Estimación de gastos médicos para clientes corporativos en beneficio a una agencia de seguros mediante el uso de modelos de aprendizaje automático

CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. Este proyecto desarrolló un modelo predictivo para estimar el gasto médico cubierto por aseguradoras, utilizando datos históricos de empleados pertenecientes a clientes corporativos. Mediante técnicas de preprocesamiento, reducción de dimensionalidad (UMAP), segmentación (KMeans) y modelos de regresión avanzados como Random Forest, Gradient Boosting y XGBoost, se construyó una herramienta precisa y escalable. El modelo permite anticipar con mayor precisión los gastos futuros y facilitar la planificación financiera, tanto para la aseguradora como para el asegurado, reduciendo la asimetría de la información en la gestión del riesgo. Además, se diseñó una herramienta de visualización interactiva que facilita la interpretación de los resultados por parte de los usuarios finales. Se concluye que la metodología es replicable y que existen claras oportunidades de mejora, como la incorporación de nuevas variables explicativas y el uso de algoritmos más sofisticados. Futuras versiones del modelo deberán integrar una mayor cantidad de datos para optimizar la predicción de ciertos tipos de afectaciones a la salud.

• Egile nagusia: Morales Mendoza, José Francisco (author)
• Beste egile batzuk: Guevara Esteves, Melanie Rommina (author), Bauz Olvera, Sergio Alex, Director (author)
• Formatua: bachelorThesis
• Argitaratua: 2025
• Gaiak: Gastos Médicos; Clientes Corporativos; Beneficio; Agencia de seguros; Modelos de aprendizaje; Automático
• Sarrera elektronikoa: http://www.dspace.espol.edu.ec/handle/123456789/67377