Modelo predictivo de machine learning para otorgar créditos a afiliados reportados negativamente
Loading...
Date
2024
Authors
Director
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javariana Cali
Abstract
Este proyecto ha culminado en la creación de un modelo predictivo de Machine Learning que identifica potenciales beneficiarios de créditos entre los afiliados de una entidad de bienestar familiar en Colombia, minimizando el riesgo para la compañía. El objetivo principal era ampliar el acceso a servicios crediticios, promoviendo el bienestar de un mayor número de afiliados. Este avance es especialmente relevante para la compañía, ya que los nuevos modelos de otorgamiento de crédito han facilitado el acceso a poblaciones previamente desatendidas. Este enfoque resuena con la misión organizacional de la entidad, al priorizar a personas que podrían no ser el mercado objetivo de otras entidades, pero que representan un valor significativo para esta organización. Esta iniciativa no solo expande el alcance de la compañía, sino que también fortalece su compromiso social. Además de su impacto social, este proyecto ha optimizado la toma de decisiones crediticias, proporcionando un enfoque más preciso y equitativo. Al innovar en la evaluación de riesgos, contribuye a la mejora continua de los procesos internos y a la excelencia operativa de la organización. Esta versión destaca los logros del proyecto de una manera más concisa y estructurada, resaltando su impacto tanto en términos de misión organizacional como en eficiencia operativa.
Description
item.page.descriptioneng
This project has culminated in the creation of a predictive Machine Learning model that identifies potential credit beneficiaries among the members of a family welfare entity in Colombia, minimizing the risk for the company. The main objective was to expand access to credit services, promoting the well-being of a greater number of members. This advance is especially relevant for the company, since new credit granting models have facilitated access to previously underserved populations. This approach resonates with the entity's organizational mission by prioritizing people who may not be the target market of other entities, but who represent significant value to this organization. This initiative not only expands the company's reach, but also strengthens its social commitment. In addition to its social impact, this project has optimized credit decision-making, providing a more precise and equitable approach. By innovating in risk assessment, it contributes to the continuous improvement of internal processes and the operational excellence of the organization. This version highlights the project's achievements in a more concise and structured way, highlighting its impact both in terms of organizational mission and operational efficiency
Keywords
Modelo predictivo, Aprendizaje automático, Créditos, Bienestar familiar, Riesgo, Inclusión financiera, Misión organizacional, Predictive model, Machine learning, Credits, Family well-being, Risk, Financial inclusion, Organizational mission