Mejora del proceso de análisis y detección de entidades relacionadas a bancos, en apoyo al control y regulación de límites de créditos en la Superintendencia de Bancos e Instituciones Financieras
Professor Advisor
dc.contributor.advisor
Ríos Pérez, Sebastián
Professor Advisor
dc.contributor.advisor
Contreras Piña, Constanza
Author
dc.contributor.author
Vera Lobos, Luis Felipe
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
Wolff Rojas, Patricio
Associate professor
dc.contributor.other
Almazán Tepliski, Felipe
Admission date
dc.date.accessioned
2016-06-10T14:51:26Z
Available date
dc.date.available
2016-06-10T14:51:26Z
Publication date
dc.date.issued
2016
Identifier
dc.identifier.uri
https://repositorio.uchile.cl/handle/2250/138697
General note
dc.description
Proyecto de grado para optar al grado de Magíster en Ingeniería de Negocios con Tecnologías de Información
Abstract
dc.description.abstract
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.
Mejora del proceso de análisis y detección de entidades relacionadas a bancos, en apoyo al control y regulación de límites de créditos en la Superintendencia de Bancos e Instituciones Financieras