Dimensionamiento laboral para un canal de venta de seguros basado en un modelo de predicción de la demanda empleando técnicas de aprendizaje de máquinas

La presente tesis de investigación tiene como objetivo proponer un método para el dimensionamiento laboral, basado en un modelo de predicción de la demanda a partir de la historia de la cantidad de pólizas que llegan al proceso de emisión de seguros. El interés de la presente investigación surge de...

Full description

Autores:: Zabala Gamez, Ligia Fernanda

Tipo de recurso:

Fecha de publicación:: 2023

Institución:: Universidad Nacional de Colombia

Repositorio:: Universidad Nacional de Colombia

Idioma:: spa

id	UNACIONAL2_4cfad2a6e006178426d6df66fe236413
oai_identifier_str	oai:repositorio.unal.edu.co:unal/84387
network_acronym_str	UNACIONAL2
network_name_str	Universidad Nacional de Colombia
repository_id_str
dc.title.spa.fl_str_mv	Dimensionamiento laboral para un canal de venta de seguros basado en un modelo de predicción de la demanda empleando técnicas de aprendizaje de máquinas
dc.title.translated.eng.fl_str_mv	Job sizing for an insurance sales channel based on a demand prediction model using machine learning
title	Dimensionamiento laboral para un canal de venta de seguros basado en un modelo de predicción de la demanda empleando técnicas de aprendizaje de máquinas
spellingShingle	Dimensionamiento laboral para un canal de venta de seguros basado en un modelo de predicción de la demanda empleando técnicas de aprendizaje de máquinas 000 - Ciencias de la computación, información y obras generales::003 - Sistemas Teoría de las máquinas Aprendizaje automático (Inteligencia artificial) Seguros - Modelos matemáticos Análisis de series de tiempo - Modelos matemáticos Mano de obra Aprendizaje de máquinas Predicción de la demanda Dimensionamiento laboral Demand forecasting Job sizing Machine learning
title_short	Dimensionamiento laboral para un canal de venta de seguros basado en un modelo de predicción de la demanda empleando técnicas de aprendizaje de máquinas
title_full	Dimensionamiento laboral para un canal de venta de seguros basado en un modelo de predicción de la demanda empleando técnicas de aprendizaje de máquinas
title_fullStr	Dimensionamiento laboral para un canal de venta de seguros basado en un modelo de predicción de la demanda empleando técnicas de aprendizaje de máquinas
title_full_unstemmed	Dimensionamiento laboral para un canal de venta de seguros basado en un modelo de predicción de la demanda empleando técnicas de aprendizaje de máquinas
title_sort	Dimensionamiento laboral para un canal de venta de seguros basado en un modelo de predicción de la demanda empleando técnicas de aprendizaje de máquinas
dc.creator.fl_str_mv	Zabala Gamez, Ligia Fernanda
dc.contributor.advisor.none.fl_str_mv	Branch Bedoya, John Willian Ospina Arango, Juan David
dc.contributor.author.none.fl_str_mv	Zabala Gamez, Ligia Fernanda
dc.subject.ddc.spa.fl_str_mv	000 - Ciencias de la computación, información y obras generales::003 - Sistemas
topic	000 - Ciencias de la computación, información y obras generales::003 - Sistemas Teoría de las máquinas Aprendizaje automático (Inteligencia artificial) Seguros - Modelos matemáticos Análisis de series de tiempo - Modelos matemáticos Mano de obra Aprendizaje de máquinas Predicción de la demanda Dimensionamiento laboral Demand forecasting Job sizing Machine learning
dc.subject.lemb.spa.fl_str_mv	Teoría de las máquinas Aprendizaje automático (Inteligencia artificial) Seguros - Modelos matemáticos Análisis de series de tiempo - Modelos matemáticos Mano de obra
dc.subject.proposal.spa.fl_str_mv	Aprendizaje de máquinas Predicción de la demanda Dimensionamiento laboral
dc.subject.proposal.eng.fl_str_mv	Demand forecasting Job sizing Machine learning
description	La presente tesis de investigación tiene como objetivo proponer un método para el dimensionamiento laboral, basado en un modelo de predicción de la demanda a partir de la historia de la cantidad de pólizas que llegan al proceso de emisión de seguros. El interés de la presente investigación surge de un problema de negocio en una aseguradora Colombiana, por consiguiente, para el estudio se utilizó un conjunto de datos proporcionado por esa entidad, que corresponde a la cantidad de pólizas que se han registrado para las soluciones de personas y para los diferentes movimientos que un equipo de personas expertas en seguros, ejecuta en el proceso para emitir pólizas, durante enero 2019 y junio 2022. A partir de este conjunto de datos, se genera el pre procesamiento de los datos, seguido de la predicción de la cantidad de pólizas para cada solución y tipo de operación, utilizando modelos estadísticos clásicos y de aprendizaje de máquinas. Por último, se genera una comparación entre los modelos utilizados, 5 en total para cada una de las 12 series de tiempo y se evidencia que, a partir de las métricas MSE, MAPE y RMSE, se genera un modelo ganador para cada una de las series, permitiendo sugerir a partir de estos resultados enfoque de análisis para proyección en el negocio e insumo base para dimensionamiento laboral en el proceso de estudio. (texto tomado de la fuente)
publishDate	2023
dc.date.accessioned.none.fl_str_mv	2023-08-01T14:15:35Z
dc.date.available.none.fl_str_mv	2023-08-01T14:15:35Z
dc.date.issued.none.fl_str_mv	2023-07
dc.type.spa.fl_str_mv	Trabajo de grado - Maestría
dc.type.coarversion.fl_str_mv	http://purl.org/coar/version/c_71e4c1898caa6e32
dc.type.driver.spa.fl_str_mv	info:eu-repo/semantics/masterThesis
dc.type.content.spa.fl_str_mv	Text
dc.type.redcol.spa.fl_str_mv	http://purl.org/redcol/resource_type/TM
dc.identifier.citation.spa.fl_str_mv	Zabala Gamez, L. (2023). Dimensionamiento laboral para un canal de venta de seguros basado en un modelo de predicción de la demanda empleando técnicas de aprendizaje de máquinas. Universidad Nacional de Colombia.
