Transformación Digital de la Banca: Modelo basado en Machine Learning para la clasificación de transacciones bancarias realizadas a través de PSE

Urrego Álvarez, Mauricio; Yepes Sánchez, Edison

dc.contributor.advisor	Soto Duran, Darío Enrique
dc.contributor.advisor	Vargas Agudelo, Fabio Alberto
dc.contributor.author	Urrego Álvarez, Mauricio
dc.contributor.author	Yepes Sánchez, Edison
dc.date.accessioned	2022-05-17T20:55:25Z
dc.date.available	2022-05-17T20:55:25Z
dc.date.issued	2022-02-10
dc.identifier.uri	https://dspace.tdea.edu.co/handle/tdea/1953
dc.description	ilustraciones, anexos	spa
dc.description.abstract	Esta investigación de maestría consiste en el desarrollo de una propuesta de modelo de clasificación usando técnicas de Machine Learning (ML), mediante el aprendizaje supervisado, que permita asignar una categoría a una transacción realizada en la plataforma de pagos seguros PSE, a partir de su descripción en texto libre. Se realizó una detallada búsqueda de proyectos que permitieron identificar los principales retos, técnicas y metodologías usadas para resolver problemas similares, y sirvieron como apoyo al contexto del proyecto. El modelo propuesto para clasificación de transacciones a través de pasarelas de pago, tiene como propósito apoyar en el análisis de las finanzas personales del sector de la banca. Para el desarrollo de la propuesta, se siguieron las fases de la metodología CRISP-DM, obteniendo como resultado un modelo óptimo de ML, que dio solución al problema de clasificación planteado.	spa
dc.description.tableofcontents	Contenido Pág. 1. Introducción ........................................................................................................... 17 Motivación ......................................................................................................... 17 Planteamiento del Problema ............................................................................. 18 Pregunta de Investigación ................................................................................. 20 Hipótesis ........................................................................................................... 20 Objetivos ........................................................................................................... 21 1.5.1 Objetivo General ............................................................................................ 21 1.5.2 Objetivos Específicos: ................................................................................... 21 Marco Teórico ................................................................................................... 21 1.6.1 Conceptos Generales: ................................................................................... 21 Machine Learning ..................................................................................................... 21 Big Data ................................................................................................................... 23 Lematización ............................................................................................................ 24 Optimización. ........................................................................................................... 25 Evaluación de modelos. ........................................................................................... 27 1.6.2 Metodologías para Proyectos de Machine Learning. ..................................... 29 KDD (Knowledge Discovery in Databases) .............................................................. 30 CATALYST .............................................................................................................. 31 CRISP-DM (Cross Industry Standard Process for Data Mining) ............................... 33 SEMMA (Sample, Explore, Modify, Model, and Assess) .......................................... 34 ASUM-DM (Analytics Solutions Unified Method for Data Mining) ............................. 35 1.6.3 Algoritmos de Clasificación ............................................................................ 36 KNN (K Vecinos más Cercanos) .............................................................................. 36 SVM (Maquinas de Soporte Vectorial) ..................................................................... 38 Regresión Logística ................................................................................................. 39 Arboles de Decisión ................................................................................................. 40 1.6.4 Pasarela de Pagos: ....................................................................................... 41 Metodología ...................................................................................................... 42 1.7.1 Fase de exploración. ..................................................................................... 42 1.7.2 Fase de Integración. ...................................................................................... 44 1.7.3 Fase de validación. ........................................................................................ 