Lucas Javier Perez - Carlos Sanchez Herrera - Sofia Turchi - Teo Argañaraz Sarmiento
Adriano Antonello
Basados en un dataset con distintos tipos de gestiones, fechas, gestores, sujetos, acreedores, tipo de productos y montos de deuda, se intentará determinar si algunas gestiones o cierta cantidad de las mismas son claves al momento de la negociación de una cartera fintech.
El tema es interesante ya que podriamos determinar patrones de comportamiento en los individuos y asi podremos ahorrar tiempo y costos en la gestión de cartera, logrando asi una mejor calidad en la gestión y tiempos de respuestas de nuestros acreedores.
Predecir cuantas gestiones se necesitan para la negociación exitosa.
Se puede realizar clustering de comportamiento?
Podemos determinar que y cuales productos son mejores en la gestión.
Que variables tienen relación en el dataset.
Si querés inspeccionar el conjunto de datos, lo encontrarás en: https://drive.google.com/drive/folders/1H4wPWU1xClzeMU3zOakEjiuGJnOAkqw-?usp=sharing
seg_id = Id Interno del seguimiento
prs_id = Id Interno de la persona
seg_codigo = Id Interno de la acción realizada
hora = Fecha y Hora de la acción
seg_usuario = Usuario que realizo la acción
obn_acreedor = Id Interno del acreedor
obn_interno = Id Interno de la obligación
obn_producto = Id Interno de tipo de producto
obn_cabecera = Id Interno de Asignación
fecha_alta = Fecha de Ingreso de la obligación
obn_estudio = Id Interno del estudio asignado
estado = Estado de la obligación
obn_id = Id Interno de la obligación
monto_deuda = Importe de deuda original
Entrega 20/05 - Práctico de análisis y visualización, que consistirá en el entendimiento de los datos y poder representarlos en forma gráfica.
Entrega 17/06 - Práctico de análisis exploratorio y curación de datos, que consistirá en poder determinar outliers como asi valores nulos o campos sin relación a las preguntas que queremos resolver.
Entrega 24/06 - Video de presentación intermedia del proyecto y dataset.
Entrega 29/07 - Práctico aprendizaje supervisado, que consistirá en poder determinar algoritmos predictivos para obtener un grado de certidumbre acorde al modelo y los datos.
Entrega 26/08 - Práctico aprendizaje no supervisado, que consistirá en probar distintos tipos de algoritmos y comparar cuales son los mejores resultados obtenidos entre supervisado y no supervisado.
Entrega 23/09 - Video de presentación final de mentoría.
Jornadas 11/11 y 12/11 - Presentación de mentorías.