Modelo de análisis predictivo para determinar clientes con alta probabilidad de recuperación de deuda en una empresa de cobranzas del Perú

Abstract

En un contexto donde las empresas de cobranzas enfrentan desafíos crecientes para recuperar deudas de manera eficiente, esta investigación de tipo tecnológico desarrolló un modelo de análisis predictivo para identificar clientes con alta probabilidad de recuperación de deuda en una empresa del Perú. A nivel metodológico, es de tipo aplicado y enfoque cuantitativo, utilizando una población de 19,073 registros. Se empleó el marco metodológico CRISP-DM, y los resultados mostraron que la Regresión Logística, combinada con el método de selección de características de Pearson, fue la mejor opción en términos de rendimiento, alcanzando un AUC de 81.2% en el conjunto de prueba, lo que indica una alta capacidad de clasificación correcta de casos. Se concluyó que el modelo permite determinar clientes con alta probabilidad de recuperación de deuda, ofreciendo un enfoque eficaz para la toma de decisiones.

In a context where collection companies face increasing challenges in efficiently recovering debts, this technological research developed a predictive analysis model to identify customers with a high probability of debt recovery in a Peruvian company. Methodologically, it is of an applied type with a quantitative approach, using a population of 19,073 records. The CRISP-DM methodological framework was employed, and the results showed that Logistic Regression, combined with the Pearson feature selection method, was the best-performing option, achieving an AUC of 81.2% with the test set, indicating a high capacity for correct case classification. It was concluded that the model allows for the determination of customers with a high probability of debt recovery, providing an effective approach for decision-making.