dc.identifier.uri.none.fl_str_mv	https://repositorio.unal.edu.co/handle/unal/84387
dc.identifier.instname.spa.fl_str_mv	Universidad Nacional de Colombia
dc.identifier.reponame.spa.fl_str_mv	Repositorio Institucional Universidad Nacional de Colombia
dc.identifier.repourl.spa.fl_str_mv	https://repositorio.unal.edu.co/
identifier_str_mv	Zabala Gamez, L. (2023). Dimensionamiento laboral para un canal de venta de seguros basado en un modelo de predicción de la demanda empleando técnicas de aprendizaje de máquinas. Universidad Nacional de Colombia. Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia
url	https://repositorio.unal.edu.co/handle/unal/84387 https://repositorio.unal.edu.co/
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.indexed.spa.fl_str_mv	LaReferencia
dc.relation.references.spa.fl_str_mv	ABDULLAH AL MAMUN, MD. SOHEL, NAEEM MOHAMMAD, MD. SAMIUL HAQUE SUNNY, DEBOPRIYA ROY DIPTA, & EKLAS HOSSAIN. (2020). A Comprehensive Review of the Load Forecasting Techniques Using Single and Hybrid Predictive Models. IEEE Access. doi:10.1109/ACCESO.2020.3010702 Allianz. (2022). Diccionario de seguros. Recuperado el 2022, de https://www.allianz.es/descubre-allianz/mediadores/diccionario-de-seguros/e/emision-poliza.html Ayora Gómez, A. F. (Abril de 2018). Los seguros colectivos en el marco de la comercialización masiva de seguros en Colombia. Obtenido de https://repository.ces.edu.co/bitstream/10946/3812/2/Seguros%20Colectivos.pdf Barber, D. (2012). Bayesian Reasoning and Machine Learning. Reino Unido: Cambridge University Press, 2012. Broby, D. (2022). The use of predictive analytics in finance. Journal of Finance and Data Science, 8. doi:10.1016/j.jfds.2022.05.003 Cadavid Higuita, L., Awad, G., & Franco Cardona, C. (2012). Análisis bibliométrico del campo modelado de difusión de innovaciones. Estudios Gerenciales, 28(EE), 213–236. Obtenido de http://www.scielo.org.co/pdf/eg/v28nspe/v28nspea12.pdf Díaz-Granados Prieto, J. J. (2015). El interés asegurable como elemento esencial del contrato de seguro de vida. Revista Ibero-Latinoamericana De Seguros(Vol. 24 Núm. 42 (2015): Enero-junio). FASECOLDA. (Junio de 2021). Federación de Aseguradores Colombianos. Obtenido de https://fasecolda.com/servicios/directorio/sociedades-corredoras-de-seguros/ M., S. D., P., S., M., P. R., V., D. V., A., P. K., S., V., & P., M. (2021). Linear and Ensembling Regression Based Health Cost Insurance Prediction Using Machine Learning. En B. V. Satapathy S.C. (Ed.), 4th International Conference on Smart Computing and Informatics, SCI 2020; Hyderabad; India; 9 October 2020 through 10 October 2020; Code 262569. 224, págs. 495-503. India: Springer Science and Business Media Deutschland GmbH. doi:10.1007/978-981-16-1502-3_49 Moreno Sánchez, A., Armengol, E., Belanche, J., Cortés, U., Gavaldá, R., Gimeno, J., . . . Martín, M. (1994). Aprendizaje automático. En Aprendizaje automático. Barcelona: EDICIONS UPC. Obtenido de https://upcommons.upc.edu/bitstream/handle/2099.3/36157/9788483019962.pdf Nayak, S., & Behera, H. (2012). Evaluation of normalization methods on neuro-genetic models for stock index forecasting. 2012 World Congress on Information and Communication Technologies, WICT 2012; Trivandrum; India; 30 October 2012 through 2 November 2012; Category numberCFP1268R-CDR; Code 95290, (págs. 602-607). India. doi:10.1109/WICT.2012.6409147 Panda, S. P. (2022). Health Insurance Cost Prediction Using Regression Models. 2022 International Conference on Machine Learning, Big Data, Cloud and Parallel Computing, COM-IT-CON 2022 (págs. 168-173). Faridabad, India: IEEE. doi:10.1109/COM-IT-CON54601.2022.9850653 Pires, L. G. (2022). Forecasting Models: An Application to Home Insurance. En M. B. Gervasi O. (Ed.), 22nd International Conference on Computational Science and Its Applications , ICCSA 2022. 