45 2. ESTADO DEL ARTE DE LA APLICACIÓN DE MACHINE LEARNING EN EL DOMINIO DE LA BANCA Y OTROS SECTORES, EN PROBLEMAS DE CLASIFICACIÓN. ........................................................................................................... 46 Revisión de Literatura ....................................................................................... 46 2.1.1 Resumen Comparativo .................................................................................. 53 3. COMPARATIVA ENTRE METODOLOGÍAS PARA EL DESARROLLO DE PROYECTOS DE MACHINE LEARNING....................................................................... 57 Comparativa y Resultados. ............................................................................... 58 4. DEFINICIÓN Y VALIDACIÓN DE LA PROPUESTA. .............................................. 62 Adaptación Metodológica. ................................................................................. 62 Definición del Modelo. ...................................................................................... 63 4.2.1 ANALYSIS .................................................................................................... 65 4.2.2 DATA ENGINEERING ................................................................................... 70 4.2.3 MODELING ................................................................................................... 73 5. Impacto Esperado .................................................................................................. 79 6. Conclusiones y Trabajos Futuros ........................................................................ 80 Conclusiones .................................................................................................... 80 Trabajos Futuros............................................................................................... 82 Lista de figuras Figura 1 Diagrama Ishikawa ............................................................................................ 19 Figura 2 Machine Learning .............................................................................................. 22 Figura 3 Fórmula TF-IDF ................................................................................................. 26 Figura 4 Fórmula IDF ...................................................................................................... 27 Figura 5 Proceso de medición ......................................................................................... 28 Figura 6 Etapas en un proyecto de Machine Learning. .................................................... 29 Figura 7 Metodología KDD. ............................................................................................. 31 Figura 8 Metodología CATALYST (MII). .......................................................................... 32 Figura 9 Metodología CATALYST (MIII). ......................................................................... 33 Figura 10 Metodología CRISP-DM. ................................................................................. 34 Figura 11 Metodología SEMMA....................................................................................... 35 Figura 12 Metodología ASUM-DM. .................................................................................. 36 Figura 13 Algoritmo KNN................................................................................................. 37 Figura 14 Diagrama de Voronoi....................................................................................... 38 Figura 15 Algoritmo SVM ................................................................................................ 39 Figura 16 Función Sigmoide ............................................................................................ 39 Figura 17 Algoritmo Árboles de decisión ......................................................................... 40 Figura 18 Proceso de Pasarela de Pagos. ...................................................................... 41 Figura 19 Pagos Seguros en Línea. PSE. ....................................................................... 42 Figura 20 Encuesta realizada por KDnuggets (2014). ..................................................... 58 Figura 21 Adaptación metodológica ................................................................................ 62 Figura 22 Flujo de trabajo del modelo propuesto ............................................................. 64 Figura 23 Relación financiera .......................................................................................... 66 Figura 24 Proceso de transferencia en PSE .................................................................... 67 Figura 25 Resultado de TF-IDF ....................................................................................... 72 Figura 26 Resultado de entrenamiento con KNN ............................................................ 74 Figura 27 Resultado de entrenamiento con Arboles de Decisión..................................... 75 Figura 28 Resultado de entrenamiento con SVM ............................................................ 