Prototipo de un sistema de recomendación para la oferta de convenios de los empleados de la Compañía Suramericana

Abstract

En este trabajo final de maestría se presenta el desarrollo de un prototipo para la oferta de convenios de los empleados de las compañías que conforman el Grupo Suramericana, el cual inició con la comprensión del proceso, la recopilación de la información, describiendo las variables usadas y a partir de estas se realizó un análisis exploratorio con las principales características demográficas y socio-demográficas seleccionadas que representan la población objeto de este trabajo; se caracterizó la población usando las técnicas de clusterización, partiendo de la construcción de la base de datos con la respectiva transformación de las variables y se construyó el modelo haciendo uso del algoritmo K-MODES. Como resultado se describen las características de cada clúster obtenido, se corrió el algoritmo Árbol de Decisión para encontrar aquellas variables que explicaban el modelo de clusterización; a continuación se evaluó para cada clúster la usabilidad de los convenios por tipología, donde se calculó su porcentaje de uso y en base a esto se definió una métrica acorde a cada clúster, se usó el algoritmo Árbol de Decisión para evaluar si una persona usaría o no un tipo de convenio; finalmente se construyó un tablero que recogiera los resultados del prototipo del sistema de recomendación, cerrando este trabajo con los resultados y conclusiones. (Texto tomado de la fuente)

This final master's thesis presents the development of a prototype for the offer of agreements of the employees of the companies that make up the Grupo Suramericana, which began with the understanding of the process, the collection of information, describing the variables used and from these an exploratory analysis was carried out with the main selected demographic and socio-demographic characteristics that represent the population object of this work; The population was characterized using clustering techniques, starting from the construction of the database with the respective transformation of the variables and the model was built using the K-MODES algorithm. As a result, the characteristics of each cluster obtained are described, the Decision Tree algorithm was run to find those variables that explained the clustering model; Next, the usability of the agreements by typology was evaluated for each cluster, where their percentage of use was calculated and based on this, a metric was defined according to each cluster, the Decision Tree algorithm was used to evaluate whether a person would use or not a type of agreement; Finally, a board was built that collected the results of the recommendation system prototype, closing this work with the results and conclusions.