Anticipando la fuga de clientes

Simple item page
dc.contributor.advisorBianchi, Alejandro
dc.contributor.authorAbisab Prinzo, Nazim
dc.contributor.authorLembo Cóppola, Yanina
dc.contributor.authorOliari Ciaponi, Luis Emilio
dc.contributor.tribunalEspinosa, Marcelo
dc.contributor.tribunalMora Riquelme, Hugo Andrés
dc.date.accessioned2023-06-09T19:40:23Z
dc.date.available2023-06-09T19:40:23Z
dc.date.issued2023
dc.descriptionIncluye bibliografía y anexos.
dc.description.abstractEn el siguiente trabajo final se desarrollan conceptos teóricos de aprendizaje automático, la generación de algoritmos de aprendizaje supervisado y no supervisado que permiten predecir el comportamiento. En este caso, un algoritmo capaz de predecir el comportamiento de los clientes de una empresa que presta servicios a otras empresas (B2B), así como también la agrupación de estos en base a características comunes. Se realizó un entendimiento general de la empresa cliente. Luego se investigaron técnicas de aprendizaje automático para abordar la problemática de fuga de clientes en una empresa de servicios, se desarrollaron y testearon algoritmos para predecir el “Churn rate”, que es la métrica que mide el número de clientes y suscriptores que han dejado de seguir a una compañía. Se compararon los resultados de los diferentes algoritmos con la métrica de Curva de ROC. Luego de haber llegado a un algoritmo aceptable, se continúa aplicando técnicas de aprendizaje no supervisado para el análisis de grupos de los clientes y en base a una combinación de estas métricas, desarrollar conclusiones. Se aplicó lenguaje de programación Python para los algoritmos de aprendizaje supervisado y no supervisado, Power Query para transformación inicial de variables del conjunto de datos y Power BI para la extracción de conclusiones de clientes. Los resultados obtenidos para la predicción fueron más que satisfactorios. Se crearon tres grupos de clientes, número óptimo según el análisis realizado. Como conclusión se realizaron recomendaciones a la empresa para mejorar el manejo y gobernanza de datos, la interpretación de resultados, las técnicas y algoritmos a aplicar.
dc.format.extent125 p. diagrs., tbls., grafs.
dc.identifier.citationAbisab Prinzo, N., Lembo Cóppola, Y., & Oliari Ciaponi, L. E. (2023). Anticipando la fuga de clientes: un caso real de una corporación de servicios para empresas (Trabajo final). Universidad ORT Uruguay, Facultad de Ingeniería.
dc.identifier.urihttp://hdl.handle.net/20.500.11968/6447
dc.languageEspañol.
dc.publisherUniversidad ORT Uruguay
dc.relation.otherhttps://sisbibliotecas.ort.edu.uy/bib/94265
dc.subjectPROYECTOS-MD
dc.subjectAPRENDIZAJE AUTOMÁTICO
dc.subjectBIG DATA
dc.subjectFIDELIZACIÓN DE CLIENTES
dc.subjectALGORITMOS
dc.titleAnticipando la fuga de clientes
dc.title.subtitleun caso real de una corporación de servicios para empresas
dc.typeTrabajo final de carrera
ort.thesis.careerFI - Master en Big Data - MD
ort.thesis.degreegrantorFacultad de Ingeniería
ort.thesis.degreelevelMaster
ort.thesis.degreenameMaster en Big Data
ort.thesis.degreetypeTrabajo final
ort.thesis.noteTrabajo final (Master). Universidad ORT Uruguay, Facultad de Ingeniería
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Material completo.pdf
Size:
4.31 MB
Format:
Adobe Portable Document Format
Description:
description
Download
Collections
Trabajos finales de carrera de postgrado