13377 LNCS, págs. 514-529. Málaga, España: Springer Science and Business Media Deutschland GmbH. doi:10.1007/978-3-031-10536-4_34 Prieto, H. E. (Julio de 2009). El riesgo asegurable y los riesgos emergentes de las nuevas tecnologías. Bogotá, Colombia. Obtenido de file:///C:/Users/HOME/Downloads/Dialnet-ElRiesgoAsegurableYLosRiesgosEmergentesDeLasNuevas-3171399%20(1).pdf Raeva, E. N. (2022). Retrospective review of the Bulgarian insurance market using time series analysis. En T. M.D. (Ed.), 13th International Hybrid Conference for Promoting the Application of Mathematics in Technical and Natural Sciences, AMiTaNS 2021; Black-Sea resort of AlbenaAlbena; Bulgaria; 24 June 2021 through 29 June 2021; Code 183034. 2522, Article number 050010. Bulgaria: American Institute of Physics Inc. doi:10.1063/5.0101685 Ravelo, A. M., & Carbonell de la Fe, S. (2016). La producción científica en Inteligencia Artificial: revistas del primer cuartil indexadas en Scopus Sciverse. Ciencias de la Información, 47(2), 25-32. Obtenido de https://www.redalyc.org/pdf/1814/181452083003.pdf Sànchez, A. M.-E.-J.-L.-U.-R.-J.-B.-M.-M. (1994). Aprendizaje automático. Obtenido de https://upcommons.upc.edu/bitstream/handle/2099.3/36157/9788483019962.pdf Seguros Sura. (2021). Seguros Sura Colombia. Recuperado el 6 de Junio de 2021, de https://www.segurossura.com.co/paginas/glosario.aspx Selvakumar, V. S. (2021). Predictive modeling of insurance claims using machine learning approach for different types of motor vehicles. Universal Journal of Accounting and Finance, 9(1), 1-14. doi:10.13189/ujaf.2021.090101 Shyamala Devi, M. S. (2021). Linear and Ensembling Regression Based Health Cost Insurance Prediction Using Machine Learning. 224, págs. 495-503. Springer, Singapore: 14 July 2021. doi:https://doi-org.ezproxy.unal.edu.co/10.1007/978-981-16-1502-3_49 Wang, H. (2020). An insurance sales prediction model based on deep learning. Revue d'Intelligence Artificielle, Vol. 34, No. 3, 315-321. Obtenido de https://doi.org/10.18280/ria.340309 Wang, H. (30 de Junio de 2020). An Insurance Sales Prediction Model Based on Deep Learning. Revue d'Intelligence Artificielle, 34(3), 315-321. Recuperado el 6 de Junio de 2021, de https://www.iieta.org/journals/ria/paper/10.18280/ria.340309 Wedanage, K. W. (2021). Forecasting healthcare cost in Australia using health insurance claims data. 17th International Computer Engineering Conference, ICENCO 2021; Virtual, Online; Egypt; 29 December 2021 through 30 December 2021; Category numberCFP2132-ART; Code 177115 (págs. Pages 35-39). Australia: Institute of Electrical and Electronics Engineers Inc. doi:10.1109/ICENCO49852.2021.9698885 Willis Towers Watson. (Julio de 2019). Predictive analytics speeds innovation for life insurers. Obtenido de https://www.willistowerswatson.com/en-US/Insights/2019/07/predictive-analytics-speeds-innovation-for-life-insurers
dc.rights.coar.fl_str_mv	http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv	Reconocimiento 4.0 Internacional
dc.rights.uri.spa.fl_str_mv	http://creativecommons.org/licenses/by/4.0/
dc.rights.accessrights.spa.fl_str_mv	info:eu-repo/semantics/openAccess
rights_invalid_str_mv	Reconocimiento 4.0 Internacional http://creativecommons.org/licenses/by/4.0/ http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.extent.spa.fl_str_mv	41 páginas
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.publisher.spa.fl_str_mv	Universidad Nacional de Colombia
dc.publisher.program.spa.fl_str_mv	Medellín - Minas - Maestría en Ingeniería - Ingeniería de Sistemas
dc.publisher.faculty.spa.fl_str_mv	Facultad de Minas
dc.publisher.place.spa.fl_str_mv	Medellín, Colombia
dc.publisher.branch.spa.fl_str_mv	Universidad Nacional de Colombia - Sede Medellín
institution	Universidad Nacional de Colombia
