Modelo predictivo de desafiliación de empresas para una Caja de Compensación de asignación familiar
Professor Advisor
dc.contributor.advisor
Aburto Lafourcade, Luis
Author
dc.contributor.author
Rojas Cerda, María Constanza
Staff editor
dc.contributor.editor
Facultad de Ciencias Físicas y Matemáticas
Staff editor
dc.contributor.editor
Departamento de Ingeniería Industrial
Associate professor
dc.contributor.other
Puente Chandía, Alejandra
Associate professor
dc.contributor.other
Muñoz Rojas, Alejandro
Admission date
dc.date.accessioned
2016-03-22T20:45:35Z
Available date
dc.date.available
2016-03-22T20:45:35Z
Publication date
dc.date.issued
2015
Identifier
dc.identifier.uri
https://repositorio.uchile.cl/handle/2250/137330
General note
dc.description
Memoria para optar al título de Ingeniera Civil Industrial
Abstract
dc.description.abstract
Una permanente preocupación de las Cajas de Compensaciones es la fuga de sus clientes al igual que en la mayoría de las empresas. En Chile existen cinco Cajas que compiten entre ellas por lo que cada vez es más necesario tener estrategias que ayuden a captar y retener a sus clientes de forma más efectiva y eficiente.
El presente trabajo de título consiste en generar un modelo predictivo de desafiliación de empresas para una Caja de Compensación, el cual tiene como objetivo identificar de forma temprana aquellas empresas que tiendan a fugarse para poder gestionar de mejor forma las acciones que se realizan sobre cada una de ellas, logrando disminuir la actual tasa de fuga de la Caja en estudio.
Para generar el modelo primero se realizó una investigación exploratoria, donde se levantaron diferentes causas que llevan a las empresas a desafiliarse. Principalmente ligados a descontento con los beneficios, baja colocación de crédito y problemas operativos con la Caja. Con estos motivos se generaron diferentes variables que pudieran reflejar el comportamiento de un año atrás de las empresas seleccionando las más significativas para utilizarlas en modelos de árboles de decisión y regresión logística. Los modelos desarrollados presentaron una alta precisión en general sobre el 80% y se seleccionó el árbol de decisión Chaid exhaustivo para proponer acciones de retención dada su fácil interpretación. De él se obtuvo que las principales variables que describen el comportamiento de fuga tienen que ver con la variación de beneficios y deuda crediticia de la empresa durante el último año. Por otra parte, para focalizar de mejor manera los recursos se seleccionaron a 139 empresas que cuentan con una alta probabilidad de fuga y presentan un alto valor para la Caja, rediseñando el actual foco de empresas a las cuales se les realiza acciones de fidelización.
Las acciones de retención propuesta están ligadas a las campañas de beneficios que se realizan y la colocación de crédito, con tal de disminuir el descontento de sus clientes en estos ámbitos. Además, se propone realizar un diseño experimental para medir el impacto que tiene reasignar recursos de las empresas más leales en aquellas que tienen una mayor probabilidad de fugarse.
Finalmente, se espera que la Caja pueda aprovechar la información que se genera de cada empresa para brindarles un mejor servicio a sus trabajadores y los incentive a usar los beneficios que tiene para ellos, fortaleciendo la relación que tienen con la Caja y convirtiéndolos en clientes más leales.