Resumen de ¿Es un cliente confiable?... Minería de datos tradicional y Fintech para el cálculo de la rentabilidad

Cristian Garces, Alexandra González

• español

  Este trabajo presenta una propuesta para la detección de clientes corporativos fiables en función de sus perfiles de usuario en entidades crediticias, según un modelo de clasificación automática basado en redes neuronales, el cual logra una alta precisión en relación con algoritmos de aprendizaje tradicionales. Para el desarrollo del modelo de minería usamos una adaptación de la metodología CRISP-DM que permite la creación de un modelo confiable que puede integrarse en plataformas de servicios en la nube. La implementación de este modelo ofrece una reducción de tiempo en el cálculo de la rentabilidad de los clientes, es de fácil aplicación en servicios corporativos y la visualización de los resultados para la consulta y la toma de decisión. De esta forma el modelo se constituye en una propuesta Fintech válida para las empresas corporativas y de finanzas.

• English

  This paper presents a proposal for the detection of reliable corporate clients based on their user profiles in credit institutions, according to an automatic classification model based on neural networks, which achieves high accuracy in relation to traditional learning algorithms. For the development of the mining model, we use an adaptation of the CRISP-DM methodology that allows the creation of a reliable model that can be integrated into cloud service platforms. The implementation of this model offers reduced time to calculate customer profitability; it is easy to apply in corporate services and the visualization of the results for the consultation and decision-making. Thus, the model constitutes a valid Fintech proposal for corporate and finance   companies.