ESCUELA PROFESIONAL DE INGENIERIA DE SISTEMAS UNH

ESCUELA PROFESIONAL DE INGENIERIA

DE SISTEMAS

APLICACIN DE LA MINERA DE DATOS A LA CONCESIN

DE CRDITOS BANCARIOS EN CAJA HUANCAYO - PAMPAS

DOCENTE: MG. JULIO E. VALERO CAJAHUANCA

ALUMNOS: RUBN, ESCOBAR LANDEO

YOSELYN MIRELLA, CONDOR INGA

CURSO : ADMINISTRACION DEL CONOCIMIENTO

CICLO : IX
 ESCUELA PROFESIONAL DE INGENIERIA DE SISTEMAS UNH

INTRODUCCION

La concesin de crditos bancarios en el momento que vivimos es un tema

bastante complicado. La crisis econmica que se est viviendo en estos
momentos obliga a los bancos a ser muchos ms estrictos a la hora de conceder
un prstamo/crdito a sus clientes. Se ha intentado, a partir de ciertos estudios
y usando distintas metodologas, identificar las probabilidades que tiene un
cliente de devolver un crdito de acuerdo con los datos de los que se dispone de
l.

Es importante destacar que los modelos cambian y dependen en ocasiones del

momento en que se realizan, es decir, no es lo mismo dar un crdito hoy en da
que hace unos aos en los que se otorgaban crditos ms fcilmente. Con ello
quiero decir, que aunque los datos de los que disponemos son los mismos y
unos casos convienen realizar el estudio con un subconjunto determinado y en
otras con otro. En este caso, la minera de datos, junto con el uso de un modelo
basado en rboles de decisin, nos ayudar a investigar las correlaciones
existentes en los casos de morosidad.

El objetivo de este trabajo es tomar como caso de estudio los datos procedentes
de las variables empleadas ms delante de este trabajo para aplicar tcnicas de
minera de datos que, a travs de clasificadores, permitan predecir los factores
de los clientes quienes tienen esa probabilidad de devolver el prstamo al banco,
dependiendo a sus ingresos, el rbol de decisiones y sus graficas respectivos.
 ESCUELA PROFESIONAL DE INGENIERIA DE SISTEMAS UNH

1. MINERIA DE DATOS

CONCESIN DE CRDITOS BANCARIOS EN CAJA HUANCAYO -

PAMPAS
En nuestro caso el Banco Caja Huancayo desea obtener reglas para predecir
qu personas de las que piden un crdito no van a devolverlo dependiendo de
sus ingresos.
VARIABLES
@relation PrestamoBancario
@attribute estado_civil {soltero, casado, divorciado}
@attribute dni real
@attribute ingreso real
@attribute sexo {hombre, mujer}
@attribute pago {si, no}

El campo pago? es binario (solo puede tomar como valores s o no) y es el

atributo clave que tiene el banco para estudiar la concesin del crdito. A partir
de los datos, podran generar un modelo, consistente en un conjunto de reglas,
que permitiesen predecir en el futuro, el posible comportamiento de un cliente
que solicitase un prstamo.

El objetivo es poder determinar (predecir) si los clientes pueden esa capacidad

de devolver el prstamo al banco. Los datos de que disponemos son los
siguientes:

Estado_civil dni ingreso sexo pago

soltero 71909501 2000 hombre si
soltero 71900023 800 hombre no
casado 71944023 1200 mujer no
divorciado 71900232 2500 hombre si
soltero 74543023 1000 hombre no
soltero, 77650323 3000 mujer si
divorciado 77770023 2100 hombre si
casado 78880023 2500 mujer si
casado 87600025 2200 hombre si
soltero 88965023 1500 hombre no
casado 72000025 3400 mujer si
divorciado 71351451 800 hombre no
casado 72025006 7400 mujer si
soltero 65433456 5600 hombre si
 ESCUELA PROFESIONAL DE INGENIERIA DE SISTEMAS UNH

divorciado 25650078 300 mujer no

soltero 40954301 450 hombre no
casado 20434025 6700 mujer si
divorciado 23409501 2070 hombre si
casado 53543489 300 mujer no
divorciado 90559501 6000 hombre si
casado 87343467 5700 mujer si
soltero 76543444 4000 hombre si

2. EJECUCION DE LA APLICACIN EN WEKA

En este ejemplo de aplicacin tomamos 22 datos de clientes con sus

respectivos atributos para determinar la decisin.

Figura1. El total de variables de y la cantidad de datos

2.1. Atributo PAGO

Es el atributo que nos dara la decisin de los clientes. Como se muestra en la

figura un total de 14 clientes tienen la capacidad de devolver un prstamo
bancario y los 8 restantes tienen esa probabilidad de que no pueden devolver el
prstamo al banco.
 ESCUELA PROFESIONAL DE INGENIERIA DE SISTEMAS UNH

Figura 2. 14 clientes pueden devolver el prstamo y 8 clientes que no pueden

devolver el prstamo.

Figura 3. En esta imagen se muestra el estado civil de los clientes en la cual nos
muestras que 8 son solteros, 8 casados y 6 divorciados
 ESCUELA PROFESIONAL DE INGENIERIA DE SISTEMAS UNH

Figura 4. En esta imagen se muestra que hay 13 hombres y 9 mujeres

En esta informacin se detalla las reglas y decisiones para evaluar la

devolucin del prstamo al banco
 ESCUELA PROFESIONAL DE INGENIERIA DE SISTEMAS UNH

2.2. rbol de decisin

En esta rbol se identifican la decisin de los clientes la descripcin general de
para la devolucin de del prstamo al banco.

Figura5. El rbol de decisin.

 ESCUELA PROFESIONAL DE INGENIERIA DE SISTEMAS UNH

Los que tienen ingresos mayor a los $1500 tienen esa capacidad de devolver el
prstamo que son 14 clientes, y los que tienen menor o igual a los $1500 no tienen la
capacidad de devolver el prstamo que es una cantidad de 8 clientes.

2.3. Anlisis de resultados

Si el ingreso es > 1500 soles siempre pagan el prstamo.
Si el ingreso es =< 1500 tiene grandes probabilidades de no devolver un
prstamo.

Los que tienen mayores ingresos tienen mayor probabilidad de devolver los
prstamos a los bancos y mientras que algunos clientes que no tienen muchos
ingresos tienen la probabilidad de no devolver el prstamo al banco.

3. Conclusin

A travs del uso de la minera de datos se encontr las reglas de decisiones que
predijeran los valores de la devolucin de prstamo de los clientes al banco. De
esta forma se contribuye al proceso de toma de decisiones en el prstamo
bancario.

El uso de las herramientas informticas WEKA permitieron realizar un anlisis

amplio de los datos y de los resultados de su procesamiento. A pesar de que
WEKA ofrece muchos algoritmos para la construccin de clasificadores carece
de medios para su evaluacin.