Mostrar registro simples

dc.contributor.advisorSanchez Sandoval, Eduardo
dc.coverage.spatialcead_-_medellín
dc.creatorVallejo Quintero, John Alexander
dc.date.accessioned2025-08-21T20:35:48Z
dc.date.available2025-08-21T20:35:48Z
dc.date.created2025-08-19
dc.identifier.urihttps://repository.unad.edu.co/handle/10596/73390
dc.description.abstractEn 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.
dc.formatpdf
dc.titleAplicación 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
dc.typeProyecto aplicado
dc.subject.keywordsAnalítica predictiva
dc.subject.keywordsCiencia de datos
dc.subject.keywordsComportamientos financieros
dc.subject.keywordsSegmentación de clientes
dc.subject.keywordsSatisfacción del cliente
dc.description.abstractenglishIn an increasingly competitive financial environment, asset management companies face the challenge of gaining a deeper understanding of their clients' financial behaviors in order to offer more personalized and effective solutions. This thesis implemented a data science and advanced analytics approach to segment clients of voluntary pension plans from three Latin American countries: Chile, Colombia, and Mexico. Using a representative dataset, techniques such as exploratory analysis of demographic and financial variables, cross-variable analysis to identify behavioral patterns, and clustering models (K-means) were applied to generate actionable customer segments. The main findings revealed that factors such as age, educational level, investment type, and country of residence significantly influence investment frequency and average invested amount. Six distinct client profiles were identified, ranging from low-saving young individuals to older adults with high wealth and aggressive investment strategies. Based
dc.subject.categoryCiencia de datos
dc.subject.categoryAnalítica predictiva


Arquivos deste item

Thumbnail

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples