[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-es-110":3,"doc-seo-290249-110":49,"doc-detail-290249-es":123},{"code":4,"msg":5,"data":6},0,"success",[7,13,17,21,25,29,33,37,41,45],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},39,"Document","Cómic",60,"comic",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":11,"slug":16},43,"Estilo de Vida","lifestyle",{"id":18,"doc_module":4,"doc_module_name":9,"category_name":19,"show_sort_weight":11,"slug":20},38,"Examen","exam",{"id":22,"doc_module":4,"doc_module_name":9,"category_name":23,"show_sort_weight":11,"slug":24},44,"General","general",{"id":26,"doc_module":4,"doc_module_name":9,"category_name":27,"show_sort_weight":11,"slug":28},41,"Investigación e Informes","research-report",{"id":30,"doc_module":4,"doc_module_name":9,"category_name":31,"show_sort_weight":11,"slug":32},37,"Literatura","literature",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":11,"slug":36},22,"Relatos y Novelas","story-novel",{"id":38,"doc_module":4,"doc_module_name":9,"category_name":39,"show_sort_weight":11,"slug":40},42,"Religión y Espiritualidad","religion-spirituality",{"id":42,"doc_module":4,"doc_module_name":9,"category_name":43,"show_sort_weight":11,"slug":44},40,"Salud y Atención Médica","healthcare",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":47,"show_sort_weight":11,"slug":48},24,"Tecnología","technology",{"code":4,"msg":50,"data":51},"ok",{"site_id":52,"language":53,"slug":54,"title":55,"keywords":56,"description":57,"schema_data":58,"social_meta":116,"head_meta":118,"extra_data":120,"updated_unix":122},110,"es","machine-learning-model-for-identifying-customer-churn-from-bbva-colombia-to-neobanks-internship-report-for-the-degree-of-mathematician","Modelo de Machine Learning para la Identificaci n de Fuga de Clientes del BBVA Colombia hacia Neo bancos - Informe de pasantía para optar por el título de Matemático","","La migración de clientes de bancos tradicionales hacia neobancos, entidades financieras 100% digitales, implica pérdidas financieras y disminución de oportunidades comerciales. Para mitigar esa fuga, se desarrolla la construcción, entrenamiento y evaluación de varios modelos de machine learning basados en el comportamiento transaccional de los clientes del BBVA Colombia. Se emplea un conjunto de datos anonimizados de cinco meses y se define una variable objetivo para clientes que realizan transferencias hacia neobancos. El trabajo aborda el desequilibrio entre clases con estrategias de balanceo y compara cinco algoritmos bajo validación temporal, analizando métricas y variables influyentes.",{"@graph":59,"@context":115},[60,77,98],{"@type":61,"itemListElement":62},"BreadcrumbList",[63,68,71,74],{"item":64,"name":65,"@type":66,"position":67},"https://docshare.wps.com","Home","ListItem",1,{"item":69,"name":9,"@type":66,"position":70},"https://docshare.wps.com/es/document/",2,{"item":72,"name":27,"@type":66,"position":73},"https://docshare.wps.com/es/document/investigación-e-informes/",3,{"item":75,"name":55,"@type":66,"position":76},"https://docshare.wps.com/es/document/machine-learning-model-for-identifying-customer-churn-from-bbva-colombia-to-neobanks-internship-report-for-the-degree-of-mathematician/290249/",4,{"url":75,"name":55,"@type":78,"image":79,"author":84,"headline":55,"publisher":87,"fileFormat":90,"inLanguage":53,"description":57,"dateModified":91,"datePublished":92,"encodingFormat":90,"isAccessibleForFree":93,"interactionStatistic":94},"DigitalDocument",{"url":80,"@type":81,"width":82,"height":83},"https://docshare.wps.com/thumbnails/machine-learning-model-for-identifying-customer-churn-from-bbva-colombia-to-neobanks-internship-report-for-the-degree-of-mathematician/290249.png","ImageObject",300,407,{"name":85,"@type":86},"Finn","Person",{"url":64,"name":88,"@type":89},"DocShare","Organization","application/pdf","2026-10-07","2026-09-17",true,{"@type":95,"interactionType":96,"userInteractionCount":73},"InteractionCounter",{"@type":97},"ViewAction",{"@type":99,"mainEntity":100},"FAQPage",[101,107,111],{"name":102,"@type":103,"acceptedAnswer":104},"Cuál es el objetivo principal del modelo propuesto?","Question",{"text":105,"@type":106},"Desarrollar y validar un modelo supervisado que identifique clientes con mayor probabilidad de fuga del BBVA Colombia hacia neobancos, priorizando la clase minoritaria y generando un ranking de probabilidad.","Answer",{"name":108,"@type":103,"acceptedAnswer":109},"Cómo se define la variable objetivo (Target=1) en el estudio?",{"text":110,"@type":106},"Se asigna Target=1 a los clientes que realizaron transferencias a neobancos bajo criterios definidos a partir de una muestra de clientes activos y filtrada mediante reglas de negocio.",{"name":112,"@type":103,"acceptedAnswer":113},"Qué problema técnico se presenta en el conjunto de datos y cómo se aborda?",{"text":114,"@type":106},"El conjunto de datos tiene desequilibrio entre clases, ya que los casos de fuga son minoritarios; se implementan estrategias de balanceo combinando submuestreo y sobremuestreo para mejorar el rendimiento.","https://schema.org",{"og:url":75,"og:type":117,"og:title":55,"og:site_name":88,"og:description":57},"article",{"robots":119,"canonical":75},"index,follow",{"doc_id":121,"site_id":52},290249,1790693190,{"code":4,"msg":5,"data":124},{"doc_id":121,"user_id":125,"nickname":85,"user_avatar":126,"doc_module":4,"category_id":26,"category_name":27,"doc_title":55,"doc_description":57,"doc_content":127,"file_id":128,"file_url":129,"file_type":130,"file_size":131,"view_count":73,"is_deleted":4,"is_public":67,"is_downloadable":67,"audit_status":67,"page_count":132,"language":133,"language_code":53,"site_id":52,"html_lang":53,"table_of_contents":134,"faqs":135,"seo_title":136,"seo_description":57,"update_tm":137,"read_time":138},34359740700684,"https://ap-avatar.wpscdn.com/avatar/1f400023980c374ae676?_k=1777273430885731487","UNIVERSIDAD DISTRITAL FRANCISCO JOS DE CALDAS  \nPROYECTO CURRICULAR DE MATEMTICA  \nModelo de Machine Learning para la Identificaci n de Fuga de Clientes del BBVA Colombia hacia Neo bancos  \nINFORME DE PASANT ´IA PARA OPTAR POR EL T ´ITULO DE MATEMTICO PROYECTO CURRICULAR DE MATEMTICAS  \nAngel Gustavo Granados Sumalave  \nProfesor Director  \nHeber Sarmiento Barrera  \nProfesional Designado  \nJohn Pablo Calvo Lpez  \nBogot D.C.  \nSeptiembre 2025  \nResumen  \nLa migracin de clientes de bancos tradicionales hacia neo bancos (entidad financiera 100% digital e independiente de la banca tradicional) representa una prdida de recursos principalmente financieros y de oportunidades comerciales. Para mitigar sta fuga, se propone un estudio para seleccionar un modelo predictivo basado en machine learning que identifique clientes con alta probabilidad de transferir fondos a entidades 100% digitales.  \nPalabras Clave  \nMachine Learning, Anlisis de Fuga, BBVA, Neo bancos  \nAgradecimiento  \nExpreso mi sincero agradecimiento a todo el equipo de profesores de la Universidad que hicieron posible mi formacin acadmica, cuyo compromiso y dedicacin fueron fundamentales en este camino. Tambin quiero agradecer a mis compaeros, quienesestuvieron a mi lado a lo largo de la carrera y compartieron conmigo aprendizajes y experiencias valiosas.  \nDe manera especial, agradezco a mis padres, cuyo apoyo, paciencia y confianza fueronesenciales para que hoy pueda culminar mis estudios y consolidar mi formacin como matemtico.  \n´Indice  \n1. Introduccin 4  \n2. Objetivos 5  \n2.1. Objetivo General ............................... 5  \n2.2. Objetivos Especficos ............................. 5  \n3. Breve resea histrica del BBVA 6  \n4. Marco Terico 7  \n4.1. Tcnicas de Modelado ............................ 