Un banco ha revolucionando la manera en que controla sus costos de cobranza por incumplimiento de pago. Con la ayuda de un equipo de científicos de datos el banco desarrolló la capacidad de analizar el comportamiento de miles de acreditados y predecir con alta precisión qué acreditados van a hacer pagos impuntuales y cuáles van a incumplir en sus pagos.
Este repositorio genera un documento en el que se presentan los detalles de este caso de negocio:
- negocio - institución otorgadora de crédito
- problema de negocio - altos costos del área de cobranza
- solución explorada - contar con predicciones de impuntualidad de pago que permitan accionar medidas preventivas y evitar incumplimientos
En el estudio de caso se describe cómo se creo el producto de datos que genera las predicciones.
El documento se puede acceder en github pages
https://audiracmichelle.github.io/prediccion-morosidad/
Para construir la imagen de Docker hay que correr el siguiente código.
cd $(pwd)
docker build -t prediccion-morosidad .
Esta imagen está basada en rocker/tidyverse y utiliza texlive-full.
Primero hay que correr el contenedor.
docker run --rm -e PASSWORD=book -p 8787:8787 -v $(pwd)/book:/home/rstudio/book -v $(pwd)/pipeline:/home/rstudio/pipeline prediccion-morosidad
Una vez que el contenedor está corriendo hay que ir a localhost:8787 en el browser y proporcionar el usuario rstudio y la contraseña book.
En Rstudio se abre el proyecto /home/rstudio/book/book.Rproj. El documento se genera al oprimir el botón build book. Una vez generado, lo encontrarás en `book/_book/book.pdf.