En el presente estudio se desarrolló un modelo predictivo haciendo uso de técnicas de minería de datos para analizar el comportamiento del cliente, con la finalidad de lograr identificar y clasificar a los clientes con mayor riesgo a desertar en una empresa de telecomunicaciones y así, apoyar a la empresa en la toma de decisiones certísimas y la creación de estrategias de retención. Para lograr el objetivo principal, se analizaron las características algorítmicas de los principales algoritmos de minería de datos propuestos por la bibliográfica para determinar el que mejor logre adaptarse a la realidad presente,
obteniendo el mejor desempeño en las métricas de evaluación propuestas con el algoritmo XGBoost, el cual, obtuvo un 83% de precisión para determinar a los potenciales clientes con riesgo a desertar. Para el desarrollo del módulo de predicción en base al algoritmo seleccionado, se empleó la metodología CRISP-DM para la construcción, evaluación y despliegue. El despliegue del modelo se realizó construyendo en base a los lenguajes de programación JavaScript y Python, empleando el Framework Flask, una interfaz web local, la cual, permite generar reportes específicos y globales al usuario final. Finalmente,
se determinó el grado de usabilidad aceptable del modelo a partir de dos indicadores; su efectividad, demostrada en el grado de precisión obtenido de 83%, los resultados en las métricas de evaluación y el porcentaje de asertividad del 80%; y la eficiencia de la interfaz final, en términos de empleo y su desempeño en las pruebas de caja blanca y negra.
Identifer | oai:union.ndltd.org:usat.edu.pe/oai:tesis.usat.edu.pe:20.500.12423/5361 |
Date | January 2022 |
Creators | Vela Lopez, Mirko Bruno |
Contributors | Aranguri Garcia, Maria Ysabel |
Publisher | Universidad Católica Santo Toribio de Mogrovejo, PE |
Source Sets | Universidad Catolica Santo Toribio de Mogrovejo |
Language | Spanish |
Detected Language | Spanish |
Type | info:eu-repo/semantics/bachelorThesis |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess, http://creativecommons.org/licenses/by/4.0/ |
Page generated in 0.0032 seconds