Show simple item record

Professor Advisordc.contributor.advisorUrzúa Salinas, Pedro Antonio
Authordc.contributor.authorYáñez Vargas, Sebastián Andrés.
Associate professordc.contributor.otherSegovia Riquelme, Carolina
Associate professordc.contributor.otherVildoso Castillo, Felipe
Admission datedc.date.accessioned2025-07-08T21:01:52Z
Available datedc.date.available2025-07-08T21:01:52Z
Publication datedc.date.issued2025
Identifierdc.identifier.urihttps://repositorio.uchile.cl/handle/2250/205678
Abstractdc.description.abstractLa industria de las telecomunicaciones ha experimentado avances significativos en los últi mos años, lo que ha derivado en un aumento sustancial de la competencia entre las empresas del sector. Entel se posiciona como una de las principales compañías en este ámbito, con presencia en Chile y Perú y una base de 8 millones de clientes. En este escenario, la empresa ha impulsado nuevas estrategias orientadas a fortalecer su posición competitiva y mejorar su rentabilidad. En este contexto surge el proyecto “Perdonazo”, cuyo objetivo es reincorporar a clientes que fueron bloqueados por incumplimientos de pago, eliminando como restricción sus deudas históricas. Para ello, se desarrolló un modelo de predicción de no pago que permite segmen tar a estos clientes según su probabilidad de reincidencia en morosidad, facilitando decisiones comerciales más eficientes y focalizadas. El modelo fue construido siguiendo la metodología CRISP-DM, empleando un modelo de tipo LightGBM para la selección de variables y XGBoost como clasificador final. Esta combi nación permitió reducir el conjunto de variables utilizadas manteniendo un buen rendimiento predictivo y favoreciendo su futura implementación en entornos reales. Los resultados evidenciaron mejoras respecto a la versión anterior del modelo, con una mayor capacidad para discriminar entre clientes de bajo y alto riesgo, utilizando un menor número de variables. Esto se traduce en una herramienta más eficiente y práctica, capaz de apoyar decisiones comerciales con una base analítica robusta. A pesar de que el impacto económico inmediato fue acotado, los resultados técnicos alcanzados validan el enfoque pro puesto y su potencial utilidad en escenarios de alta competencia.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.titleSegmentación de oferta de servicios de telefonía móvil para clientes con historial de morosidad en Entel basado en Data Sciencees_ES
Document typedc.typeTesises_ES
dc.description.versiondc.description.versionVersión original del autores_ES
dcterms.accessRightsdcterms.accessRightsAcceso abiertoes_ES
Catalogueruchile.catalogadorchbes_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 Ingeniero Civil Industriales_ES


Files in this item

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