Predicción de retiros de asociados en la cooperativa Cootradecun mediante un modelo analítico de regresión logística con enfoque de machine learning

Abstract

En los últimos años, la analítica de datos y el desarrollo de modelos predictivos han desempeñado un papel fundamental en la toma de decisiones empresariales. En este contexto, la presente investigación abordó el problema de la deserción de asociados en la Cooperativa Cootradecun, evidenciado por un incremento constante en la tasa de retiros entre 2011 y 2024, alcanzando su punto más alto en el último año. Entre las principales causas identificadas se encuentran las dificultades económicas (6,915 casos), cruce de cuentas (1,986 casos), término de contrato (1,109 casos) y dificultades en la solicitud de crédito (489 casos), además de la influencia de factores demográficos, como la edad promedio de los retirados, que oscila entre 25 y 79 años, con mayor incidencia en el grupo de 50 a 70 años. Ante este panorama, se implementó un modelo de Regresión Logística con enfoque de Machine Learning, utilizando bases de datos históricas y aplicando la metodología CRISP-DM en sus seis fases: comprensión del problema, comprensión de los datos, preparación de los datos, modelado, evaluación del modelo e implementación. Como resultado, se obtuvo un modelo con una precisión global del 75.47% y un área bajo la curva (AUC) de 0.82, mostrando una buena capacidad predictiva. Una de las conclusiones obtenidas indica el modelo desarrollado permitió identificar patrones de deserción sugiriendo que los asociados con menores ingresos y menor antigüedad en la cooperativa son los más propensos a retirarse, lo que resalta la importancia de diseñar estrategias de retención, optimizando la sostenibilidad y crecimiento de la cooperativa.