DSpace logo

Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.utmachala.edu.ec/handle/48000/21623
Título : Aplicación del aprendizaje automático en el análisis de cartera de una empresa pública de agua , alcantarillado y aseo
Autor : Miranda Gallegos, Jorge Luis
Director(es): Mazón Olivo, Bertha Eugenia
Tusa Jumbo, Eduardo
Palabras clave : MINERIA DE DATO;APRENDIZAJE AUTOMATICO;SISTEMA DE TOMA DE DECISION;SERVICIO DE AGUA POTABLE
Fecha de publicación : ago-2023
Editorial : Machala: Universidad Técnica de Machala
Citación : Miranda Gallegos, Jorge Luis (2023) Aplicación del aprendizaje automático en el análisis de cartera de una empresa pública de agua, alcantarillado y aseo. Universidad Técnica de Machala
Descripción : En la actualidad las nuevas tendencias e innovaciones tecnológicas como la aplicación de aprendizaje automático son de gran importancia para las empresas e industrias para impulsar una eficiencia en la toma de decisiones. En ese sentido la Empresa Pública de Agua, Alcantarillado y Aseo. EPAAA, del cantón Pasaje, busca apoyar sus decisiones basándose en el análisis de cartera para la gestión de recaudaciones de la empresa, ante esta problemática se desarrolló un Sistema de Soporte de Decisiones (DSS) aplicando inteligencia de negocios, minería de datos y aprendizaje automático, utilizando la metodología CRISP-DM la cual consta de 6 fases: comprensión del negocio, comprensión de los datos, preparación de los datos, modelado, evaluación y despliegue. Con la implementación del DSS es posible determinar qué está sucediendo en cuanto a la cartera y la gestión de recaudaciones; además, se puede realizar la caracterización de los clientes, clasificar los clientes por sector y ciclo, clasificación de clientes pagadores, clasificación de clientes deudores y apoyó para la gestión de cartera. El DSS está compuesto de una interfaz dashboard que consta de gráficos estadísticos, clasificaciones y predicciones de los abonados. Los resultados obtenidos con la implementación del DSS en la EPAAA permitió un 94.44% de eficiencia en la toma de decisiones, resultado que se obtuvo mediante una encuesta a los colaboradores que toman decisiones en la EPAAA. En conclusión, este trabajo nos permite mejorar los tiempos de respuesta de los colaboradores generando una eficiente gestión de recaudaciones, el DSS logró repotenciar los conocimientos sobre la cartera permitiendo caracterizar a los clientes, un logro importante es que se pudo clasificar a los clientes en función a la deuda donde producto de esto, se pudo tomar mejores decisiones.
Resumen : Currently, new trends and technological innovations such as the application of machine learning are of great importance for companies and industries to promote efficiency in decision making. In this sense, the Public Water, Sewerage and Cleaning Company (EPAAA) of the Pasaje canton, seeks to support its decisions based on the portfolio analysis for the company's collection management, in view of this problem, a Decision Support System was developed (DSS) applying business intelligence, data mining and machine learning, using the CRISP-DM methodology which consists of the phases: business understanding, data understanding, data preparation, modeling, evaluation and deployment. With the implementation of the DSS it is possible to determine what is happening in terms of the portfolio and collection management; In addition, it is possible to characterize the clients, classify the clients by sector and cycle, classification of paying clients, classification of debtor clients and support for portfolio management. The DSS is composed of a dashboard interface consisting of statistical graphs, classifications and subscriber predictions. The results obtained with the implementation of the DSS in the EPAAA allowed a 94.44% efficiency in decision-making, a result that was obtained through a survey of the collaborators who make decisions in the EPAAA. In conclusion, this work allows us to improve the response times of the collaborators, generating an efficient management of collections, the DSS managed to strengthen the knowledge about the portfolio, allowing to characterize the clients, an important achievement is that the clients could be classified according to to the debt where as a result of this, better decisions could be made.
URI : http://repositorio.utmachala.edu.ec/handle/48000/21623
Aparece en las colecciones: Maestría de Software

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
MIRANDA GALLEGOS, JORGE LUIS.pdfTESIS DE MAESTRIA2,86 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons