• español
    • English
UMECIT
  • español 
    • español
    • English
  • Login

Repositorio Digital

  • Colecciones Comunidades
  • Autor Autores
  • Título Títulos
  • Fecha Fechas
  • Materias Materias
Listar por autor 
  •   Repositorio CUN
  • Listar por autor
  •   Repositorio CUN
  • Listar por autor
JavaScript is disabled for your browser. Some features of this site may not work without it.

Cambiar vista

Listar

Todo DSpaceComunidades & ColeccionesPor fecha de publicaciónAutoresTítulosMateriasTipo de Material

Mi cuenta

AccederRegistro

Listar por autor "Villamil Bejarano, Maria Fernanda"

  • 0-9
  • A
  • B
  • C
  • D
  • E
  • F
  • G
  • H
  • I
  • J
  • K
  • L
  • M
  • N
  • O
  • P
  • Q
  • R
  • S
  • T
  • U
  • V
  • W
  • X
  • Y
  • Z

Ordenar por:

Orden:

Resultados:

Mostrando ítems 1-1 de 1

  • título
  • fecha de publicación
  • fecha de envío
  • ascendente
  • descendente
  • 5
  • 10
  • 20
  • 40
  • 60
  • 80
  • 100
    • Modelo predictivo para la medición de la tasa de cancelación de clientes para una empresa de telecomunicaciones 

      Villamil Bejarano, Maria Fernanda; Bermúdez Giraldo, Felipe (Escuela de Ciencias AdministrativasBogotá, ColombiaEspecialización en Analítica de datos, 2025)
      El presente proyecto desarrolla un modelo predictivo basado en aprendizaje supervisado para estimar la probabilidad de cancelación (churn) de clientes del segmento pospago en una empresa de telecomunicaciones en Colombia. ...

      Envíos recientes

      • Modelo predictivo para la medición de la tasa de cancelación de clientes para una empresa de telecomunicaciones

        ...

        Villamil Bejarano, Maria Fernanda | 2025

        El presente proyecto desarrolla un modelo predictivo basado en aprendizaje supervisado para estimar la probabilidad de cancelación (churn) de clientes del segmento pospago en una empresa de telecomunicaciones en Colombia. El análisis parte de un enfoque cuantitativo y explicativo, empleando técnicas de machine learning como regresión logística, árboles de decisión y XGBoost. La información utilizada se obtuvo de una base de datos histórica que incluye variables demográficas, técnicas y de comportamiento del cliente, las cuales fueron procesadas mediante flujos ETL y analizadas en Python. Durante el desarrollo del modelo se aplicaron técnicas de limpieza, codificación de variables, balanceo de clases y validación cruzada. El modelo XGBoost presentó el mejor desempeño predictivo, alcanzando una precisión del 63% y un AUC de 0.73. Se identificaron variables clave como el tiempo de permanencia, el consumo de datos móviles y el historial de pagos como determinantes del abandono. Los resultados fueron integrados en un dashboard interactivo en Power BI, facilitando la visualización de clientes en riesgo y la toma de decisiones estratégicas. Este trabajo contribuye a optimizar las estrategias de retención, proponiendo acciones concretas basadas en perfiles de riesgo. Además, demuestra el valor de la analítica predictiva como herramienta clave en la sostenibilidad del sector de telecomunicaciones.

        LEER

      • Corporación Unificada Nacional de Educación Superior
      • VIGILADA MINEDUCACIÓN
      • Línea Bogotá: +(57) (1) 307 81 80
      • Gratis desde tu cel: 01 8000 11 54 11
      • Sede principal Bogotá: Calle 12b #04-79

      Corporación Unificada Nacional de Educación Superior CUN Código SNIES 4813 Colombia. Todos los derechos reservados. / Carácter Institucional Institución técnica profesional «Vigilada Mineducación» / Personería Jurídica: Resolución 1379 del 3 de febrero de 1983. Ministerio de Educación Nacional / Copyright © 2020 Para notificaciones judiciales: notificaciones@cun.edu.co

      Sistema DSPACE - Metabiblioteca | logo