Herramienta para detectar clientes potencialmente fraudulentos de Bancolombia

Simple item page
dc.contributor.advisorPabón Burbano, María Constanza
dc.contributor.authorPatiño Munera, Santiago Alexis
dc.contributor.authorBerrio Arenas, Johan Alexis
dc.date.accessioned2025-11-05T20:35:33Z
dc.date.available2025-11-05T20:35:33Z
dc.date.issued2025
dc.description.abstractEn el ámbito bancario, la detección y prevención de fraudes externos es crucial debido a la sofisticación de los métodos empleados por defraudadores. Bancolombia enfrenta el riesgo de fraudes cometidos por clientes, quienes con acceso a servicios y productos que el banco ofrece, pueden realizar actividades ilícitas que impactan económicamente y dañan la reputación de la institución. Los sistemas actuales de monitoreo alertan sobre clientes sospechosos, pero su incapacidad para contextualizar adecuadamente cada cliente resulta en una alta tasa de falsos positivos. El objetivo de este proyecto es desarrollar un modelo de aprendizaje automático para detectar clientes fraudulentos de Bancolombia, integrando datos financieros, transaccionales y demográficos específicos. Con el objetivo de optimizar la asignación de recursos en la investigación de fraudes reales y fortalecer la seguridad financiera de la entidad, se espera obtener los siguientes resultados: una base de datos integrada y equilibrada, un modelo eficiente para la 2 detección de clientes fraudulentos y un informe detallado que evalúe el desempeño del modelo implementado. La implementación exitosa mitigará los riesgos operativos del fraude externo y promoverá la aplicación de la ciencia de datos para fortalecer la seguridad financiera y la confianza pública en Bancolombia. Además, este proyecto podría servir como referencia para otras entidades, mejorando la eficiencia operativa y reduciendo costos asociados con la gestión de alertas de fraude.spa
dc.description.abstractIn the banking sector, detecting and preventing external fraud is crucial due to the sophistication of the methods used by fraudsters. Bancolombia faces the risk of fraud committed by customers who, with access to the bank’s services and products, may engage in illicit activities that have financial impacts and damage the institution’s reputation. Current monitoring systems raise alerts about suspicious customers, but their inability to properly contextualize each case results in a high rate of false positives. The objective of this project is to develop a machine learning model to detect fraudulent Bancolombia customers by integrating specific financial, transactional, and demographic data. Aiming to optimize resource allocation in the investigation of actual fraud cases and strengthen the institution’s financial security, the project expects to achieve the following outcomes: an integrated and balanced database, an efficient model for detecting fraudulent customers, and a detailed report evaluating the performance of the implemented model. Successful implementation will mitigate operational risks associated with external fraud and promote the use of data science to enhance financial security and public trust in Bancolombia. Furthermore, this project could serve as a reference for other institutions, improving operational efficiency and reducing costs related to fraud alert management.eng
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ciencia de Datos
dc.format.extent64 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttp://hdl.handle.net/11522/5052
dc.language.isospa
dc.publisherPontificia Universidad Javeriana Cali
dc.publisher.departmentFacultad de Ingeniería y Ciencias
dc.publisher.programMaestría en Ciencia de Datos
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectFraude externospa
dc.subjectMonitoreospa
dc.subjectClientesspa
dc.subjectAprendizaje automáticospa
dc.subjectModelospa
dc.subjectExternal fraudeng
dc.subjectMonitoringeng
dc.subjectCustomerseng
dc.subjectMachine learningeng
dc.subjectModeleng
dc.titleHerramienta para detectar clientes potencialmente fraudulentos de Bancolombiaspa
dc.typemaster thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
Proyecto de Grado Final - Johan Alexis Berrio Arenas,Santiago Alexis Patiño Munera,.pdf
Size:
1.84 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia de Uso - Johan Alexis Berrio Arenas,Santiago Alexis Patiño Munera,.pdf
Size:
273.45 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ciencia de Datos