para el entrenamiento y 30% para la validación. Para la comparación de los modelos que mejor discrimina a los estudiantes de secundaria que consumen o no alcohol, se utilizará la Sensibilidad y el Coeficiente de Gini. Adicionalmente, se hará la comparación aplicando la validación cruzada en ambos modelos. / Tesis

No description available.

La deserción universitaria se ha convertido en un problema importante a ser investigado. La tasa de deserción ha llegado a constituir uno de los principales indicadores de eficiencia interna dentro de cualquier institución de educación. Investigar las causas de la deserción con metodologías adecuadas que permitan predecir esta, contribuye a la toma de decisiones dentro de la gestión de la unidad académica. El objetivo del presente proyecto consiste en investigar y proponer una metodología que permita identificar en forma automática a los estudiantes con mayor riesgo de deserción de las carreras de Ingeniería Informática en la Universidad Ricardo Palma. Para la implementación de este proyecto se adoptó la metodología CRISP-DM que estructura el proceso de minería de datos en seis fases, que interactúan entre ellas de forma iterativa. Se evaluaron los modelos de Árboles de decisión y Clustering para analizar el comportamiento de los estudiantes, evaluando factores como el rendimiento del alumno, condición social y aspectos socioeconómicos. La exactitud de los modelos es calculada a partir de la información que brindó la Oficina Central de Informática y Cómputo de la Universidad Ricardo Palma, en la cual se realizó una transformación y simulación de algunas variables para mayor efectividad del modelo. The college desertion has become an important problem to be investigated. The desertion rate has come to be one of the main indicators of internal efficiency in any educational institution. The research of the causes of desertion with appropriate methodologies to predict, contributes to decision making in the academic management The objective of this project is to investigate and propose a methodology to automatically identify students at high risk of dropping out of the Computer Engineering career at the Ricardo Palma University. To implement this project, we used the CRISP-DM methodology to structure the data mining process into six phases, which interact with each other iteratively. It was applied the models of decision trees and clustering to analyze the behavior of the students, evaluating factors such as student performance, social status and socio-economic aspects. The accuracy of the models is calculated from the information provided the Central Office of Information and Computation at the Ricardo Palma University, in which it was applied a transformation and simulation of some variables for greater effectiveness and performance of the model.

La sociedad hoy en día se encuentra viviendo una etapa de constantes cambios, debido en gran medida a la introducción de nuevas tecnologías en la vida cotidiana, diversos líderes mundiales afirman que el uso de las Tecnologías de la Información y Comunicación (TIC) juegan un rol fundamental en el desarrollo de las naciones. El objetivo de este estudio es identificar los factores asociados al uso de las TIC en los hogares del Perú, y que deberán considerarse en las políticas sociales y económicas ligadas a la accesibilidad y manejo de tecnologías en nuestro país, como vía de progreso social y desarrollo nacional. Se considera TIC al acceso a los servicios de internet, telefonía fija o tv de paga. Para identificar los factores asociados al uso de las TIC en los hogares del Perú, se utilizaron las técnicas de minería de datos: random fores y adaboost, consideradas como dos de las técnicas más precisas y eficientes que existen actualmente. Se determinó los patrones de consumo de las TIC en los hogares peruanos, utilizando el modelo árboles de clasificación. / Tesis