Show simple item record

Professor Advisordc.contributor.advisorSegovia Riquelme, Carolina
Authordc.contributor.authorTroncoso Donoso, Francisca Belén
Associate professordc.contributor.otherPuente Chandía, Alejandra
Associate professordc.contributor.otherDuarte Alleuy, Blas
Admission datedc.date.accessioned2023-07-21T19:48:54Z
Available datedc.date.available2023-07-21T19:48:54Z
Publication datedc.date.issued2023
Identifierdc.identifier.urihttps://repositorio.uchile.cl/handle/2250/194914
Abstractdc.description.abstractTalana es una startup chilena líder dentro del mercado de software de recursos humanos la cual ofrece 8 diferentes soluciones que ayudan a facilitar los procesos de recursos humanos de cualquier organización, las cuales son: Gestión de Personas, Remuneraciones, Firma Digital, Asistencia y Turnos, Desarrollo Organizacional, Centro de Requerimientos , Comunicaciones y,Reclutamiento y Selección Durante los últimos años, Talana ha experimentado un explosivo crecimiento lo cual ha llevado a que la organización no disponga de capacidad y tiempo para realizar análisis en profundidad, por lo que se continua trabajando de la misma manera. Esta situación ha im- plicado que durante el último periodo no se ha superado la tasa de conversión histórica del 32 %, siendo que en periodos anteriores han logrado estar entre el 35 % y 40 %. Sumado a lo anterior, también existe una tasa de clientes no-show cercana al 18 %, lo que se ve reflejado en la pérdida de 88 horas de trabajo mensual, lo que equivale a $5.940.000 anuales. Es por ello que en el proyecto se propone diseñar y generar un modelo de clasificación para predecir la probabilidad de que un negocio se cierre en base a las características del lead. Para llevar a cabo este proyecto se trabaja en base a la metodología Cross Industry Stan- dard Process for Data Mining (CRISP - DM), esta comienza por el levantamiento de infor- mación para comprender los objetivos y requisitos de la organización, luego se prepara la data, para finalmente, construir los modelos, evaluarlos y seleccionar el idóneo. Cabe desta- car que para efectos de esta memoria, sólo se llegará a la fase de evaluación de los modelos predictivos. Y en cuanto a las técnicas de machine learning se aplicarán 4: regresión logística, árboles de decisión, random forest y gradient boosting machine. Como resultado de la construcción de los modelos se destaca el desempeño entregado por los modelos gradient boosting machine y regresión logística entrenado con data balanceada mediante la técnica de oversampling, debido a que estos predicen el estado final del negocio con una exactitud del 73 % y 74 %, respectivamente, lo cual indica que son modelos con un alto nivel de ajuste. Finalmente, se recomienda incorporar nuevas estrategias en el área de ventas en base a la información extraída, además de fortalecer los modelos mediante la incorporación de nuevas variables y datos de entrenamiento.es_ES
Lenguagedc.language.isoeses_ES
Publisherdc.publisherUniversidad de Chilees_ES
Type of licensedc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
Link to Licensedc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
Títulodc.titleGeneración de un modelo de clasificación de Lead Scoring para una empresa SAASes_ES
Document typedc.typeTesises_ES
dc.description.versiondc.description.versionVersión original del autores_ES
dcterms.accessRightsdcterms.accessRightsAcceso abiertoes_ES
Catalogueruchile.catalogadorgmmes_ES
Departmentuchile.departamentoDepartamento de Ingeniería Industriales_ES
Facultyuchile.facultadFacultad de Ciencias Físicas y Matemáticases_ES
uchile.carrerauchile.carreraIngeniería Civil Industriales_ES
uchile.gradoacademicouchile.gradoacademicoLicenciadoes_ES
uchile.notadetesisuchile.notadetesisMemoria para optar al título de Ingeniera Civil Industriales_ES


Files in this item

Icon
Icon

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 United States
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 United States