Aprendizaje automático, causal para analítica de negocios, métodos y aplicaciones novedosas
| dc.contributor.author | Sanchez Cortes, Catalina Belen | |
| dc.date.accessioned | 14-08-2026 13:34 | |
| dc.date.available | 14-08-2026 13:34 | |
| dc.date.issued | 2026 | |
| dc.description.abstract | En la actualidad, las empresas enfrentan el desafío de transformar grandes volúmenes de datos en decisiones estratégicas que sean precisas desde el punto de vista estadístico y, al mismo tiempo, rentables desde una perspectiva financiera. A pesar de los avances en el aprendizaje automático tradicional, existe una brecha significativa entre la capacidad predictiva y la optimización de acciones e intervenciones. Esta investigación aborda esta problemática mediante el desarrollo de un marco que integra la minería de datos, la inferencia causal y las métricas orientadas al beneficio, aplicadas en la gestión de cobranza y la venta cruzada. En primera instancia, se analiza la influencia de variables de contact center en la gestión de cobranza mediante la aplicación de modelos de aprendizaje automático tradicional. Se demuestra que la aplicación de modelos de clasificación que combinan información financiera y de contact center alcanza un mejor rendimiento en términos de AUC y permite predecir comportamientos críticos, como el contacto exitoso y la promesa de pago. Posteriormente, este análisis se extiende a la aplicación del aprendizaje automático causal en cobranzas. A diferencia del enfoque tradicional, este permite identificar el efecto de la gestión de cobro sobre el deudor. Sobre esta base, se introducen marcos de evaluación basados en el beneficio (profit), tanto para modelos tradicionales como causales. A partir de esta aplicación, se determina que la implementación de una estrategia de profit multisegmento permite gestionar la heterogeneidad de los montos adeudados y los costes de contacto, garantizando que la asignación de recursos maximice el retorno financiero de la empresa. El marco de modelos de aprendizaje causal basado en beneficio también se aplica al contexto de la venta cruzada, donde se adaptan las métricas de beneficio para modelar la compensación de los agentes de ventas. Los experimentos demuestran que la aplicación de clasificadores orientados al beneficio, en lugar de métricas estadísticas, permite alcanzar incrementos de hasta un 31,6 % en la utilidad promedio por intervención. Finalmente, se propone una contribución metodológica: la estimación del efecto del tratamiento individual, denominada Bounded ITE, en modelos causales. Esta métrica introduce límites probabilísticos que permiten diferenciar a los clientes persuasibles y excluir a aquellos para los cuales la intervención no genera ningún impacto en su decisión. Este enfoque logra un rendimiento superior al del enfoque ITE y al de la clasificación tradicional, demostrando su eficacia al centrarse en los casos en los que es posible generar un impacto. Con base en estos análisis, esta investigación demuestra que la aplicación de tecnologías de aprendizaje automático para la predicción, la causalidad y la optimización del beneficio constituye un marco estratégico para la toma de decisiones empresariales. | |
| dc.description.ia_keyword | aprendizaje, beneficio, automático, causal, modelos, aplicación, gestión | |
| dc.identifier.citation | Sánchez Cortés, C. B. (2026). Aprendizaje automático causal para analítica de negocios: Métodos y aplicaciones novedosas [Tesis doctoral, Universidad de los Andes] | |
| dc.identifier.uri | https://repositorio.uandes.cl/handle/123456789/70595 | |
| dc.language.iso | es | |
| dc.publisher | Universidad de los Andes | |
| dc.subject | Aprendizaje Automático Causal | |
| dc.subject | Analítica de Negocios | |
| dc.subject | Inferencia Causal | |
| dc.subject | Modelos Orientados al Beneficio | |
| dc.subject | Gestión de Cobranza | |
| dc.subject | Venta Cruzada | |
| dc.subject.ia_ods | Ciencias Médicas y de la Salud | |
| dc.subject.ia_oecd1n | Medicina Clínica | |
| dc.subject.ia_oecd2n | Medicina Clínica | |
| dc.subject.ia_oecd3n | ODS 4: Educación de calidad | |
| dc.title | Aprendizaje automático, causal para analítica de negocios, métodos y aplicaciones novedosas | |
| dc.type | Tesis |