Especialización en Big Data e Inteligencia de Negocios
Permanent URI for this collection
Browse
Browsing Especialización en Big Data e Inteligencia de Negocios by Subject "Costo"
Now showing 1 - 1 of 1
Results Per Page
Sort Options
Item Machine Learning para predecir el costo anual de los servicios contratados por evento de los afiliados de la EPS Savia Salud(Universidad Católica Luis Amigó, 2023) Mazo Solano, Joan; Gallego Vélez, Laura; Sandoval Valencia, Sebastián; Giraldo Mejía, Juan C.; Giraldo Mejía, Juan C.La proyección de los costos anuales de las aseguradoras del sector salud es una tarea de alta complejidad; de este ejercicio se derivan los mecanismos de contratación con los prestadores de servicio de salud y su resultado impacta directamente los costos no operacionales. En este proyecto de investigación, se utilizó machine learning para predecir el costo anual de las atenciones por evento de la EPS Savia Salud, con el fin de contribuir a las estrategias asociadas a la disminución del déficit fiscal. Siguiendo la metodología CRISP-DM, se aplicaron técnicas de aprendizaje supervisado y no supervisado. Se realizó un proceso de ETL para integrar dos fuentes de datos en una, obteniendo un conjunto de 13.692 registros con los cuales se desarrolló un clustering para conocer los diferentes grupos de pacientes según sus costos; posteriormente, se elaboró un modelo de clasificación, en el que se incluyeron 4 rangos de costos. Los resultados del modelo predictivo permitieron concluir que es posible predecir el costo de las atenciones por evento con una índice ROC del 79%. Durante la socialización de los resultados, se incluyeron un conjunto de recomendaciones para continuar explorando el machine learning como herramienta en los ejercicios de planificación y fortalecer el modelo incluyendo una mayor cantidad de variables y registros. La investigación concluye es posible estimar los costos anuales utilizando machine learning, cuya utilidad real se comprobará después de ejecutar una prueba piloto en el año 2023 con una muestra controlada.