Full metadata record
DC FieldValueLanguage
dc.contributor.authorRestrepo Navarrete, Yeimy Carolina-
dc.thesis.disciplineUniversidad Católica de Colombia. Facultad de Ciencias Económicas y Administrativas. Programa de Economíaspa
dc.rightsCopyright, Universidad Católica de Colombia, 2018spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.descriptionPráctica Empresarialspa
dc.description.abstractEs un avance parcial de la investigación que se está realizando como parte de valor agregado del practicante en el Banco Agrario de Colombia, la investigación busca implementar una metodología para lograr la retención eficiente de los clientes, es decir establecer el conjunto de procedimientos a realizar desde un marco conceptual hasta el modelamiento mediante técnicas de minería de datos, para su posterior implementación en el Banco.spa
dc.description.tableofcontentsPRESENTACION 1. MARCO TEORICO 2. MARCO HISTORICO 3. METODOLOGIA PARCIAL 4. DESCRIPCION DE LA ENTIDAD 4. CONCLUSIONES PARCIALES BIBLIOGRAFÍAspa
dc.date.accessioned2018-08-02T20:15:35Z-
dc.date.available2018-08-02T20:15:35Z-
dc.date.issued2018-
dc.format.mimetypeapplication/pdfspa
dc.identifier.citationRestrepo Navarrete, Y. C. (2018). Metodología para la retención de clientes. Trabajo de Grado. Universidad Católica de Colombia. Facultad de Ciencias Económicas y Administrativas. Programa de Economía. Bogotá, Colombiaspa
dc.identifier.urihttp://hdl.handle.net/10983/16270-
dc.thesis.levelPregradospa
dc.language.isospaspa
dc.typeTrabajo de grado - Pregradospa
dc.titleMetodología para la retención de clientesspa
dc.thesis.nameEconomistaspa
dc.contributor.roleBadillo Valderrama, Guillermo, dir.spa
dc.subject.lembFUGA DE CLIENTES-
dc.rights.creativecommonsAtribución-NoComercial-CompartirIgualspa
dcterms.bibliographicCitationAli, O., & Anturk, U. (2014). Dynamic churn prediction framework with more effective use of rare event data: the case of private banking. Istanbul: sciences and economics, business administration, Koc University Escobar.En
dcterms.bibliographicCitationAmin, A., Anwar, S. (2016) Customer churn prediction in the telecommunication sector using a rough set approached.En
dcterms.bibliographicCitationÁlvarez, R. (2013). Minería de datos aplicada al manejo de la relación del cliente en una Entidad Bancaria (CRM). Quito: Escuela Politécnica Nacional.spa
dcterms.bibliographicCitationBanco Agrario de Colombia (2016). Recuperado de https://www.bancoagrario.gov.co/ acerca/Paginas/default.aspxspa
dcterms.bibliographicCitationBarrientos, F., & Ríos, S. (2013). Aplicación de Minería de Datos para Predecir Fuga de Clientes en la Industria de las Telecomunicaciones. Santiago Chile.spa
dcterms.bibliographicCitationBerry., M & G, Linoff, (1999) “Mastering data mining: the art and science of customer relationship management “, New York: West susex: John Wiley & Sons.En
dcterms.bibliographicCitationBlattberg, R., Kim, B., & Neslin, S. (2008) Why database marketing? New York.In Database International Series in Quantitative Marketing, vol. 18. Springer.En
dcterms.bibliographicCitationCamargo, H. & Silva, M. (2011) Dos caminos en la búsqueda de patrones por medio de Minería de Datos: SEMMA y CRISP. Bogotá: Universidad del bosque .spa
dcterms.bibliographicCitationChamba., S., (2015). Minería de datos para segmentación de clientes en la empresa tecnológica Máster PC. Quito: Universidad Nacional de Loja.spa
dcterms.bibliographicCitationChen, D., Sain, L., & Guo, K. (2012) Data mining for the online retail industry: a case study of rfm model-based customer segmentation using data mining, journal of database marketing & customer strategy management, 197-208.En
dcterms.bibliographicCitationCongreso de la República. (2007). Ley 1150 de 2007. Recuperado de http://www.secretariasenado.gov.co/senado/basedoc/ley_1150_2007.html.spa
dcterms.bibliographicCitationDavenport, H. Prusak, L (1998). Working knowledge: how organizations manage what they know. Boston, EEUU: Harvard Business School Press.En
dcterms.bibliographicCitationAli, O., & Anturk, U. (2014). Dynamic churn prediction framework with more effective use of rare event data: the case of private banking. Istanbul: sciences and economics, business administration, Koc University Escobar.En
dcterms.bibliographicCitationGreene, W. (1993). Econometric Analysis, Prentice Hall.En
