• español
    • English
    • français
    • português
A+A-
  • português 
    • español
    • English
    • français
    • português
    • Guias de uso
      • Diretrizes para o diretor de trabalho do consultor
      • Diretrizes para o aluno que carrega trabalhos de graduação
      • Padrões da APA 7 Edition
      • Tips APA 7 Edition Standards
    • Users
    Ver item 
    •   Universidade Nacional Aberta e a Distância UNAD
    • Producción Científica
    • Trabajos de Grado - Especialización
    • Escuela de Ciencias Básicas, Tecnología e Ingeniería
    • Especialización
    • Especialización en Ciencia de Datos y Analítica
    • Ver item
    •   Universidade Nacional Aberta e a Distância UNAD
    • Producción Científica
    • Trabajos de Grado - Especialización
    • Escuela de Ciencias Básicas, Tecnología e Ingeniería
    • Especialización
    • Especialización en Ciencia de Datos y Analítica
    • Ver item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Aplicación de ciencia de datos y analítica para conocer los comportamientos financieros de los clientes y desarrollar ofertas personalizadas en una compañía de administración de activos

    Thumbnail
    QRCode
    Visualizar/Abrir
    javallejoq.pdf (794.9Kb)
    Compartilhar
    Data
    2025-08-19
    Autor
    Vallejo Quintero, John Alexander
    Orientador
    Sanchez Sandoval, Eduardo

