Examinando {{ collection }} por Autor "Abalde, Roberto"
Mostrando 1 - 9 de 9
- Resultados por página
- Opciones de ordenación
Ítem Abandono de clientes en el sector bancario : análisis exploratorio y predictivo a través de minería de datos(Universidad de Buenos Aires. Facultad de Ciencias Económicas. Escuela de Estudios de Posgrado) Trosman, Denis; Abalde, RobertoLas instituciones financieras sufren año tras año la partida de sus clientes tanto en términos monetarios como en términos de competencia con sus pares. Por este motivo, resulta pertinente para estas tener en claro qué enfoques y sobre qué tipos de usuarios deben orientar sus campañas de retención de clientes. Este trabajo genera tanto un análisis exploratorio como predictivo de los casos de abandono en un banco comercial. Particularmente, en términos de descontinuación de uso de tarjetas de crédito ofrecidas por este. A partir de una base de datos de alrededor de 10.000 usuarios, se utilizaron métodos de análisis multivariante de datos para reducir la dimensionalidad de la base de datos y englobar tanto atributos explicativos como clientes de características similares. Así mismo, se generaron seis modelos predictivos de casos de abandono, otorgando el mejor resultado en términos de AUC aquellos que trabajan bajo los algoritmos GradientBoosting y XGBoosting, de 0,94.Ítem Análisis del impacto de la Pandemia en el mercado mediante modelos de aprendizaje automático(Universidad de Buenos Aires. Facultad de Ciencias Económicas. Escuela de Negocios y Administración Pública) Mainhard, Dominique; Abalde, RobertoLa pandemia de coronavirus transformó la vida de personas en todo el mundo. Durante más de un año, los ciudadanos argentinos se vieron obligados a continuar con sus vidas y rutinas dentro de sus hogares, sin importar la situación en la que se encontraran. Actividades como trabajar, estudiar, hacer ejercicio e incluso disfrutar del ocio debieron realizarse dentro de casa. Este nuevo panorama impactó directamente en la perspectiva de las personas, llevándolas a revisar sus prioridades y necesidades. El presente trabajo se centra en las consecuencias específicas que esta situación tuvo en el mercado inmobiliario. Buenos Aires Real Estate es una plataforma de clasificados inmobiliarios que será la principal beneficiaria de los resultados de este estudio. El objetivo es mejorar la precisión de las herramientas que ofrece para la predicción de precios de inmuebles, empleando técnicas avanzadas de ciencias de datos. Este trabajo busca, además, identificar y analizar las variables con mayor influencia en el valor del metro cuadrado antes y después de la pandemia, así como detectar las tendencias que podrían dominar en el futuro. El objetivo general es identificar las variables con mayor impacto en el precio de los inmuebles en Buenos Aires en la actualidad, comprender su incidencia y, posteriormente, predecir los precios en función de estas variables.Ítem Análisis exploratorio eWOM para la gestión de empresas turísticas mediante herramientas de data mining : casos de aplicación Didi Soho Hotel y Blue Soho Hotel(Universidad de Buenos Aires. Facultad de Ciencias Económicas. Escuela de Estudios de Posgrado) Chung, Nicolás; Baldomar, Juan Pablo; Abalde, RobertoÍtem Componentes principales de las contrataciones públicas de Buenos Aires : un análisis de los pliegos de bases y condiciones(Universidad de Buenos Aires. Facultad de Ciencias Económicas. Escuela de Estudios de Posgrado) Penna, Félix Pedro; Abalde, RobertoEl Gobierno de la Ciudad de Buenos Aires (GCBA) gestiona las compras y contrataciones de bienes y servicios de todo el sector público local a través del sistema Buenos Aires Compras (BAC). La información relativa a cada uno de los procesos de contratación se publica anticipadamente al los llamados a licitación, para permitir a los interesados evaluar condiciones y planificar ofertas. El análisis de esta información y el posterior trabajo de planificación conlleva una erogación significativa de recursos para los potenciales proveedores, que se desarrolla en un marco de competencia e incertidumbre sobre los resultados de la licitación. Conocer los patrones que comparten aquellos procesos de convocatoria que resultan exitosos y diferenciarlos de aquellos que resultan cancelados es información relevante para la toma de decisiones de quienes