bitstream.url.fl_str_mv	https://repositorio.unal.edu.co/bitstream/unal/84387/4/1152691930.2023.pdf https://repositorio.unal.edu.co/bitstream/unal/84387/3/license.txt https://repositorio.unal.edu.co/bitstream/unal/84387/5/1152691930.2023.pdf.jpg
bitstream.checksum.fl_str_mv	443a70058e9ed06ef467eca630ab2192 eb34b1cf90b7e1103fc9dfd26be24b4a 84db423327a98c4dbda8e5d538cae41d
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv	repositorio_nal@unal.edu.co
_version_	1814089206760210432
spelling	Reconocimiento 4.0 Internacionalhttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Branch Bedoya, John Willian112eaa0bbeeaeb0d3d14dfe15d672a15Ospina Arango, Juan Davidfcac13e6ecb40f5f46d7d8439e931de7600Zabala Gamez, Ligia Fernandac5f6b5a4ef2f5b1b62d00c4e32a4b3da2023-08-01T14:15:35Z2023-08-01T14:15:35Z2023-07Zabala Gamez, L. (2023). Dimensionamiento laboral para un canal de venta de seguros basado en un modelo de predicción de la demanda empleando técnicas de aprendizaje de máquinas. Universidad Nacional de Colombia.https://repositorio.unal.edu.co/handle/unal/84387Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/La presente tesis de investigación tiene como objetivo proponer un método para el dimensionamiento laboral, basado en un modelo de predicción de la demanda a partir de la historia de la cantidad de pólizas que llegan al proceso de emisión de seguros. El interés de la presente investigación surge de un problema de negocio en una aseguradora Colombiana, por consiguiente, para el estudio se utilizó un conjunto de datos proporcionado por esa entidad, que corresponde a la cantidad de pólizas que se han registrado para las soluciones de personas y para los diferentes movimientos que un equipo de personas expertas en seguros, ejecuta en el proceso para emitir pólizas, durante enero 2019 y junio 2022. A partir de este conjunto de datos, se genera el pre procesamiento de los datos, seguido de la predicción de la cantidad de pólizas para cada solución y tipo de operación, utilizando modelos estadísticos clásicos y de aprendizaje de máquinas. Por último, se genera una comparación entre los modelos utilizados, 5 en total para cada una de las 12 series de tiempo y se evidencia que, a partir de las métricas MSE, MAPE y RMSE, se genera un modelo ganador para cada una de las series, permitiendo sugerir a partir de estos resultados enfoque de análisis para proyección en el negocio e insumo base para dimensionamiento laboral en el proceso de estudio. (texto tomado de la fuente)This research thesis aims to propose a method for job sizing, based on a demand prediction model. The research problem arises from a business need in a Colombian insurer, therefore, for the study a set of data provided by that entity was used, which corresponds to the number of policies that have been registered for personal solutions and for the different movements that a team of insurance experts executes in the process to issue policies, during January 2019 and June 2022. From this data set, the pre-processing of the data is generated, followed by the prediction of the number of policies for each solution and type of operation, using statistical models and machine learning. Finally, a comparison is generated between the models used for each of the 12 time series and it is evident that for each of them, the model selected as the winner based on the MSE, MAPE and RMSE metrics is not always models of machine learningMaestríaMagíster en Ingeniería - Ingeniería de SistemasÁrea Curricular de Ingeniería de Sistemas e Informática41 páginasapplication/pdfspaUniversidad Nacional de ColombiaMedellín - Minas - Maestría en Ingeniería - Ingeniería de SistemasFacultad de MinasMedellín, ColombiaUniversidad Nacional de Colombia - Sede Medellín000 - Ciencias de la computación, información y obras generales::003 - SistemasTeoría de las