Resumen:
Este proyecto elabora un modelo completo de analítica avanzada para una entidad financiera, con la meta de mejorar la personalización de servicios de marketing, optimizar campañas comerciales y entender el comportamiento del cliente a través de un enfoque orientado a datos. Se desarrolló un Data Warehouse (DW) con arquitectura dimensional de tipo constelación, que combina datos sobre productos financieros, transacciones, campañas, interacción digital y situación del cliente.
Con fundamento en el DW, se creó un conjunto de modelos de minería de datos y aprendizaje automático enfocados en tres ejes: predicción, segmentación y recomendación. En el entorno predictivo, se analizaron modelos de churn y propensión mediante regresión logística, Random Forest, Gradient Boosting y XGBoost. Entre ellos, Random Forest exhibió el rendimiento más equilibrado en comparación con las otras técnicas. Adicionalmente, se aplicaron métodos no supervisados como K-means para detectar microsegmentos de comportamiento y Apriori para reconocer afinidades entre productos, campañas y patrones del recorrido digital. Estos enfoques demostraron conexiones significativas, como la sólida vinculación entre el uso de la app y los productos de seguros, además de segmentos de bajo riesgo con alta tendencia a reaccionar a campañas particulares.
Con los resultados del análisis Apriori, se creó un sistema de recomendación fundamentado en reglas de asociación, que puede proponer productos, campañas y canales ideales para cada cliente. Este motor enfatiza sugerencias basadas en métricas como lift y confidence, brindando trazabilidad y explicabilidad, aspectos esenciales en contextos financieros. En conjunto, este estudio evidencia que una entidad financiera que implemente un DW sólido, métodos analíticos avanzados y una plataforma de personalización fundamentada en datos puede potenciar notablemente sus habilidades de marketing, elevar la satisfacción del cliente y progresar hacia un modelo de decisiones más estratégico, automatizado y centrado en el valor.
