Torres Valencia, CristianReina Torres, María José2025-02-252025-02-252024http://hdl.handle.net/11522/4535Este 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.93 p.application/pdfspaModelo predictivoAprendizaje automáticoCréditosBienestar familiarRiesgoInclusión financieraMisión organizacionalPredictive modelMachine learningCreditsFamily well-beingRiskFinancial inclusionOrganizational missionModelo predictivo de machine learning para otorgar créditos a afiliados reportados negativamentehttp://purl.org/coar/resource_type/c_bdcchttps://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_16ec