máquinasAprendizaje automático (Inteligencia artificial)Seguros - Modelos matemáticosAnálisis de series de tiempo - Modelos matemáticosMano de obraAprendizaje de máquinasPredicción de la demandaDimensionamiento laboralDemand forecastingJob sizingMachine learningDimensionamiento laboral para un canal de venta de seguros basado en un modelo de predicción de la demanda empleando técnicas de aprendizaje de máquinasJob sizing for an insurance sales channel based on a demand prediction model using machine learningTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_71e4c1898caa6e32Texthttp://purl.org/redcol/resource_type/TMLaReferenciaABDULLAH AL MAMUN, MD. SOHEL, NAEEM MOHAMMAD, MD. SAMIUL HAQUE SUNNY, DEBOPRIYA ROY DIPTA, & EKLAS HOSSAIN. (2020). A Comprehensive Review of the Load Forecasting Techniques Using Single and Hybrid Predictive Models. IEEE Access. doi:10.1109/ACCESO.2020.3010702Allianz. (2022). Diccionario de seguros. Recuperado el 2022, de https://www.allianz.es/descubre-allianz/mediadores/diccionario-de-seguros/e/emision-poliza.htmlAyora Gómez, A. F. (Abril de 2018). Los seguros colectivos en el marco de la comercialización masiva de seguros en Colombia. Obtenido de https://repository.ces.edu.co/bitstream/10946/3812/2/Seguros%20Colectivos.pdfBarber, D. (2012). Bayesian Reasoning and Machine Learning. Reino Unido: Cambridge University Press, 2012.Broby, D. (2022). The use of predictive analytics in finance. Journal of Finance and Data Science, 8. doi:10.1016/j.jfds.2022.05.003Cadavid Higuita, L., Awad, G., & Franco Cardona, C. (2012). Análisis bibliométrico del campo modelado de difusión de innovaciones. Estudios Gerenciales, 28(EE), 213–236. Obtenido de http://www.scielo.org.co/pdf/eg/v28nspe/v28nspea12.pdfDíaz-Granados Prieto, J. J. (2015). El interés asegurable como elemento esencial del contrato de seguro de vida. Revista Ibero-Latinoamericana De Seguros(Vol. 24 Núm. 42 (2015): Enero-junio).FASECOLDA. (Junio de 2021). Federación de Aseguradores Colombianos. Obtenido de https://fasecolda.com/servicios/directorio/sociedades-corredoras-de-seguros/M., S. D., P., S., M., P. R., V., D. V., A., P. K., S., V., & P., M. (2021). Linear and Ensembling Regression Based Health Cost Insurance Prediction Using Machine Learning. En B. V. Satapathy S.C. (Ed.), 4th International Conference on Smart Computing and Informatics, SCI 2020; Hyderabad; India; 9 October 2020 through 10 October 2020; Code 262569. 224, págs. 495-503. India: Springer Science and Business Media Deutschland GmbH. doi:10.1007/978-981-16-1502-3_49Moreno Sánchez, A., Armengol, E., Belanche, J., Cortés, U., Gavaldá, R., Gimeno, J., . . . Martín, M. (1994). Aprendizaje automático. En Aprendizaje automático. Barcelona: EDICIONS UPC. Obtenido de https://upcommons.upc.edu/bitstream/handle/2099.3/36157/9788483019962.pdfNayak, S., & Behera, H. (2012). Evaluation of normalization methods on neuro-genetic models for stock index forecasting. 2012 World Congress on Information and Communication Technologies, WICT 2012; Trivandrum; India; 30 October 2012 through 2 November 2012; Category numberCFP1268R-CDR; Code 95290, (págs. 602-607). India. doi:10.1109/WICT.2012.6409147Panda, S. P. (2022). Health Insurance Cost Prediction Using Regression Models. 2022 International Conference on Machine Learning, Big Data, Cloud and Parallel Computing, COM-IT-CON 2022 (págs. 168-173). Faridabad, India: IEEE. doi:10.1109/COM-IT-CON54601.2022.9850653Pires, L. G. (2022). Forecasting Models: An Application to Home Insurance. En M. B. Gervasi O. (Ed.), 22nd International Conference on Computational Science and Its Applications , ICCSA 2022. 