Iniciar sesión
El presente trabajo tiene como objetivo la construcción de un modelo de árboles de clasificación para la identificación del perfil de los niveles del alumno con alto y bajo riesgo crediticio en la Universidad Peruana Unión. Para ello se utilizó la herramienta de Business Intelligence SQL Analysis Services 2008 del SQL Server y el SPSS 15.0, tanto para la construcción del modelo, como para la validación de éste respectivamente. El centro de aplicación fue el área financiera de la Universidad Peruana Unión.
La metodología utilizada fue el CRISP-DM que es una metodología para proyectos de minería de datos.
El modelo ha identificado los perfiles de los alumnos según el riesgo crediticio que éste tenga con las siguientes fases: Comprensión del negocio, análisis de los datos, preparación de los datos, modelamiento, evaluación e implantación.
Iniciar sesión