Prototipo De Aplicación Web Basado En Machine Learning Para Optimizar La Gestión De Cartera De Clientes En Una Entidad Aseguradora Colombiana

Resumen

En la actualidad, el sector asegurador en Colombia enfrenta desafíos significativos asociados a la morosidad en el pago de pólizas, afectando la solvencia y liquidez de las entidades. Para abordar esta problemática, esta investigación desarrolló un prototipo de aplicación web basado en machine learning bajo la metodología CRISP-DM, orientado a estimar el nivel de riesgo crediticio (RiskScore en escala de 0 a 100) y a apoyar la transición de la gestión de cartera de un esquema reactivo a uno proactivo y segmentado.


Currently, the insurance sector in Colombia faces significant challenges related to late premium payments, which affect the solvency and liquidity of insurance entities. To address this issue, this research developed a machine learning-based web application prototype—following the CRISP-DM methodology—designed to estimate credit risk levels (a "RiskScore" on a scale of 0 to 100) and to support the transition of portfolio management from a reactive approach to one that is proactive and segmented.

Descripción

Palabras clave

Citación