13377 LNCS, págs. 514-529. Málaga, España: Springer Science and Business Media Deutschland GmbH. doi:10.1007/978-3-031-10536-4_34Prieto, H. E. (Julio de 2009). El riesgo asegurable y los riesgos emergentes de las nuevas tecnologías. Bogotá, Colombia. Obtenido de file:///C:/Users/HOME/Downloads/Dialnet-ElRiesgoAsegurableYLosRiesgosEmergentesDeLasNuevas-3171399%20(1).pdfRaeva, E. N. (2022). Retrospective review of the Bulgarian insurance market using time series analysis. En T. M.D. (Ed.), 13th International Hybrid Conference for Promoting the Application of Mathematics in Technical and Natural Sciences, AMiTaNS 2021; Black-Sea resort of AlbenaAlbena; Bulgaria; 24 June 2021 through 29 June 2021; Code 183034. 2522, Article number 050010. Bulgaria: American Institute of Physics Inc. doi:10.1063/5.0101685Ravelo, A. M., & Carbonell de la Fe, S. (2016). La producción científica en Inteligencia Artificial: revistas del primer cuartil indexadas en Scopus Sciverse. Ciencias de la Información, 47(2), 25-32. Obtenido de https://www.redalyc.org/pdf/1814/181452083003.pdfSànchez, A. M.-E.-J.-L.-U.-R.-J.-B.-M.-M. (1994). Aprendizaje automático. Obtenido de https://upcommons.upc.edu/bitstream/handle/2099.3/36157/9788483019962.pdfSeguros Sura. (2021). Seguros Sura Colombia. Recuperado el 6 de Junio de 2021, de https://www.segurossura.com.co/paginas/glosario.aspxSelvakumar, V. S. (2021). Predictive modeling of insurance claims using machine learning approach for different types of motor vehicles. Universal Journal of Accounting and Finance, 9(1), 1-14. doi:10.13189/ujaf.2021.090101Shyamala Devi, M. S. (2021). Linear and Ensembling Regression Based Health Cost Insurance Prediction Using Machine Learning. 224, págs. 495-503. Springer, Singapore: 14 July 2021. doi:https://doi-org.ezproxy.unal.edu.co/10.1007/978-981-16-1502-3_49Wang, H. (2020). An insurance sales prediction model based on deep learning. Revue d'Intelligence Artificielle, Vol. 34, No. 3, 315-321. Obtenido de https://doi.org/10.18280/ria.340309Wang, H. (30 de Junio de 2020). An Insurance Sales Prediction Model Based on Deep Learning. Revue d'Intelligence Artificielle, 34(3), 315-321. Recuperado el 6 de Junio de 2021, de https://www.iieta.org/journals/ria/paper/10.18280/ria.340309Wedanage, K. W. (2021). Forecasting healthcare cost in Australia using health insurance claims data. 17th International Computer Engineering Conference, ICENCO 2021; Virtual, Online; Egypt; 29 December 2021 through 30 December 2021; Category numberCFP2132-ART; Code 177115 (págs. Pages 35-39). Australia: Institute of Electrical and Electronics Engineers Inc. doi:10.1109/ICENCO49852.2021.9698885Willis Towers Watson. (Julio de 2019). Predictive analytics speeds innovation for life insurers. Obtenido de https://www.willistowerswatson.com/en-US/Insights/2019/07/predictive-analytics-speeds-innovation-for-life-insurersEstudiantesInvestigadoresMaestrosPúblico generalORIGINAL1152691930.2023.pdf1152691930.2023.pdfTesis de maestría en ingeniería de sistemasapplication/pdf1344468https://repositorio.unal.edu.co/bitstream/unal/84387/4/1152691930.2023.pdf443a70058e9ed06ef467eca630ab2192MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-85879https://repositorio.unal.edu.co/bitstream/unal/84387/3/license.txteb34b1cf90b7e1103fc9dfd26be24b4aMD53THUMBNAIL1152691930.2023.pdf.jpg1152691930.2023.pdf.jpgGenerated Thumbnailimage/jpeg5725https://repositorio.unal.edu.co/bitstream/unal/84387/5/1152691930.2023.pdf.jpg84db423327a98c4dbda8e5d538cae41dMD55unal/84387oai:repositorio.unal.edu.co:unal/843872024-08-15 