dc.contributor.advisor | Rojas Polo, Jonatan Edward | |
dc.contributor.author | Samaniego Osorio, Alvaro Danilo | |
dc.contributor.author | Viamonte Yucra, José Felipe | |
dc.date.accessioned | 2020-09-16T17:34:55Z | |
dc.date.available | 2020-09-16T17:34:55Z | |
dc.date.created | 2020 | |
dc.date.issued | 2020-09-16 | |
dc.identifier.uri | http://hdl.handle.net/20.500.12404/17055 | |
dc.description.abstract | El presente trabajo tiene como objetivo dar a conocer una metodología simple para
optimizar el acceso al financiamiento bancario para una MYPE a través del uso de
herramientas de minería de datos que puedan plasmarse en un aplicativo móvil con
una interface amigable para el usuario, que en este caso podría ser el gerente
general, el gerente financiero, entre otros; sin demandar una inversión muy alta.
La herramienta de minería de datos que se aplicó fue una red neuronal con
aprendizaje profundo, pues involucra más de una capa oculta – mayor cantidad de
capas, mayor precisión – para a partir de variables disponibles en un set de datos,
determinar el peso relativo de cada una de ellas y estimar la probabilidad de que una
MYPE en particular pueda acceder a un crédito bancario. Se aplicó también otra
herramienta conocida como regresión logística, sin embargo, por el potencial de
aplicación del algoritmo anterior, se descartó la última opción.
En ambos casos se usó un dataset de un banco representativo de nuestro país, con
historial de créditos aprobados o denegados para MYPEs de diferentes segmentos.
La practicidad del resultado del algoritmo de minería de datos permite que pueda
convertirse fácilmente en un app para móviles que, a través de una simple interface
de usuario, le permite a una MYPE conocer la probabilidad de acceso al
financiamiento de forma personalizada. Esta información es de mucha utilidad para
facilitar la toma de decisiones a nivel gerencial y a nivel estratégico (negociar con
nuevos proveedores, con clientes, etc.)
Se estimó un beneficio estimado anual de S/1683 por el uso de este aplicativo
respecto a no utilizarlo, en un escenario normal proyectado para 5 años en adelante.
De la misma forma, se tuvo un VAN de S/3368 para un COK de 14.71%. Asimismo,
para un WACC de 20.95% producto de una estructura de financiamiento 20% deuda
y 80% aporte propio, el VAN calculado es de S/2360. En ambos escenarios el
proyecto de implementación resulta económicamente viable.
Sintetizando, se tendrá un aplicativo móvil desarrollado a partir del algoritmo de
minería de datos –redes neuronales– que permitirá a la MYPE tomar decisiones más
acertadas. | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Pontificia Universidad Católica del Perú | es_ES |
dc.rights | info:eu-repo/semantics/openAccess | es_ES |
dc.rights.uri | http://creativecommons.org/licenses/by/2.5/pe/ | * |
dc.subject | Pequeñas empresas--Finanzas | es_ES |
dc.subject | Instituciones financieras | es_ES |
dc.subject | Minería de datos | es_ES |
dc.title | Mejora del acceso al financiamiento bancario de empresas MYPES, usando herramientas de Data Mining | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
thesis.degree.name | Ingeniero Industrial | es_ES |
thesis.degree.level | Título Profesional | es_ES |
thesis.degree.grantor | Pontificia Universidad Católica del Perú. Facultad de Ciencias e Ingeniería | es_ES |
thesis.degree.discipline | Ingeniería Industrial | es_ES |
renati.advisor.dni | 42529429 | |
renati.advisor.orcid | https://orcid.org/0000-0001-5498-4090 | es_ES |
renati.discipline | 722026 | es_ES |
renati.level | https://purl.org/pe-repo/renati/level#tituloProfesional | es_ES |
renati.type | https://purl.org/pe-repo/renati/type#tesis | es_ES |
dc.publisher.country | PE | es_ES |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.11.04 | es_ES |