75 Figura 29 Resultado de entrenamiento con SVM ............................................................ 76 Figura 30 Resultado de entrenamiento con Regresión Logística ..................................... 76 Figura 31 Ejemplo usando set de pruebas ...................................................................... 77 Figura 32 Ejemplo de estimación .................................................................................... 77 Figura 33 Resultado de la evaluación de modelo ............................................................ 78 Lista de tablas Tabla 1 Proceso de lematización .................................................................................... 25 Tabla 2 Ejemplo TF-IDF .................................................................................................. 26 Tabla 3 Ejemplo TF-IDF .................................................................................................. 26 Tabla 4 Ejemplo TF-IDF .................................................................................................. 27 Tabla 5 Resumen comparativo de artículos .................................................................... 51 Tabla 6 Resumen comparativo de artículos .................................................................... 54 Tabla 7 Resumen comparativo de metodologías ............................................................ 59 Tabla 8 Resumen comparativo de metodologías ............................................................ 59 Tabla 9 Actividades, resultado y objetivo. ....................................................................... 65 Tabla 10 Ejemplo de set de datos de transacciones ....................................................... 68 Tabla 11 Ejemplo de set de datos de transacciones transformado ................................. 71 Tabla 12 Ejemplo de set de datos de etiquetas ............................................................... 72 Tabla 13 Estadísticas del set de datos de evaluación ..................................................... 77	spa
dc.format.extent	89 páginas	spa
dc.format.mimetype	application/pdf	spa
dc.language.iso	spa	spa
dc.publisher	Tecnológico de Antioquia, Institución Universitaria	spa
dc.rights	Tecnológico de Antioquia, Institución Universitaria, 2021	spa
dc.rights.uri	https://creativecommons.org/licenses/by-nc/4.0/	spa
dc.title	Transformación Digital de la Banca: Modelo basado en Machine Learning para la clasificación de transacciones bancarias realizadas a través de PSE
dc.type	Trabajo de grado - Maestría	spa
dcterms.references	ACH Colombia. (2020). Recuperado de: www.pse.com.co	spa
dcterms.references	Agarwal, S., Mukherjee, P., Chakraborty, B. y Nandi, D. (2019). A Novel Automated Financial Transaction System Using Natural Language Processing, vol. 921. Springer International Publishing.	spa
dcterms.references	Alvarez Munarriz, L. (2001). Antropología Social e Inteligencia Artificial. (pp. 95). ISSN 0213-1404.	spa
dcterms.references	Azevedo, A. y Santos, M. F. (2008). KDD, SEMMA AND CRISP-DM: A PARALLEL OVERVIEW,” Proc. Informatics 2008 Data Min., (pp. 182–185).	spa
dcterms.references	Banco de Bogota. (2021). ¿Sabes cómo funciona la economía? Recuperado de https://www.bancodebogota.com/wps/portal/banco-de-bogota/bogota/educacionfinanciera/ articulos-educacion-financiera/que-es-un-banco/sabes-como-funciona-laeconomia	spa
dcterms.references	Cifuentes Ramos, F. (2016). Clasificación automática de Tweets utilizando K-NN y KMeans como algoritmos de clasificación automática, aplicando TF-IDF y TF-RFL para las ponderaciones (Tesis universitaria). Recuperado de http://opac.pucv.cl/pucv_txt/Txt- 8500/UCD8528_01.pdf	spa
dcterms.references	Cios, K. J. y Kurgan, L. A. (2007). Trends in Data Mining and Knowledge Discovery,” Adv. Tech. Knowl. Discov. Data Min., (pp. 1–26).	spa
dcterms.references	Claypoole, R. (2016). Why Traditional PFM Is Dead. Recuperado de https://www.mx.com/moneysummit/why-traditional-pfm-is-dead/	spa
dcterms.references	Curso BIG DATA (2018). Análisis y Visualización de datos.	spa
dcterms.references	DUDA, R., Hart, P.E. y Stork, D.G. (2001). Pattern classification Pattern Classification and Scene Analysis: Pattern Classification”. Wiley, New York.	spa
dcterms.references	Dataprix. (2017). “La guía de usuario de CRISP DM”. Recuperado de: https://www.dataprix.com/es/metodologia-crisp-dm-mineria-datos/guia-usuario-crisp-dm	spa
dcterms.references	Edition, S. (2005). “Data Mining and Knowledge Discovery Handbook,” Data Min. Knowl. Discov. Handb.	spa
dcterms.references	Fayyad, U., Piatetsky-Shapiro, G. y Smyth, P. (1996). Knowledge Discovery and Data Mining: Towards a Unifying Framework. Int Conf Knowl. Discov. Data Min., (pp. 82–88).	spa
dcterms.references	Fayyad, U., Piatetsky-Shapiro, G. y Smyth, P. (1996). The KDD process for extracting useful knowledge from volumes of data,” Commun. ACM, vol. 39, (pp. 27–34).	spa
dcterms.references	Giacomo, G. (2020). 24th European Conference on Artificial Intelligence. España: Santiago de Compostela.	spa
dcterms.references	He, C., Zhu, B., Zhang, M., Zhuang, Y., He, X. y Du, D. (2015). Customers’ risk type prediction based on analogcomplexing,” Procedia Comput. Sci., vol. 55, (pp. 939–943).	spa
