Modelo predictivo para detectar el incumplimiento de los pagos de una franquicia de tarjetas de crédito

Abstract

Uno de los riesgos que frecuentemente tienen los bancos es el incumplimiento de los pagos de los productos financieros, especialmente, el pago de la tarjeta de crédito. Muchos de los bancos usan estrategias comerciales para concientizar a los clientes al buen uso de la tarjeta de crédito, pero muchos clientes por mal uso en las finanzas se atrasan en los pagos generando incumplimiento afectando la vida crediticia. En consecuencia, los bancos han adquirido nuevas tecnologías para predecir el incumplimiento de pagos y reducir el riesgo de recuperación de la inversión. En este artículo, se va a tomar un conjunto de datos de American Express para realizar una analítica descriptiva y analítica predictiva con mínimo 6 modelos de predicción e identificar cuál es el adecuado o recomendado para usar y predecir el tiempo de incumplimiento de un cliente según la estructura de los datos.

One of the frequent risks that banks face is the non-payment of financial products, especially credit card payments. Most banks use commercial strategies to make customers aware of the proper use of credit cards, but many customers, due to financial misuse, fall behind in their payments and enter default, affecting their credit life. Consequently, banks have acquired new technologies to predict payment defaults and reduce the risk of investment recovery. In this article, we are going to take a dataset from American Express to perform descriptive analytics and predictive analytics with at least 6 predictive models and identify which one is suitable or recommended to use to predict the default time of a customer according to the structure of the data.