dcterms.bibliographicCitationHand, D. (1998) Data mining: statistics and more, The American statistician.En
dcterms.bibliographicCitationHawley, D. (2003). International wireless churn management: research and recommendations, Yankee group report.En
dcterms.bibliographicCitationHoutsma, M., & swami, A. (1995). Set-oriented data mining in relational databases, university of twente, the NetherlandsEn
dcterms.bibliographicCitationHuang, B., Kechadi M., Kiernan, G., Keogh, E., & Rashid, T. (2010). A new feature set with new window techniques for customer churn prediction in land- line telecommunications, Expert syst.En
dcterms.bibliographicCitationKomorowski, j., Pawlak, Z., Polkowski, l., & Skowron, A. (1999). Rough sets perspective on data and knowledge, in: the handbook of data mining and knowledge discovery, klosgrn, w. & zylkon, j. (ed.), pp. 134–149, oxford university press, New York USA.En
dcterms.bibliographicCitationLemmens, A., & Croux, C. (2006). Bagging and boosting classification trees predict churn, pp 276–286.En
dcterms.bibliographicCitationLimayem, M. (2004). The impact of customer relationship management on customer loyalty: the moderating role of web site characteristics assion lawsonbody, journal of computer-mediated communication.En
dcterms.bibliographicCitationLu, J. (2001) Predicting customer churn in the telecommunications industry an application of survival analysis modeling using SAS. Technical report, sprint Communications Company.En
dcterms.bibliographicCitationMozer, M., Wolniewicz, R., Grimes, D., Johnson, E & Kaushansky, H. (2000). predicting subscriber dissatisfaction and improving retention in the wireless telecommunicati ons industry, Ieee transactions on neural networks.En
dcterms.bibliographicCitationMoreno, J., & Torres, O. (2014). Modelo predictivo de fuga de clientes utilizando minería de datos para una empresa de telecomunicaciones en chile.spa
dcterms.bibliographicCitationMangin, J, & Varela, J. (2003). Modelización y análisis con ecuaciones estructurales: Quito: Universidad de la Rioja pp.767-814spa
dcterms.bibliographicCitationNeslin, S., Gupta, S., Kamakura, W., Lu, J., & Mason, C. (2006). Defection detection: measuring and understanding the predictive accuracy of customer churn models, journal of marketing research, 204–211.En
dcterms.bibliographicCitationOmaña, G. (abril, 2004), Revisión a la ley de 795 de 2003 0 de reforma financiera, seminario de reforma financiera, Colombia.spa
dcterms.bibliographicCitationOppenheim, D. (2017). Modelos de churn bancarios con r, Argentina: Universidad Austral.spa
dcterms.bibliographicCitationPawlak, Z. (1982). Rough sets, international journal of information and computer sciences, vol.11, pp. 341- 356.En
dcterms.bibliographicCitationPayne, A. (2006) handbook of crm, elsevier.En
dcterms.bibliographicCitationRissinol, S., & Lambert, T. G. (2009) Rough set theory – fundamental concepts, principals, data extraction, and applications. Brazil: Federal University of Rondonia, Itajuba Federal University.En
dcterms.bibliographicCitationSAS Institute Inc. (27/04/2010). Recuperado de http://www.sas.com/offices/europe/uk/technologies/analytics/datamining/miner/semma.htmlspa
dcterms.bibliographicCitationSundardas, A. (2005) Marketing financiero, Mcgraw-hillspa
dcterms.bibliographicCitationTsiptsis, K., & Chorianopoulos, A. (2011) Data mining techniques in crm, John Wiley and Sons.En
dcterms.bibliographicCitationVan Den Poel, D., & Larivière, B. (2003). Interfaces with other disciplines customer attrition analysis for financial services using proportional hazard models, department of marketing, ghent university, journal of marketing research.En
dcterms.bibliographicCitationZadeh, L. (1965). "Fuzzy sets", information and control, vol.8, pp 338-353.En
dc.type.dcmi-type-vocabularyTextspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.versioninfo:eu-repo/semantics/submittedVersionspa
dc.subject.proposalRETENCIÓNspa
dc.subject.proposalRETENCIÓNspa
dc.subject.proposalFUGA DE CLIENTESspa
dc.subject.proposalKDDspa
Appears in Collections:AEA. Pregrado de Economía

Files in This Item:
File Description SizeFormat 
TRABAJO DE GRADO.pdf930.65 kBAdobe PDFView/Open    Request a copy
RAE.pdf156.94 kBAdobe PDFThumbnail
View/Open


This item is protected by original copyright



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.