    Citación

           
    TY - GEN T1 - Aplicación de ciencia de datos y analítica para conocer los comportamientos financieros de los clientes y desarrollar ofertas personalizadas en una compañía de administración de activos AU - Vallejo Quintero, John Alexander Y1 - 2025-08-19 UR - https://repository.unad.edu.co/handle/10596/73390 AB - En un entorno financiero cada vez más competitivo, las compañías del sector de administración de activos enfrentan el desafío de comprender con mayor profundidad los comportamientos financieros de sus clientes para ofrecer soluciones personalizadas y efectivas. Este trabajo de grado implementó un enfoque basado en ciencia de datos y analítica avanzada para segmentar clientes de pensiones voluntarias de tres países latinoamericanos: Chile, Colombia y México. A partir de una base de datos representativa, se aplicaron técnicas como análisis exploratorio de variables demográficas y financieras, cruces para identificar patrones de comportamiento y modelos de clusterización (K-means) para generar segmentos accionables. Los principales hallazgos revelaron que factores como edad, nivel educativo, tipo de inversión y país de residencia inciden significativamente en la frecuencia de inversión y en el valor promedio invertido. Se identificaron seis perfiles distintos de clientes, incluyendo desde jóvenes de bajo ahorro hasta adultos mayores con alto patrimonio y estrategias de inversión agresivas. Con base en esta segmentación, se formularon recomendaciones específicas orientadas a mejorar la experiencia del cliente y optimizar las estrategias de inversión según cada perfil. La metodología empleada permitió validar cómo la aplicación de herramientas de machine learning y análisis multivariado puede aportar valor estratégico a las compañías del sector financiero, facilitando la toma de decisiones informadas y centradas en el cliente. Este proyecto demuestra que la integración de enfoques analíticos robustos no solo contribuye a la eficiencia operativa, sino que también fortalece la personalización de la oferta y la fidelización en un mercado cada vez más exigente. En conclusión, el uso estratégico de los datos representa una oportunidad clave para transformar la relación entre las administradoras de activos y sus clientes, apoyando una visión más sostenible y adaptativa del negocio en el largo plazo. ER - @misc{10596_73390, author = {Vallejo Quintero John Alexander}, title = {Aplicación de ciencia de datos y analítica para conocer los comportamientos financieros de los clientes y desarrollar ofertas personalizadas en una compañía de administración de activos}, year = {2025-08-19}, abstract = {En un entorno financiero cada vez más competitivo, las compañías del sector de administración de activos enfrentan el desafío de comprender con mayor profundidad los comportamientos financieros de sus clientes para ofrecer soluciones personalizadas y efectivas. Este trabajo de grado implementó un enfoque basado en ciencia de datos y analítica avanzada para segmentar clientes de pensiones voluntarias de tres países latinoamericanos: Chile, Colombia y México. A partir de una base de datos representativa, se aplicaron técnicas como análisis exploratorio de variables demográficas y financieras, cruces para identificar patrones de comportamiento y modelos de clusterización (K-means) para generar segmentos accionables. Los principales hallazgos revelaron que factores como edad, nivel educativo, tipo de inversión y país de residencia inciden significativamente en la frecuencia de inversión y en el valor promedio invertido. Se identificaron seis perfiles distintos de clientes, incluyendo desde jóvenes de bajo ahorro hasta adultos mayores con alto patrimonio y estrategias de inversión agresivas. Con base en esta segmentación, se formularon recomendaciones específicas orientadas a mejorar la experiencia del cliente y optimizar las estrategias de inversión según cada perfil. La metodología empleada permitió validar cómo la aplicación de herramientas de machine learning y análisis multivariado puede aportar valor estratégico a las compañías del sector financiero, facilitando la toma de decisiones informadas y centradas en el cliente. Este proyecto demuestra que la integración de enfoques analíticos robustos no solo contribuye a la eficiencia operativa, sino que también fortalece la personalización de la oferta y la fidelización en un mercado cada vez más exigente. En conclusión, el uso estratégico de los datos representa una oportunidad clave para transformar la relación entre las administradoras de activos y sus clientes, apoyando una visión más sostenible y adaptativa del negocio en el largo plazo.}, url = {https://repository.unad.edu.co/handle/10596/73390} }RT Generic T1 Aplicación de ciencia de datos y analítica para conocer los comportamientos financieros de los clientes y desarrollar ofertas personalizadas en una compañía de administración de activos A1 Vallejo Quintero, John Alexander YR 2025-08-19 LK https://repository.unad.edu.co/handle/10596/73390 AB En un entorno financiero cada vez más competitivo, las compañías del sector de administración de activos enfrentan el desafío de comprender con mayor profundidad los comportamientos financieros de sus clientes para ofrecer soluciones personalizadas y efectivas. Este trabajo de grado implementó un enfoque basado en ciencia de datos y analítica avanzada para segmentar clientes de pensiones voluntarias de tres países latinoamericanos: Chile, Colombia y México. A partir de una base de datos representativa, se aplicaron técnicas como análisis exploratorio de variables demográficas y financieras, cruces para identificar patrones de comportamiento y modelos de clusterización (K-means) para generar segmentos accionables. Los principales hallazgos revelaron que factores como edad, nivel educativo, tipo de inversión y país de residencia inciden significativamente en la frecuencia de inversión y en el valor promedio invertido. Se identificaron seis perfiles distintos de clientes, incluyendo desde jóvenes de bajo ahorro hasta adultos mayores con alto patrimonio y estrategias de inversión agresivas. Con base en esta segmentación, se formularon recomendaciones específicas orientadas a mejorar la experiencia del cliente y optimizar las estrategias de inversión según cada perfil. La metodología empleada permitió validar cómo la aplicación de herramientas de machine learning y análisis multivariado puede aportar valor estratégico a las compañías del sector financiero, facilitando la toma de decisiones informadas y centradas en el cliente. Este proyecto demuestra que la integración de enfoques analíticos robustos no solo contribuye a la eficiencia operativa, sino que también fortalece la personalización de la oferta y la fidelización en un mercado cada vez más exigente. En conclusión, el uso estratégico de los datos representa una oportunidad clave para transformar la relación entre las administradoras de activos y sus clientes, apoyando una visión más sostenible y adaptativa del negocio en el largo plazo. OL Spanish (121)
    Gestores bibliográficos
    Refworks
    Zotero / EndNote / Mendeley
    BibTeX
    CiteULike
    Palavras-chave
    Analítica predictiva Google Scholar
    Ciencia de datos Google Scholar
    Comportamientos financieros Google Scholar
    Segmentación de clientes Google Scholar
    Satisfacción del cliente Google Scholar
    Cobertura regional / nacional
    cead_-_medellín
    Metadata
    Mostrar registro completo
    Documento PDF
    Descrição do conteúdo
    En un entorno financiero cada vez más competitivo, las compañías del sector de administración de activos enfrentan el desafío de comprender con mayor profundidad los comportamientos financieros de sus clientes para ofrecer soluciones personalizadas y efectivas. Este trabajo de grado implementó un enfoque basado en ciencia de datos y analítica avanzada para segmentar clientes de pensiones voluntarias de tres países latinoamericanos: Chile, Colombia y México. A partir de una base de datos representativa, se aplicaron técnicas como análisis exploratorio de variables demográficas y financieras, cruces para identificar patrones de comportamiento y modelos de clusterización (K-means) para generar segmentos accionables. Los principales hallazgos revelaron que factores como edad, nivel educativo, tipo de inversión y país de residencia inciden significativamente en la frecuencia de inversión y en el valor promedio invertido. Se identificaron seis perfiles distintos de clientes, incluyendo desde jóvenes de bajo ahorro hasta adultos mayores con alto patrimonio y estrategias de inversión agresivas. Con base en esta segmentación, se formularon recomendaciones específicas orientadas a mejorar la experiencia del cliente y optimizar las estrategias de inversión según cada perfil. La metodología empleada permitió validar cómo la aplicación de herramientas de machine learning y análisis multivariado puede aportar valor estratégico a las compañías del sector financiero, facilitando la toma de decisiones informadas y centradas en el cliente. Este proyecto demuestra que la integración de enfoques analíticos robustos no solo contribuye a la eficiencia operativa, sino que también fortalece la personalización de la oferta y la fidelización en un mercado cada vez más exigente. En conclusión, ...
    Formato
    pdf
    Tipo de recurso digital
    Proyecto aplicado
    Relacionamento de conteúdo
    Ciencia de datos
    Analítica predictiva
    URI
    https://repository.unad.edu.co/handle/10596/73390
    Collections
    • Especialización en Ciencia de Datos y Analítica [247]
    Guias de usoNormatividadeDiretrizes para o diretor de trabalho do consultorDiretrizes para o aluno que carrega trabalhos de graduaçãoPadrões da APA 7 EditionTips APA 7 Edition Standards