7  \n4.1.1. Mtricas a considerar de los modelos ................ 8  \n4.1.2. Explicacin de los modelos a usar .................. 9  \n4.2. Desbalance de Clases ............................. 11  \n4.3. Validacin cruzada estratificada ....................... 12  \n4.4. Importancia de variables ........................... 13  \n5. Metodologa 14  \n6. Resultados y Anlisis 15  \n6.1. Poblacin Analizada ............................. 15  \n6.2. Preprocesamiento de los Datos ....................... 15  \n6.3. Balanceo de Clases .............................. 16  \n6.4. Mtricas y Resultados ............................ 17  \n7. Conclusin 19  \n1. Introduccin  \nSe desarrolla una construccin, entrenamiento y evaluacin de varios modelos de machine learning con el objetivo de seleccionar uno (el ms estable en el tiempo) para predecir la migracin de clientes del BBVA Colombia hacia neo bancos, basado en elanlisis de su comportamiento transaccional. La investigacin utiliza un conjunto de datos anonimizados que abarca un periodo de cinco meses (Diciembre 2024 -Abril 2025) .  \nLa base de datos principal se toma de un estudio basado en las reglas de negocio del banco, la cul se define a partir de una muestra del 27, 01% de los clientes activos. Sobre sta muestra, se aplicaron filtros de actividad econmica, recurrencia y saldos paradelimitar una poblacin de inters, con ste subconjunto, la variable objetivo (Target=1) fue asignada a los clientes que realizaron transferencias a neo bancos bajo criterios definidos, los cuales constituyen el 6, 11% de la sub-muestra. El modelo de prediccinse entrena y evala sobre esta poblacin final.  \nEl desafo tcnico identificado en el conjunto de datos es el desequilibrio entre las clases, donde la proporcin de clientes con comportamiento de fuga es minoritaria.  \nSe detalla la metodologa de investigacin implementada, desde la definicin del problema y el tratamiento de los datos, hasta la experimentacin con cinco algoritmos declasificacin y la estrategia de balanceo en los datos. Finalmente, se presentan los resultados, se analiza el rendimiento de los modelos evaluados y se proponen conclusiones basadas en la evidencia.  \n2. Objetivos  \n2.1. Objetivo General  \nDesarrollar ","cbCairnet7di1if3","https://ap.wps.com/l/cbCairnet7di1if3","pdf",1197379,20,"Spanish","# Introducción\n# Objetivos\n## Objetivo General\n## Objetivos Específicos\n# Breve reseña histórica del BBVA\n# Marco Teórico\n## Técnicas de Modelado\n## Desbalance de Clases\n## Validación cruzada estratificada\n## Importancia de variables\n# Metodología\n# Resultados y Análisis\n## Población Analizada\n## Preprocesamiento de los Datos\n## Balanceo de Clases\n## Métricas y Resultados\n# Conclusión","[{\"question\":\"Cuál es el objetivo principal del modelo propuesto?\",\"answer\":\"Desarrollar y validar un modelo supervisado que identifique clientes con mayor probabilidad de fuga del BBVA Colombia hacia neobancos, priorizando la clase minoritaria y generando un ranking de probabilidad.\"},{\"question\":\"Cómo se define la variable objetivo (Target=1) en el estudio?\",\"answer\":\"Se asigna Target=1 a los clientes que realizaron transferencias a neobancos bajo criterios definidos a partir de una muestra de clientes activos y filtrada mediante reglas de negocio.\"},{\"question\":\"Qué problema técnico se presenta en el conjunto de datos y cómo se aborda?\",\"answer\":\"El conjunto de datos tiene desequilibrio entre clases, ya que los casos de fuga son minoritarios; se implementan estrategias de balanceo combinando submuestreo y sobremuestreo para mejorar el rendimiento.\"}]","Modelo de Machine Learning para la Identificaci n de Fuga de Clientes del BBVA Colombia hacia Neo bancos - Informe de pasantía para optar por el título de Matemático | PDF",1789641130,31]