Descripción:
En la actualidad el uso tarjetas para realizar pagos ha evolucionado de manera que se ha vuelto común realizar este tipo de transacciones en el día a día. La visión de un grupo de inversionistas llevó a la creación de una empresa que se encargue de hacer el nexo entre el comercio que cobra y los autorizadores, quienes aprueban o declinan el pago. Esta tarea es posible mediante el uso de redes de comunicación para el enrutamiento de las transacciones, donde intervienen distintos factores como: tecnologías, servicios, empresas y datos. La empresa es la encargada de hacer que esta comunicación sea lo más transparente posible para el comercio que realiza el cobro de un producto o servicio. Este proyecto de tesis propone la creación de una herramienta que aplique un algoritmo de Machine Learning (ML) con aprendizaje supervisado, que clasifique los eventos o errores que se presentan en las transacciones que pasan por la empresa; se evaluaron distintos modelos de los algoritmos; el primero es Clasificador de Arboles de Decisión (DT), continuaremos con Redes Neuronales (NN) y, finalmente, Máquina de Vectores de Soporte (SVM); de la comparación entre los resultados que estos arrojaron, se seleccionó el algoritmo que obtuvo el mejor resultado en la precisión de la clasificación de eventos. Esta clasificación de eventos, que permite identificar la severidad y grupo de personas que deben atenderlos, es visualizada en tiempo casi real; ayuda en la reducción de tiempo en la identificación de errores, uso eficiente de los recursos, reducción de pérdidas económicas, reducción de posibilidad de sanciones por parte entes reguladores ante la falta de servicios, aumento de satisfacción del comercio que realiza el cobro con tarjeta, entre otros.