Maestría en Analítica Estratégica de Datos

|

Detección de fraude en afiliaciones a través de un modelo de clasificación de machine learning en una aseguradora de riesgos laborales en Colombia

Matson Hernández, Camilo Eduardo | 2022

El presente proyecto de investigación evalúa la predicción de empresas marcadas como fraude en el sector de riesgos laborales, utilizando diferentes modelos de machine learning como lo son Random Forest, SVM, árboles de decisión y Gradient Boosting. El desarrollo del proyecto se realizó con datos reales que fueron proporcionados por una ARL Colombiana, los cuales cuentan con una muestra reducida de empresas detectadas como fraudulentas, por lo tanto, el estudio presenta una comparación de técnicas de manejo de desequilibrio de clases y los modelos de clasificación previamente mencionados. Se observa que la combinación que arrojó mejores resultados fue la técnica SMOTETOMEK con el modelo de clasificación de Random Forest con una especificidad (recall) del 0.99% la cual es la métrica de mayor interés para la aseguradora.

Modelo análisis predictivo para el cálculo de tasa de deserción en una empresa aseguradora

Rodríguez Pinzón, Heivar Yesid | 2022

La fidelización de clientes es uno de los grandes inconvenientes que tiene las empresas aseguradoras a nivel mundial, para ello buscan tener técnicas en analítica idóneas que les permitan estar a la vanguardia en el mercado. Por lo tanto, el objetivo del proyecto es diseñar un modelo probabilístico a partir de algoritmos de análisis que permita un acercamiento con la probabilidad de abandono de los clientes corporativos hacia la aseguradora. La empresa por analizar se desempeña en el sector asegurador colombiano con la venta de pólizas y la administración de riesgos laborales que actualmente trabaja en la reducción de la tasa de abandono con el fin de mejorar los servicios prestados por ello existe la motivación para realizar el presente trabajo colaborativo. Considerando las diferentes aplicaciones de la ciencia de datos se decide hacer uso de sus técnicas, el proyecto se desarrolla bajo la metodología CRIPS DM, durante la fase I, comprensión del negocio, se determinan las necesidades y se obtiene conocimientos de trabajos asociados ya realizados por parte de los interesados. La fase II, entendimiento de los datos, se realiza una exploración de los datos suministrados y se definen tres algoritmos para estudiar, la fase III relacionada a la preparación de los datos, las variables fuertemente correlacionadas con la variable objetivo fueron descartadas, para la fase IV y V, el modelado y la evaluación, respectivamente, con los algoritmos previamente seleccionados se realizan 33 experimentos iterando entre los hiperparámetros disponibles y técnicas de balanceamiento de clases, donde, el modelo seleccionado será un apoyo para las diferentes áreas interesadas para la elaboración de planes de acción en la retención de clientes, por lo tanto, los resultados arrojados permite dos alternativas de solución basadas en XGBoost, por la precisión de captar clientes con intenciones de desertar y la alternativa de ahorro abordando un porcentaje de estos clientes.

Diseño, construcción e implementación de una herramienta de inteligencia de negocios y analítica de datos para la presentación eficiente de indicadores claves de desempeño del centro de psicología clínica y propuesta de modelo de segmentación/perfilamiento y retención de pacientes

Rodríguez Pinzón, Heivar Yesid | 2022

El proyecto describe el las etapas de análisis, diseño y desarrollo de una herramienta de software complementaria especializada para inteligencia de negocios útil y efectiva que apoya en la optimización de tiempos de operación, provee información visual adecuada para la medición, análisis y control de indicadores claves de desempeño, facilita la presentación de resultados a entidades gubernamentales nacionales y distritales encargadas de la vigilancia y control de instituciones prestadoras de salud (IPS), e influye en el mejoramiento del servicio a la comunidad ofrecido por el Centro de Psicología Clínica de la Fundación Universitaria Konrad Lorenz (presta diferentes servicios de acompañamiento psicoterapéutico entre otros programas de prevención y promoción, en estos intervienen los estudiantes de psicología en formación de la Fundación Universitaria Konrad Lorenz poniendo en práctica el conocimiento adquirido en su proceso formativo a nivel profesional). La construcción de la herramienta se articula a través de la utilización combinada de elementos informáticos de ETL (Extracción, transformación y carga), almacenamiento o persistencia (esquemas de bases de datos relacionales) y visualización y explotación de datos a través de tableros de control (Microsoft Power BI). Además; como segunda parte y componente investigativo, se especifican dos experimentos con modelos de aprendizaje de máquina no supervisado (agrupación o clustering) haciendo uso de uno de los conjuntos de datos provistos por el Centro de Psicología Clínica (encuesta aplicada a pacientes), interpretando sus resultados y evaluándolos en términos de métricas de desempeño.

