Revisión narrativa: Datos e identificación de variables significativas para un modelo predictivo de portabilidad de nómina

Resumen

La problemática por abordar es en el sector financiero, los bancos tienen movilidad de usuarios que reciben el pago de su nómina y que pueden por derecho solicitar su migración a otra institución financiera, esta migración se considera como abandono, es conocida como portabilidad e implica perdidas generando gastos operativos adicional a generar mala reputación a la empresa, para ello se propone realizar un modelo predictivo para tomar decisiones informadas sobre estrategias de atracción, retención y fidelización y evitar estas fugas, para ello realizamos una revisión de literatura. Este estudio tuvo como objetivo realizar una revisión narrativa de literatura sobre predicción de abandono para determinar los datos que utilizan los modelos para identificar variables significativas que permitan implementar un modelo predictivo con machine learning y realizar un análisis descriptivo con los artículos recabados, las bases de datos consultadas fueron Scielo, Scholar, Siencedirect, Ieeexplore. La literatura revisada lleva a concluir que es importante identificar la información clave que sea útil para la investigación, datos que permitan el conocimiento 360° del cliente para dar atención personalizada y lograr disminuir el porcentaje de tasa de abandono. Los datos mencionados en los estudios son geográficos, demográficos, financieros, de comportamiento, se organizan y se les realiza tratamiento. Adicional, es relevante identificar las variables que contribuyan a la predicción, para eso ayuda la reducción de dimensiones, en los artículos analizados se usan técnicas de análisis de correlación, análisis de supervivencia, eliminación recursiva de atributos, análisis de componentes principales, análisis discriminante lineal.