dcterms.references	KDnuggets (2014). ¿Qué metodología principal está utilizando para sus proyectos de análisis, minería de datos o ciencia de datos? Recuperado de: https://www.kdnuggets.com/polls/2014/analytics-data-mining-data-sciencemethodology. html	spa
dcterms.references	Khandelwal, R. (2018). Support Vector Machines. Recuperado de: https://medium.datadriveninvestor.com/support-vector-machines-ae0ff2375479	spa
dcterms.references	Kim, A. y Cho, S. B. (2019). An ensemble semi-supervised learning method for predicting defaults in social lending,” Eng. Appl. Artif. Intell., vol. 81, (pp. 193–199).	spa
dcterms.references	Kim, Y. y Enke, D. (2017). Instance Selection Using Genetic Algorithms for an Intelligent Ensemble Trading System. Procedia Comput. Sci., vol. 114. (pp. 465–472).	spa
dcterms.references	Ma, F., Shi, Y., Wang, B. y Chen, Z. (2016). Research on the Classification of Commercial Banks’ Fund Clients Based on Learning with Label Proportions,” Procedia Comput. Sci., vol. 91, (pp. 988–994).	spa
dcterms.references	Mahalingam, P. R. y Vivek, S. (2016). Predicting Financial Savings Decisions Using Sigmoid Function and Information Gain Ratio. Procedia Comput. Sci., vol. 93, no. September, (pp. 19–25).	spa
dcterms.references	Mérida, J. (2017). Adaptación de estándares de dirección de proyectos particularizados para la minería de datos (Tesis de maestría). Recuperado de http://hdl.handle.net/10651/43633	spa
dcterms.references	Mi. Moine, J., Haedo, A. y Gordillo, S. (2011). “Estudio comparativo de metodologías para minería de datos,” XIII Work. Investig. en Ciencias la Comput., (pp. 278–281).	spa
dcterms.references	Moine, J. M. (2013). Metodologías para el descubrimiento de conocimiento en bases de datos: un estudio comparativo, (p. 111).	spa
dcterms.references	MRUSSELL, S., P.A., N., y R.B., G. (1996). Inteligencia Artificial: Un Enfoque Moderno Colección de Inteligencia Artificial. Prentice Hall Hispanoamericana, S.A., Ciudad de México.	spa
dcterms.references	Msc., Lcdo. Chaviano Arteaga, H. (2015). Técnicas de Aprendizaje Supervisado y no Supervisado para el Aprendizaje Automatizado de Computadoras. (pp. 549-564). ISBN 978-9942-17-011-8.	spa
dcterms.references	MURPHY, K. (2012). Machine Learning: A Probabilistic Perspective MIT Press, Massachusetts.	spa
dcterms.references	Noya, E. (2016). ¿Es el fintech el mayor desafío que afronta la banca? Harcard Deusto Business Review. (pp. 22-29) Recuperado de: https://www.gref.org/nuevo/docs/economia_digital_280416.pdf	spa
dcterms.references	Potharaju, S. P. y Sreedevi, M. (2018). A Novel Subset Feature Selection Framework for Increasing the Classification Performance of SONAR Targets. Procedia Comput. Sci., vol. 125, (pp. 902–909).	spa
dcterms.references	Pyle, D. (2003). Business Modeling and Data Mining, vol. 2003.	spa
dcterms.references	Rojas, J. C. (2016). Sistema Financiero un Análisis del mercado desde la perspectiva del derecho económico. Revista del derecho privado, 56, doi: 10.15425/redepriv.56.2016.02	spa
dcterms.references	Rollins, J. (2015). Why we need a methodology for data science \| IBM Big Data & Analytics Hub. Recuperado de: https://www.ibmbigdatahub.com/blog/why-we-needmethodology- data-science	spa
dcterms.references	Schmid, H. (1999). Improvements in part-of-speech tagging with an application to german. In Natural language processing using very large corpora, (p.13–p.25). Springer.	spa
dcterms.references	Superintendencia Financiera de Colombia. (2018). “Informe de Operaciones, Segundo Semestre 2018.” Bogotá, D.C.	spa
dcterms.references	Takahashi, M., Azuma, H. y Tsuda, K. (2017). A Study on Validity Detection for Shipping Decision in the Mail-order Industry. Procedia Comput. Sci., vol. 112, (pp. 1318–1325).	spa
dcterms.references	Timarán-Pereira, A. y A., Hernández-Arteaga, S. R., Caicedo-Zambrano, I., Hidalgo-Troya, S. J. y Pérez, J. C. (2016). Proceso de conocimiento en bases de datos The Process of Knowledge Discovery on Databases. (pp. 63–86).	spa
dcterms.references	Tupov, V. (2020). Using the Data Scientist Experience in Training. National Research University “MPEI”.	spa
dc.publisher.faculty	Facultad de Ingeniería	spa
dc.publisher.program	Maestría en gestión de tecnologías de la información	spa
dc.description.degreelevel	Maestría	spa
dc.description.degreename	Magister en gestión de tecnologías de la información	spa
dc.publisher.place	Medellín	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess	spa
dc.rights.creativecommons	Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)	spa
dc.subject.proposal	Aprendizaje de máquina	spa
dc.subject.proposal	Aprendizaje automático	spa
dc.subject.proposal	Clasificación de texto	spa
dc.subject.proposal	Transacciones bancarias	spa
dc.subject.proposal	Procesamiento de lenguaje natural	spa
dc.type.coar	http://purl.org/coar/resource_type/c_bdcc	spa
dc.type.content	Text	spa
dc.type.driver	info:eu-repo/semantics/masterThesis	spa
dc.type.redcol	https://purl.org/redcol/resource_type/TM	spa
dc.type.version	info:eu-repo/semantics/publishedVersion	spa
oaire.accessrights	http://purl.org/coar/access_right/c_abf2	spa
oaire.version	http://purl.org/coar/version/c_ab4af688f83e57aa	spa