Diseño de un score de recuperabilidad para la segmentación de la cartera morosa - Oficina Regional de Entidad Fiscal

Abstract

La presente investigación desarrolla un modelo predictivo orientado a estimar la probabilidad de recuperación de deudas morosas, mediante la construcción de un score de recuperabilidad. El estudio se enmarca en un enfoque cuantitativo, de alcance correlacional y diseño no experimental, utilizando herramientas de análisis de datos como Excel y Orange Data Mining. La unidad de análisis corresponde a demandas identificadas por ID, con historial de deuda, facturación reciente, acreencias y comportamiento de pago. La variable dependiente del modelo es el score normalizado de recuperabilidad (score_1_PCA_norm), construido a partir de componentes como pagos previos, volumen de facturación y existencia de activos líquidos. Se aplicaron técnicas de normalización y validación cruzada, junto con modelos de clasificación como Random Forest y regresión lineal, con métricas robustas de evaluación (ROC AUC, precisión y curva de distribución). El análisis incluyó una segmentación por tramos de deuda y la incorporación de variables contextuales como el score comunal, que representa el entorno territorial del contribuyente. Los resultados muestran que los contribuyentes con pagos recientes, alta facturación y presencia de acreencias tienen mayor probabilidad de pago. Asimismo, aquellos ubicados en comunas con buen historial de pago tienden a cumplir efectivamente con sus obligaciones. Se concluye que el modelo permite priorizar la gestión de cobranza de manera más eficiente, aportando un instrumento analítico para orientar acciones proactivas de recaudación, asignación de recursos y focalización de estrategias. La incorporación de variables externas, como el contexto geográfico, mejora la precisión del perfil de riesgo, fortaleciendo la toma de decisiones basadas en evidencia.