Determinar la viabilidad de implementar un modelo predictivo de recuperación de créditos para disminuir el índice de cartera vencida en el proceso de gestión y recuperación de cartera en una entidad financiera

El riesgo de crédito se entiende como la posibilidad de que una entidad financiera incurra en pérdidas y disminuya el valor de sus activos como consecuencia de que un deudor o contraparte incumpla sus obligaciones. (Superintendencia de Industria y Comercio, 2023), Poder acercarse o poder predecir esta probabilidad puede llegar a ser un factor distintivo en una etapa del ciclo del crédito como: la gestión de recuperación de cartera. Por lo anterior este proyecto empresarial tiene como objetivo principal determinar la viabilidad de implementar herramientas de BA para disminuir el índice de cartera vencida en el proceso de gestión y recuperación de cartera de exempleados en la EFoe, a través de diferentes herramientas de BA como son, inteligencia de negocios, visualización de datos, gestión ágil de proyectos, ética y seguridad de datos, modelos estadísticos para la toma de decisiones, modelos de scoring, analytics life cycle management, gobernanza de sistemas de información y análisis de riesgos. A su vez este proyecto de BA implica etapas fundamentales como el entendimiento del negocio, entendimiento y preparación de los datos, modelado, evaluación y despliegue. Se realizará un modelo de scoring para recuperación de créditos a partir de la metodología logit, regresión logística y otros de machine learning, para determinar qué tan viable resulta para la organización, impulsando la eficiencia operativa y obteniendo una ventaja competitiva en un entorno empresarial en constante evolución, a su vez busca obtener información precisa sobre las posibilidades de incumplimiento y tomar decisiones asertivas alineadas con la estrategia empresarial, esto con el fin de conducir a la EFoe a mantener un indicador de calidad de cartera alineado al sector, para evitar o reducir el incumplimiento en el pago de los créditos aprobados y plantear estrategias para gestionar de manera diferencial a los deudores, fundamentadas en la recopilación, procesamiento y análisis de datos.

• Fecha de publicación: 2024
• Institución: Universidad del Rosario
• Repositorio: Repositorio EdocUR - U. Rosario
• Idioma: spa
• OAI Identifier: oai:repository.urosario.edu.co:10336/44052
• Acceso en línea: https://repository.urosario.edu.co/handle/10336/44052
• Palabra clave: Análisis de negocios; Modelos estadísticos para la toma de decisiones; Modelos de scoring; Gestión de riesgo de crédito; Business analysis; Statistical models for decision-making; Scoring models; Credit risk management
• License: Attribution-NonCommercial-NoDerivatives 4.0 International