Tesis (Maestría en Gestión de la información)

En la industria financiera tradicional el acceso al crédito depende en gran medida del
comportamiento de pagos del cliente en el pasado, el nivel de riqueza y las garantías. Esto implica
barreras de acceso al crédito, por un lado, la exclusión de grupos de población con condiciones
óptimas que no tienen experiencia previa con productos de crédito y carecen de información
histórica sobre sus hábitos de pago en la banca. Y por otro lado, los reportes de historia de crédito
pueden contener errores y rezagos en la información que pueden llevar a decisiones sesgadas.
En este sentido, se propone utilizar fuentes de datos abiertos para evaluar el acceso al crédito
como una estrategia de inclusión financiera y mitigar las barreras de acceso al crédito. Se realiza un
análisis de caracterización y predicción de acceso al crédito, se desarrollan tres técnicas
supervisadas de clasificación: árbol de clasificación, bosque aleatorio y regresión logística, para
evaluar las variables significativas y el modelo con mejor desempeño, con el objetivo de identificar
los perfiles de bajo riesgo que acceden al crédito en las tres principales ciudades de Colombia:
Bogotá, Medellín y Cali, utilizando datos abiertos de la Encuesta anual de carga financiera y
educación financiera de los hogares (Iefic) del DANE. Finalmente, los resultados se presentan en un
tablero de visualización analítica de datos.