    Navegar

    Todo o repositórioComunidades e ColeçõesPor data do documentoAutoresTítulosAssuntosEsta coleçãoPor data do documentoAutoresTítulosAssuntos

    Minha conta

    EntrarCadastro
    Estatísticas GTMEstatísticas GTM
    Indexado por:
    logo_Open Archives Initiative
    logo_Biblioteca Digital Ecuatoriana
    logo_OpenDOAR
    logo_Open ROAR
    logo_Google Scholar
    logo_Lyrasis
    logo_WorldCat
    logo_FAO
    logo_AGRIS
    logo_Alianza de Servicios de Información Agropecuaria
    logo_Siembra
    logo_Fedesarrollo
    logo_Colombia Digital
    logo_Hemeroteca UNAD
    logo_RED DE REPOSITORIOS LATINOAMERICANOS
    logo_OAIster
    logo_La Referencia
    logo_Open AIRE
    logo_Core
    logo_Base
    logo_CLACSO
    logo_OpenAlex
    logos isopreadGreat Work to PlaceIcontec - Great Work to Place

    Línea anticorrupción: 3232641617 ext. 1544

    En Bogotá D.C. (Colombia) Teléfono: 323 264 1617 - Línea gratuita nacional: 323 264 1617

    Institución de Educación Superior sujeta a inspección y vigilancia por el Ministerio de Educación Nacional

    Universidad Nacional Abierta y a Distancia UNAD de Colombia - © Copyright UNAD 2024

    Síguenos en: