Uso de modelos predictivos para la asignación de metas de tarjetas de crédito en los Centros de Atención de la empresa Tuya S.A.

Abstract

RESUMEN : En la actualidad, la búsqueda constante de eficiencia y optimización en el sector servicios, especialmente en el financiero se ha convertido en la clave para estar siempre a la vanguardia en un sector que es cada vez más competitivo. Es en este contexto que se requiere la implementación de un modelo de metas de tarjetas de crédito para el área comercial de Tuya S.A como una estrategia clave para gestionar los servicios prestados por los Centros de Atención (Catts). El enfoque se centra en primera medida, en la planificación precisa, para lo cual se llevó a cabo un análisis exploratorio de los datos brindados por el equipo de Desarrollo Comercial de la compañía de forma preliminar a la implementación de los modelos predictivos, una ejecución efectiva y el monitoreo de la calidad de los modelos predictivos, en este caso en particular usando los modelos de Support Vector Regressor, Random Forest para regresión y modelos utilizando redes neuronales. Finalmente, dicha implementación se traduce en una mejor utilización de los recursos que dispone la compañía ahorrando tiempo al automatizar un proceso que toma varios días en llevarse a cabo.

ABSTRACT : Nowadays, the constant search for efficiency and optimisation in the service sector, especially in the financial sector, has become the key to always being at the forefront in an increasingly competitive sector. It is in this context that the implementation of a credit card target model for the commercial area of Tuya S.A. is required as a key strategy to manage the services provided by the Customer Service Centres (Catts). The approach focuses firstly on accurate planning, for which an exploratory analysis of the data provided by the company's Business Development team was carried out preliminary to the implementation of the predictive models, effective execution and monitoring of the quality of the predictive models, in this particular case using Support Vector Regressor models, Random Forest for regression and models using neural networks. Ultimately, such implementation translates into better utilisation of the company's available resources, saving time by automating a process that takes several days to complete.