Predicción de bajas de clientes en entidades bancarias: Un enfoque basado en machine learning

"En los últimos años, el sector bancario de personas físicas en Argentina ha experimentado profundas transformaciones, impulsadas por factores como la globalización, la digitalización, los cambios de hábitos postpandemia y las medidas regulatorias derivadas de la crisis macroeconómica.

En un contexto sumamente competitivo como lo es la industria financiera argentina, conservar la cartera de clientes es un eje estratégico en las entidades, dado que retenerlos suele ser significativamente menos costoso que captar uno nuevo. Dada esta dinámica, la capacidad de anticipar el abandono de los clientes adquiere gran relevancia para mejorar la rentabilidad y eficientizar los costos.

Así, comprender los factores que inciden en el cierre de cuentas resulta esencial para que las entidades bancarias puedan anticipar y mitigar la pérdida de clientes, fortaleciendo su cartera activa y optimizando sus estrategias de retención.

El presente trabajo se enfoca en analizar el comportamiento de los clientes de personas físicas en entidades bancarias, utilizando datos históricos del sector. Se aplican técnicas de análisis de datos y modelado predictivo basadas en machine learning para construir un modelo de predicción de bajas de clientes".