deciden proveer al Gobierno, en tanto les permite reducir la incertidumbre respecto a los desenlaces de los procesos de contratación. La cantidad de información disponible para analizar hace que, de querer aprovecharla por completo, escape a las posibilidades de los softwares clásicos de análisis de datos. Mediante el Análisis de Componentes Principales implementado en el lenguaje de programación Python, se extrae información relevante acerca de los patrones de comportamiento del conjunto de datos abiertos bajo análisis, obteniendo en qué medida los procesos de convocatoria que resultan completados exitosamente se distancian de aquellos que fracasan al cabo del período estipulado para su adjudicación.Ítem Los determinantes de la inversión en Europa : Análisis multivariado de la IED en 5 países europeos entre 2010 y 2019(Universidad de Buenos Aires. Facultad de Ciencias Económicas. Escuela de Estudios de Posgrado) Chamero Banks, Gabriel Oliver; Abalde, RobertoÍtem Minería de datos en CRM : modelos de predicción de abandono de clientes bancarios(Universidad de Buenos Aires. Facultad de Ciencias Económicas. Escuela de Estudios de Posgrado) Beyreuther, Candela; Abalde, RobertoLos clientes son el activo más importante para cualquier organización y, bajo el paradigma de marketing actual, generar relaciones duraderas y rentables con los mismos es fundamental. La competencia en el sector de servicios financieros se ha revolucionado e intensificado en las últimas décadas, producto de la innovación digital, y sus organizaciones cada vez más ponen el énfasis en el cuidado de sus clientes. El uso de las técnicas de minería de datos le permite a una organización aprender de las experiencias pasadas, encontrar patrones de comportamiento entre sus clientes e identificar aquellos que son propensos a culminar su relación con la organización. Dada esta problemática, el presente trabajo tiene por objetivo evaluar la posibilidad de identificar los clientes de una institución bancaria con una alta probabilidad de abandono por medio de modelos de minería de datos de clasificación. La metodología empleada se basa en el proceso CRISP-DM bajo la cual se desarrollan seis modelos de aprendizaje supervisado que son evaluados con el criterio AUC-ROC. Los resultados muestran que es posible construir un sistema de predicción del abandono de clientes, lo que permite a la organización mejorar las acciones de retención y comprender las causas del abandono.Ítem Modelos de valuación para el sector inmobiliario de CABA : desarrollo con métodos analíticos predictivos(Universidad de Buenos Aires. Facultad de Ciencias Económicas. Escuela de Estudios de Posgrado) Lorenzo, María Laura; Abalde, RobertoEste trabajo se propondrá establecer los lineamientos para el aprovechamiento de los grandes volúmenes y tipos de datos disponibles en el sector inmobiliario aplicando big data analytics y machine learning a la predicción de precio de propiedades en venta en la Ciudad Autónoma de Buenos Aires. El objetivo del proyecto es poder estimar los valores de propiedades de Capital Federal, analizando cuales son los determinantes del precio de los departamentos. Se intentará también poder ofrecerle al mercado inmobiliario una referencia de precios para la toma decisiones, mejorando los tiempos de las operaciones inmobiliarias. Esto se logrará entendiendo mejor la oferta y optimizando el tiempo entre la voluntad de venta y el hecho en sí, haciendo más rentable la operatoria de la organización. En cuanto al desarrollo, se utilizarán herramientas estadísticas en conjunto con los valores del mercado. Se tomarán aquellos factores de la propiedad que afecten a su valor, como lo son cantidad de ambientes, barrio donde está ubicado, tipo de propiedad, cercanía de medios de transporte y otros posibles elementos que puedan tener relación con el valor de la propiedad.Ítem Predicción de ocurrencia de delitos : Implementación de modelos predictivos en base a los casos registrados en CABA durante el periodo 2017-2019(Universidad de Buenos Aires. Facultad de Ciencias Económicas. Escuela de Estudios de Posgrado) Zambrano Medina, Rafael Alberto; Abalde, RobertoÍtem Tasación automatizada de inmuebles de CABA mediante técnicas de machine learning(Universidad de Buenos Aires. Facultad de Ciencias Económicas. Escuela de Estudios de Posgrado) Estefano, Guido; Abalde, Roberto