23:15:24.49Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.coUEFSVEUgMS4gVMOJUk1JTk9TIERFIExBIExJQ0VOQ0lBIFBBUkEgUFVCTElDQUNJw5NOIERFIE9CUkFTIEVOIEVMIFJFUE9TSVRPUklPIElOU1RJVFVDSU9OQUwgVU5BTC4KCkxvcyBhdXRvcmVzIHkvbyB0aXR1bGFyZXMgZGUgbG9zIGRlcmVjaG9zIHBhdHJpbW9uaWFsZXMgZGUgYXV0b3IsIGNvbmZpZXJlbiBhIGxhIFVuaXZlcnNpZGFkIE5hY2lvbmFsIGRlIENvbG9tYmlhIHVuYSBsaWNlbmNpYSBubyBleGNsdXNpdmEsIGxpbWl0YWRhIHkgZ3JhdHVpdGEgc29icmUgbGEgb2JyYSBxdWUgc2UgaW50ZWdyYSBlbiBlbCBSZXBvc2l0b3JpbyBJbnN0aXR1Y2lvbmFsLCBiYWpvIGxvcyBzaWd1aWVudGVzIHTDqXJtaW5vczoKCgphKQlMb3MgYXV0b3JlcyB5L28gbG9zIHRpdHVsYXJlcyBkZSBsb3MgZGVyZWNob3MgcGF0cmltb25pYWxlcyBkZSBhdXRvciBzb2JyZSBsYSBvYnJhIGNvbmZpZXJlbiBhIGxhIFVuaXZlcnNpZGFkIE5hY2lvbmFsIGRlIENvbG9tYmlhIHVuYSBsaWNlbmNpYSBubyBleGNsdXNpdmEgcGFyYSByZWFsaXphciBsb3Mgc2lndWllbnRlcyBhY3RvcyBzb2JyZSBsYSBvYnJhOiBpKSByZXByb2R1Y2lyIGxhIG9icmEgZGUgbWFuZXJhIGRpZ2l0YWwsIHBlcm1hbmVudGUgbyB0ZW1wb3JhbCwgaW5jbHV5ZW5kbyBlbCBhbG1hY2VuYW1pZW50byBlbGVjdHLDs25pY28sIGFzw60gY29tbyBjb252ZXJ0aXIgZWwgZG9jdW1lbnRvIGVuIGVsIGN1YWwgc2UgZW5jdWVudHJhIGNvbnRlbmlkYSBsYSBvYnJhIGEgY3VhbHF1aWVyIG1lZGlvIG8gZm9ybWF0byBleGlzdGVudGUgYSBsYSBmZWNoYSBkZSBsYSBzdXNjcmlwY2nDs24gZGUgbGEgcHJlc2VudGUgbGljZW5jaWEsIHkgaWkpIGNvbXVuaWNhciBhbCBww7pibGljbyBsYSBvYnJhIHBvciBjdWFscXVpZXIgbWVkaW8gbyBwcm9jZWRpbWllbnRvLCBlbiBtZWRpb3MgYWzDoW1icmljb3MgbyBpbmFsw6FtYnJpY29zLCBpbmNsdXllbmRvIGxhIHB1ZXN0YSBhIGRpc3Bvc2ljacOzbiBlbiBhY2Nlc28gYWJpZXJ0by4gQWRpY2lvbmFsIGEgbG8gYW50ZXJpb3IsIGVsIGF1dG9yIHkvbyB0aXR1bGFyIGF1dG9yaXphIGEgbGEgVW5pdmVyc2lkYWQgTmFjaW9uYWwgZGUgQ29sb21iaWEgcGFyYSBxdWUsIGVuIGxhIHJlcHJvZHVjY2nDs24geSBjb211bmljYWNpw7NuIGFsIHDDumJsaWNvIHF1ZSBsYSBVbml2ZXJzaWRhZCByZWFsaWNlIHNvYnJlIGxhIG9icmEsIGhhZ2EgbWVuY2nDs24gZGUgbWFuZXJhIGV4cHJlc2EgYWwgdGlwbyBkZSBsaWNlbmNpYSBDcmVhdGl2ZSBDb21tb25zIGJham8gbGEgY3VhbCBlbCBhdXRvciB5L28gdGl0dWxhciBkZXNlYSBvZnJlY2VyIHN1IG9icmEgYSBsb3MgdGVyY2Vyb3MgcXVlIGFjY2VkYW4gYSBkaWNoYSBvYnJhIGEgdHJhdsOpcyBkZWwgUmVwb3NpdG9yaW8gSW5zdGl0dWNpb25hbCwgY3VhbmRvIHNlYSBlbCBjYXNvLiBFbCBhdXRvciB5L28gdGl0dWxhciBkZSBsb3MgZGVyZWNob3MgcGF0cmltb25pYWxlcyBkZSBhdXRvciBwb2Ryw6EgZGFyIHBvciB0ZXJtaW5hZGEgbGEgcHJlc2VudGUgbGljZW5jaWEgbWVkaWFudGUgc29saWNpdHVkIGVsZXZhZGEgYSBsYSBEaXJlY2Npw7NuIE5hY2lvbmFsIGRlIEJpYmxpb3RlY2FzIGRlIGxhIFVuaXZlcnNpZGFkIE5hY2lvbmFsIGRlIENvbG9tYmlhLiAKCmIpIAlMb3MgYXV0b3JlcyB5L28gdGl0dWxhcmVzIGRlIGxvcyBkZXJlY2hvcyBwYXRyaW1vbmlhbGVzIGRlIGF1dG9yIHNvYnJlIGxhIG9icmEgY29uZmllcmVuIGxhIGxpY2VuY2lhIHNlw7FhbGFkYSBlbiBlbCBsaXRlcmFsIGEpIGRlbCBwcmVzZW50ZSBkb2N1bWVudG8gcG9yIGVsIHRpZW1wbyBkZSBwcm90ZWNjacOzbiBkZSBsYSBvYnJhIGVuIHRvZG9zIGxvcyBwYcOtc2VzIGRlbCBtdW5kbywgZXN0byBlcywgc2luIGxpbWl0YWNpw7NuIHRlcnJpdG9yaWFsIGFsZ3VuYS4KCmMpCUxvcyBhdXRvcmVzIHkvbyB0aXR1bGFyZXMgZGUgZGVyZWNob3MgcGF0cmltb25pYWxlcyBkZSBhdXRvciBtYW5pZmllc3RhbiBlc3RhciBkZSBhY3VlcmRvIGNvbiBxdWUgbGEgcHJlc2VudGUgbGljZW5jaWEgc2Ugb3RvcmdhIGEgdMOtdHVsbyBncmF0dWl0bywgcG9yIGxvIHRhbnRvLCByZW51bmNpYW4gYSByZWNpYmlyIGN1YWxxdWllciByZXRyaWJ1Y2nDs24gZWNvbsOzbWljYSBvIGVtb2x1bWVudG8gYWxndW5vIHBvciBsYSBwdWJsaWNhY2nDs24sIGRpc3RyaWJ1Y2nDs24sIGNvbXVuaWNhY2nDs24gcMO6YmxpY2EgeSBjdWFscXVpZXIgb3RybyB1c28gcXVlIHNlIGhhZ2EgZW4gbG9zIHTDqXJtaW5vcyBkZSBsYSBwcmVzZW50ZSBsaWNlbmNpYSB5IGRlIGxhIGxpY2VuY2lhIENyZWF0aXZlIENvbW1vbnMgY29uIHF1ZSBzZSBwdWJsaWNhLgoKZCkJUXVpZW5lcyBmaXJtYW4gZWwgcHJlc2VudGUgZG9jdW1lbnRvIGRlY2xhcmFuIHF1ZSBwYXJhIGxhIGNyZWFjacOzbiBkZSBsYSBvYnJhLCBubyBzZSBoYW4gdnVsbmVyYWRvIGxvcyBkZXJlY2hvcyBkZSBwcm9waWVkYWQgaW50ZWxlY3R1YWwsIGluZHVzdHJpYWwsIG1vcmFsZXMgeSBwYXRyaW1vbmlhbGVzIGRlIHRlcmNlcm9zLiBEZSBvdHJhIHBhcnRlLCAgcmVjb25vY2VuIHF1ZSBsYSBVbml2ZXJzaWRhZCBOYWNpb25hbCBkZSBDb2xvbWJpYSBhY3TDumEgY29tbyB1biB0ZXJjZXJvIGRlIGJ1ZW5hIGZlIHkgc2UgZW5jdWVudHJhIGV4ZW50YSBkZSBjdWxwYSBlbiBjYXNvIGRlIHByZXNlbnRhcnNlIGFsZ8O6biB0aXBvIGRlIHJlY2xhbWFjacOzbiBlbiBtYXRlcmlhIGRlIGRlcmVjaG9zIGRlIGF1dG9yIG8gcHJvcGllZGFkIGludGVsZWN0dWFsIGVuIGdlbmVyYWwuIFBvciBsbyB0YW50bywgbG9zIGZpcm1hbnRlcyAgYWNlcHRhbiBxdWUgY29tbyB0aXR1bGFyZXMgw7puaWNvcyBkZSBsb3MgZGVyZWNob3MgcGF0cmltb25pYWxlcyBkZSBhdXRvciwgYXN1bWlyw6FuIHRvZGEgbGEgcmVzcG9uc2FiaWxpZGFkIGNpdmlsLCBhZG1pbmlzdHJhdGl2YSB5L28gcGVuYWwgcXVlIHB1ZWRhIGRlcml2YXJzZSBkZSBsYSBwdWJsaWNhY2nDs24gZGUgbGEgb2JyYS4gIAoKZikJQXV0b3JpemFuIGEgbGEgVW5pdmVyc2lkYWQgTmFjaW9uYWwgZGUgQ29sb21iaWEgaW5jbHVpciBsYSBvYnJhIGVuIGxvcyBhZ3JlZ2Fkb3JlcyBkZSBjb250ZW5pZG9zLCBidXNjYWRvcmVzIGFjYWTDqW1pY29zLCBtZXRhYnVzY2Fkb3Jlcywgw61uZGljZXMgeSBkZW3DoXMgbWVkaW9zIHF1ZSBzZSBlc3RpbWVuIG5lY2VzYXJpb3MgcGFyYSBwcm9tb3ZlciBlbCBhY2Nlc28geSBjb25zdWx0YSBkZSBsYSBtaXNtYS4gCgpnKQlFbiBlbCBjYXNvIGRlIGxhcyB0ZXNpcyBjcmVhZGFzIHBhcmEgb3B0YXIgZG9ibGUgdGl0dWxhY2nDs24sIGxvcyBmaXJtYW50ZXMgc2Vyw6FuIGxvcyByZXNwb25zYWJsZXMgZGUgY29tdW5pY2FyIGEgbGFzIGluc3RpdHVjaW9uZXMgbmFjaW9uYWxlcyBvIGV4dHJhbmplcmFzIGVuIGNvbnZlbmlvLCBsYXMgbGljZW5jaWFzIGRlIGFjY2VzbyBhYmllcnRvIENyZWF0aXZlIENvbW1vbnMgeSBhdXRvcml6YWNpb25lcyBhc2lnbmFkYXMgYSBzdSBvYnJhIHBhcmEgbGEgcHVibGljYWNpw7NuIGVuIGVsIFJlcG9zaXRvcmlvIEluc3RpdHVjaW9uYWwgVU5BTCBkZSBhY3VlcmRvIGNvbiBsYXMgZGlyZWN0cmljZXMgZGUgbGEgUG9sw610aWNhIEdlbmVyYWwgZGUgbGEgQmlibGlvdGVjYSBEaWdpdGFsLgoKCmgpCVNlIGF1dG9yaXphIGEgbGEgVW5pdmVyc2lkYWQgTmFjaW9uYWwgZGUgQ29sb21iaWEgY29tbyByZXNwb25zYWJsZSBkZWwgdHJhdGFtaWVudG8gZGUgZGF0b3MgcGVyc29uYWxlcywgZGUgYWN1ZXJkbyBjb24gbGEgbGV5IDE1ODEgZGUgMjAxMiBlbnRlbmRpZW5kbyBxdWUgc2UgZW5jdWVudHJhbiBiYWpvIG1lZGlkYXMgcXVlIGdhcmFudGl6YW4gbGEgc2VndXJpZGFkLCBjb25maWRlbmNpYWxpZGFkIGUgaW50ZWdyaWRhZCwgeSBzdSB0cmF0YW1pZW50byB0aWVuZSB1bmEgZmluYWxpZGFkIGhpc3TDs3JpY2EsIGVzdGFkw61zdGljYSBvIGNpZW50w61maWNhIHNlZ8O6biBsbyBkaXNwdWVzdG8gZW4gbGEgUG9sw610aWNhIGRlIFRyYXRhbWllbnRvIGRlIERhdG9zIFBlcnNvbmFsZXMuCgoKClBBUlRFIDIuIEFVVE9SSVpBQ0nDk04gUEFSQSBQVUJMSUNBUiBZIFBFUk1JVElSIExBIENPTlNVTFRBIFkgVVNPIERFIE9CUkFTIEVOIEVMIFJFUE9TSVRPUklPIElOU1RJVFVDSU9OQUwgVU5BTC4KClNlIGF1dG9yaXphIGxhIHB1YmxpY2FjacOzbiBlbGVjdHLDs25pY2EsIGNvbnN1bHRhIHkgdXNvIGRlIGxhIG9icmEgcG9yIHBhcnRlIGRlIGxhIFVuaXZlcnNpZGFkIE5hY2lvbmFsIGRlIENvbG9tYmlhIHkgZGUgc3VzIHVzdWFyaW9zIGRlIGxhIHNpZ3VpZW50ZSBtYW5lcmE6CgphLglDb25jZWRvIGxpY2VuY2lhIGVuIGxvcyB0w6lybWlub3Mgc2XDsWFsYWRvcyBlbiBsYSBwYXJ0ZSAxIGRlbCBwcmVzZW50ZSBkb2N1bWVudG8sIGNvbiBlbCBvYmpldGl2byBkZSBxdWUgbGEgb2JyYSBlbnRyZWdhZGEgc2VhIHB1YmxpY2FkYSBlbiBlbCBSZXBvc2l0b3JpbyBJbnN0aXR1Y2lvbmFsIGRlIGxhIFVuaXZlcnNpZGFkIE5hY2lvbmFsIGRlIENvbG9tYmlhIHkgcHVlc3RhIGEgZGlzcG9zaWNpw7NuIGVuIGFjY2VzbyBhYmllcnRvIHBhcmEgc3UgY29uc3VsdGEgcG9yIGxvcyB1c3VhcmlvcyBkZSBsYSBVbml2ZXJzaWRhZCBOYWNpb25hbCBkZSBDb2xvbWJpYSAgYSB0cmF2w6lzIGRlIGludGVybmV0LgoKCgpQQVJURSAzIEFVVE9SSVpBQ0nDk04gREUgVFJBVEFNSUVOVE8gREUgREFUT1MgUEVSU09OQUxFUy4KCkxhIFVuaXZlcnNpZGFkIE5hY2lvbmFsIGRlIENvbG9tYmlhLCBjb21vIHJlc3BvbnNhYmxlIGRlbCBUcmF0YW1pZW50byBkZSBEYXRvcyBQZXJzb25hbGVzLCBpbmZvcm1hIHF1ZSBsb3MgZGF0b3MgZGUgY2Fyw6FjdGVyIHBlcnNvbmFsIHJlY29sZWN0YWRvcyBtZWRpYW50ZSBlc3RlIGZvcm11bGFyaW8sIHNlIGVuY3VlbnRyYW4gYmFqbyBtZWRpZGFzIHF1ZSBnYXJhbnRpemFuIGxhIHNlZ3VyaWRhZCwgY29uZmlkZW5jaWFsaWRhZCBlIGludGVncmlkYWQgeSBzdSB0cmF0YW1pZW50byBzZSByZWFsaXphIGRlIGFjdWVyZG8gYWwgY3VtcGxpbWllbnRvIG5vcm1hdGl2byBkZSBsYSBMZXkgMTU4MSBkZSAyMDEyIHkgZGUgbGEgUG9sw610aWNhIGRlIFRyYXRhbWllbnRvIGRlIERhdG9zIFBlcnNvbmFsZXMgZGUgbGEgVW5pdmVyc2lkYWQgTmFjaW9uYWwgZGUgQ29sb21iaWEuIFB1ZWRlIGVqZXJjZXIgc3VzIGRlcmVjaG9zIGNvbW8gdGl0dWxhciBhIGNvbm9jZXIsIGFjdHVhbGl6YXIsIHJlY3RpZmljYXIgeSByZXZvY2FyIGxhcyBhdXRvcml6YWNpb25lcyBkYWRhcyBhIGxhcyBmaW5hbGlkYWRlcyBhcGxpY2FibGVzIGEgdHJhdsOpcyBkZSBsb3MgY2FuYWxlcyBkaXNwdWVzdG9zIHkgZGlzcG9uaWJsZXMgZW4gd3d3LnVuYWwuZWR1LmNvIG8gZS1tYWlsOiBwcm90ZWNkYXRvc19uYUB1bmFsLmVkdS5jbyIKClRlbmllbmRvIGVuIGN1ZW50YSBsbyBhbnRlcmlvciwgYXV0b3Jpem8gZGUgbWFuZXJhIHZvbHVudGFyaWEsIHByZXZpYSwgZXhwbMOtY2l0YSwgaW5mb3JtYWRhIGUgaW5lcXXDrXZvY2EgYSBsYSBVbml2ZXJzaWRhZCBOYWNpb25hbCBkZSBDb2xvbWJpYSBhIHRyYXRhciBsb3MgZGF0b3MgcGVyc29uYWxlcyBkZSBhY3VlcmRvIGNvbiBsYXMgZmluYWxpZGFkZXMgZXNwZWPDrWZpY2FzIHBhcmEgZWwgZGVzYXJyb2xsbyB5IGVqZXJjaWNpbyBkZSBsYXMgZnVuY2lvbmVzIG1pc2lvbmFsZXMgZGUgZG9jZW5jaWEsIGludmVzdGlnYWNpw7NuIHkgZXh0ZW5zacOzbiwgYXPDrSBjb21vIGxhcyByZWxhY2lvbmVzIGFjYWTDqW1pY2FzLCBsYWJvcmFsZXMsIGNvbnRyYWN0dWFsZXMgeSB0b2RhcyBsYXMgZGVtw6FzIHJlbGFjaW9uYWRhcyBjb24gZWwgb2JqZXRvIHNvY2lhbCBkZSBsYSBVbml2ZXJzaWRhZC4gCgo=

Dimensionamiento laboral para un canal de venta de seguros basado en un modelo de predicción de la demanda empleando técnicas de aprendizaje de máquinas

Publicaciones similares