Return to search

Propuesta de analytics a los patrones de comportamiento en el proceso de clasificación socioeconómica en el MIDIS / Proposal of Analytics to behavior patterns in the socioeconomic classification process in the MIDIS

El proceso de clasificación socioeconómica, realizado por el Ministerio de Desarrollo e Inclusión Social (MIDIS), permite asignar el nivel socioeconómico a los hogares y sus integrantes, principalmente, a través de mecanismos de evaluación del hogar en base a sus características socioeconómicas, demográficas y de condición de vida. Esta evaluación permite identificar a hogares y personas en situación de pobreza, vulnerabilidad o exclusión, como potenciales beneficiarios de los programas y subsidios del Estado. La aplicación de Analytics y de la minería de datos, a través de técnicas como la clusterización, para la búsqueda de patrones mediante la identificación de agrupaciones con características similares, y la clasificación, para catalogar nuevos registros, permitió determinar la clasificación socioeconómica de los hogares y de sus integrantes; así como establecer la clasificación socioeconómica de nuevos registros de hogares. Para la aplicación de estas técnicas de minería de datos se siguieron las fases establecidas en la metodología CRISP-DM. Se recopiló información desde los formatos de recojo de información de las características de los hogares, procediéndose a considerar las variables más relevantes para la construcción del modelo o patrón. El presente trabajo tiene por finalidad hallar un patrón de comportamiento para el proceso de clasificación socioeconómica de la población, a través de la aplicación de Analytics, buscando contribuir con la reducción del porcentaje de filtración de hogares que reciben apoyo de los programas sociales sin corresponderles, para así a tener una política de apoyo social efectiva. / The socioeconomic classification process made by Ministry of development and social inclusion (MIDIS), allows socioeconomic level assignment to households and their members, mainly through household assessment mechanisms base on their socioeconomic, demographic and social characteristics. This evaluation allows it possible to identify households and people in situations of poverty, vulnerability or exclusion, as potential beneficiaries of State programs and subsidies. The application of analytics and data mining, through techniques such as clustering, for the search of patterns by identifying clusters with similar characteristics, and classification, to catalog new records, allowed determining the socioeconomic classification of households; as well as establishing the socioeconomic classification of new household registers. For the application of these data mining techniques, the CRISP-DM methodology was used. Used Information was collected from the information collection formats of the characteristics of the households and the most relevant variables were considered for the model construction. The purpose of this paper is to find a pattern of behavior for the socioeconomic classification process, through the application of Analytics, seeking to contribute to the reduction of the percentage of households that receive support from social programs without corresponding them, in order to have an effective social support policy. / Trabajo de investigación

Identiferoai:union.ndltd.org:PERUUPC/oai:repositorioacademico.upc.edu.pe:10757/625611
Date21 January 2019
CreatorsAtalaya Tello, Karina, Flores Aedo, Nancy, Flores Alvarado, Ángela
ContributorsMedina La Plata, Edison Humberto
PublisherUniversidad Peruana de Ciencias Aplicadas (UPC)
Source SetsUniversidad Peruana de Ciencias Aplicadas (UPC)
LanguageSpanish
Detected LanguageSpanish
Typeinfo:eu-repo/semantics/masterThesis
Formatapplication/pdf, application/epub, application/msword
SourceUniversidad Peruana de Ciencias Aplicadas (UPC), Repositorio Académico - UPC
Rightsinfo:eu-repo/semantics/openAccess, Attribution-NonCommercial-ShareAlike 3.0 United States, http://creativecommons.org/licenses/by-nc-sa/3.0/us/

Page generated in 0.0028 seconds