Título : |
Clasificación del tipo de cliente en función a las características socio económicas del buen pagador de la Institución Financiera Compartamos – Agencia, Puno 2017 |
Tipo de documento: |
texto impreso |
Autores: |
Horacio Ajahuana Condori, Autor |
Editorial: |
Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Estadística e Informática. Escuela Profesional de Ingeniería Estadística e Informática |
Fecha de publicación: |
2018 |
Número de páginas: |
95 páginas |
Il.: |
diagramas, tablas |
Dimensiones: |
30 cm |
Material de acompañamiento: |
1 CD-ROM |
Nota general: |
Para Optar el Título Profesional de Ingeniero Estadístico e Informático |
Idioma : |
Español (spa) |
Resumen: |
Las entidades financieras ofrecen oportunidades de préstamos de inclusión al mayor número de personas en el menor tiempo posible y es de necesidad evaluar a los prestamistas para reducir el riesgo de moras y no pagos de cuotas que finalmente afectan a los clientes y a las empresas. El objetivo fue determinar la mejor relación para clasificar el tipo de cliente en función a las características socio económicas del buen pagador de la Institución Financiera Compartamos - Agencia Puno. El Diseño de investigación planteado fue el diseño descriptivo, y el tipo de investigación, descriptivo correlacional. La muestra estuvo conformada por 97 clientes y la técnica estadística para el análisis de datos fue el análisis discriminante, llegando a las siguientes conclusiones: Existen diferencias en las características socio económicas entre los segmentos de cliente muy bueno, cliente bueno y cliente regular, destacando que el atraso máximo de pago en días y atraso actual se encuentra en el segmento A+. Los clientes tienen prestamos en más de una entidad financiera, los ingresos y egresos se distribuyen de acuerdo al segmento La primera función explica el 75.2 % de la variabilidad disponible en los datos, mientras que la segunda función sólo explica el 24.8%. D1=-0.311X_1+0.549X_2+0.036X_3 -0.146X_4+0.548X_5-1.459X_6+0.982X_7-0.035X_8+1.064X_9 -0.832X_10+0.579X_11 D2=0.285X_1-0.005X_2+0.868X_3+ 0.272X_4-0.87X_5-0.072X_6-0.283X_7-0.289X_8+0.310X_9 -0.987X_10+0.333X_11 El modelo ha permitido reclasificar el 44% de los clientes a otras categorías. |
En línea: |
http://tesis.unap.edu.pe/handle/UNAP//8736 |
Link: |
https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=107049 |
Clasificación del tipo de cliente en función a las características socio económicas del buen pagador de la Institución Financiera Compartamos – Agencia, Puno 2017 [texto impreso] / Horacio Ajahuana Condori, Autor . - Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Estadística e Informática. Escuela Profesional de Ingeniería Estadística e Informática, 2018 . - 95 páginas : diagramas, tablas ; 30 cm + 1 CD-ROM. Para Optar el Título Profesional de Ingeniero Estadístico e Informático Idioma : Español ( spa)
Resumen: |
Las entidades financieras ofrecen oportunidades de préstamos de inclusión al mayor número de personas en el menor tiempo posible y es de necesidad evaluar a los prestamistas para reducir el riesgo de moras y no pagos de cuotas que finalmente afectan a los clientes y a las empresas. El objetivo fue determinar la mejor relación para clasificar el tipo de cliente en función a las características socio económicas del buen pagador de la Institución Financiera Compartamos - Agencia Puno. El Diseño de investigación planteado fue el diseño descriptivo, y el tipo de investigación, descriptivo correlacional. La muestra estuvo conformada por 97 clientes y la técnica estadística para el análisis de datos fue el análisis discriminante, llegando a las siguientes conclusiones: Existen diferencias en las características socio económicas entre los segmentos de cliente muy bueno, cliente bueno y cliente regular, destacando que el atraso máximo de pago en días y atraso actual se encuentra en el segmento A+. Los clientes tienen prestamos en más de una entidad financiera, los ingresos y egresos se distribuyen de acuerdo al segmento La primera función explica el 75.2 % de la variabilidad disponible en los datos, mientras que la segunda función sólo explica el 24.8%. D1=-0.311X_1+0.549X_2+0.036X_3 -0.146X_4+0.548X_5-1.459X_6+0.982X_7-0.035X_8+1.064X_9 -0.832X_10+0.579X_11 D2=0.285X_1-0.005X_2+0.868X_3+ 0.272X_4-0.87X_5-0.072X_6-0.283X_7-0.289X_8+0.310X_9 -0.987X_10+0.333X_11 El modelo ha permitido reclasificar el 44% de los clientes a otras categorías. |
En línea: |
http://tesis.unap.edu.pe/handle/UNAP//8736 |
Link: |
https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=107049 |
Clasificación del tipo de cliente en función a las características socio económicas del buen pagador de la Institución Financiera Compartamos – Agencia, Puno 2017
Las entidades financieras ofrecen oportunidades de préstamos de inclusión al mayor número de personas en el menor tiempo posible y es de necesidad evaluar a los prestamistas para reducir el riesgo de moras y no pagos de cuotas que finalmente afectan a los clientes y a las empresas. El objetivo fue determinar la mejor relación para clasificar el tipo de cliente en función a las características socio económicas del buen pagador de la Institución Financiera Compartamos - Agencia Puno. El Diseño de investigación planteado fue el diseño descriptivo, y el tipo de investigación, descriptivo correlacional. La muestra estuvo conformada por 97 clientes y la técnica estadística para el análisis de datos fue el análisis discriminante, llegando a las siguientes conclusiones: Existen diferencias en las características socio económicas entre los segmentos de cliente muy bueno, cliente bueno y cliente regular, destacando que el atraso máximo de pago en días y atraso actual se encuentra en el segmento A+. Los clientes tienen prestamos en más de una entidad financiera, los ingresos y egresos se distribuyen de acuerdo al segmento La primera función explica el 75.2 % de la variabilidad disponible en los datos, mientras que la segunda función sólo explica el 24.8%. D1=-0.311X_1+0.549X_2+0.036X_3 -0.146X_4+0.548X_5-1.459X_6+0.982X_7-0.035X_8+1.064X_9 -0.832X_10+0.579X_11 D2=0.285X_1-0.005X_2+0.868X_3+ 0.272X_4-0.87X_5-0.072X_6-0.283X_7-0.289X_8+0.310X_9 -0.987X_10+0.333X_11 El modelo ha permitido reclasificar el 44% de los clientes a otras categorías.
Ajahuana Condori, Horacio -
Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Estadística e Informática. Escuela Profesional de Ingeniería Estadística e Informática - 2018
Para Optar el Título Profesional de Ingeniero Estadístico e Informático
|
| |