Show simple item record

Professor Advisordc.contributor.advisorRomero Godoy, Juan Pablo
Authordc.contributor.authorSaavedra Torres, Francisca Carolina
Associate professordc.contributor.otherNalda Reyes, José
Associate professordc.contributor.otherSegovia Riquelme, Carolina
Admission datedc.date.accessioned2025-07-08T21:20:33Z
Available datedc.date.available2025-07-08T21:20:33Z
Publication datedc.date.issued2025
Identifierdc.identifier.urihttps://repositorio.uchile.cl/handle/2250/205679
Abstractdc.description.abstractEl presente proyecto tiene como objetivo asegurar la estabilidad de los datos que alimentan los modelos de clasificación de clientes en el área de Analytics de Entel. En este contexto, la estabilidad de los datos se entiende como la consistencia en la distribución estadística de las variables a lo largo del tiempo. La estabilidad de estos datos es crucial, ya que los resultados de la clasificación son utilizados por el área de Riesgo para estimar el nivel de provisión nece- sario por temas de impago. Una variación del 1 % en la provisión puede impactar un 0.98 % del EBITDA de Entel. El sistema se implementó a través del Dashboard DataQuality en Variables, desarrollado en Power BI, que automatiza el cálculo del Characteristic Stability Index (CSI). A dife- rencia del sistema anterior, que no realizaba tratamientos específicos en la data, este nuevo enfoque permite una evaluación más precisa del CSI al agregar tratamientos variable-modelo. El proyecto siguió la metodología CRISP-DM debido a su enfoque sistemático y flexible, ideal para la mejora continua de modelos predictivos. Esta metodología se adapta bien a en- tornos complejos como el de Entel, ya que permite iterar sobre las distintas fases del proceso analítico. La implementación de filtros y tratamientos de datos permitió el cálculo desagregado del CSI. Esta mejora redujo el tiempo promedio de revisión por variable de 4 horas a 30 minutos. Esto se debe a que, cuando una variable presenta un CSI en rojo —cambio significativo en su distribución entre dos periodos—, solo es necesario revisar los modelos en los que dicha variable genera un CSI crítico, y no todos los modelos que la contienen. Aunque se logró un cálculo CSI preciso, se identificaron áreas de oportunidad relacionadas con la falta de estandarización de los datos. Estos factores provocaron retrasos en el tiem- po de desarrollo. Como medida correctiva, se recomienda implementar inteligencia artificial generativa para estandarizar los tratamientos de datos, lo que reduciría significativamente el tiempo de preparación de la data. El proyecto cumplió con los objetivos establecidos, destacando la creación de un sistema de monitoreo de estabilidad de los datos que alimentan los modelos de scoreo de clientes elaborados por Analytics Entel. Aunque el impacto económico directo es limitado, con ahorros de aproximadamente 17 millones de CLP mensuales, su impacto estratégico es relevante al permitir una respuesta ágil ante cambios en el comportamiento de los clientes.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.titleImplementación de sistema de visualización de estabilidad de datos para verificar calidad de modelos predictivos de riesgo de impago en Enteles_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 Ingeniera 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