Ciberseguridad basada en analítica para bases de datos Oracle

Rodríguez Pinzón, Heivar Yesid | 2021

La creciente exposición al riesgo de seguridad a nivel organizacional y la dinámica cambiante de la tecnología hace que en un gran porcentaje de las organizaciones se descuide unfactor tan importante como lo es la seguridad. Este proyecto busca clasificar el nivel de riesgo expuesto y automatizar la gestión del control del estado de una o más bases de datos Oracle, apoyándose en las diferentes herramientas de analítica de datos que sirven para clasificar, predecir y automatizar. Se investigan los estándares establecidos en diferentes organizaciones que vigilan y publican las mejores prácticas, siendo estas el insumo para construir una línea base de seguridad y a partir de esta se procesan los diferentes datos obtenidos para asignar un estado de corrección de las vulnerabilidades encontradas y cruzarlas con información obtenida de las publicaciones que genera la entidad NATIONAL VULNERABILITY DATABASE (NVD) a todos los productos de tecnología, utilizando en este caso las relacionadas con las bases de datos Oracle. Como resultado del proyecto se obtuvieron niveles satisfactorios en el contexto desarrollado y deja la posibilidad abierta para alcanzar un mejor rendimiento si se aplica en una o más organizaciones.

Factores asociados al cambio en la calidad educativa de los estudiantes de grado 11 en épocas del Covid-19 en Colombia

Camargo Mendoza, Jorge Eliecer | 2022

Se pretende observar el efecto que tuvo la pandemia COVID-19 en las calificaciones de los estudiantes de grado 11, determinando cuáles son los factores que provocan diferencias en la calidad educativa (económicos, sociales, tecnológicos, de cobertura de internet, tasas de contagio de COVID-19), mediante el análisis de datos a los resultados de las pruebas Saber-11 desde el primer semestre del 2016 hasta el primer semestre de 2021. Con el fin de estimar de manera cuantitativa el efecto que la pandemia y las medidas tomadas por el estado colombiano para mitigar la propagación del virus tuvieron sobre la calidad educativa.

Modelo de predicción para la deserción en la Fundación Universitaria Konrad Lorenz

Camargo Mendoza, Jorge Eliecer | 2022

El objetivo y alcance del proyecto de investigación es utilizar modelos de Machine Learning para la predicción de deserción en los estudiantes de pregrado de la Fundación Universitaria Konrad Lorenz, a partir de la sabana de datos del registro académico de la universidad. Durante la investigación, se empleó la metodología CRISP-DM que consta de seis fases: comprensión del negocio, comprensión de los datos, preparación de los datos, modelado, evaluación e implantación. En la primera fase de “compresión del negocio” se determinó la necesidad de la universidad por tener un modelo predictivo que le permita conocer la probabilidad de deserción de los estudiantes. En la segunda fase de “comprensión de los datos”, se realiza la exploración y verificación de la calidad de las tablas. En la tercera fase de “preparación de los datos”, se seleccionan las tablas a trabajar, se realiza la limpieza, se integran los datos y se dispone las tablas finales que entrarán a los modelos, estas tablas quedaron separadas por cada programa de pregrado de la universidad. En la cuarta fase de “modelado” se selecciona las técnicas de modelo y se evalúan los hiperparámetros de los modelos con la validación cruzada. En la quinta fase de “evaluación”, se evalúan los resultados de los modelos a través de las métricas mencionadas, para este caso el mejor modelo resultó ser los bosques aleatorios (Random Forest), con una exactitud superior del 95% para cada programa académico. En la sexta y última fase es la de “implantación” y se propone una arquitectura en nube que tiene como propósito integrar las fuentes y generar las salidas de los modelos para visualizarlos en un reporte.