← Portafolio
Propietario

De SPSS Modeler a Python: modelos de propensión en Bci

Rubro
Banca · seguros y tarjetas
Tipo de trabajo
Modelamiento predictivo y migración
Período
2016

Proyecto confidencial: el código y los datos no son públicos.

Arquitectura

Teradata datos de clientes Entrenamiento Python + XGBoosten PCs del equipo 20+ modelos cross/upsell,activación, reactivación Scoring scripts Pythonen Airflow Teradata scores Antes: SPSS Modeler · desde 2016: Python, XGBoost y Airflow

Objetivo

Sacar el modelamiento de SPSS Modeler y pasarlo a Python, para construir más modelos de propensión, más rápido, para seguros y tarjetas.

Lo que hice

  • Mostré cómo hacer la migración desde SPSS Modeler a Python y definí las bases iniciales del nuevo flujo.
  • Con el equipo desarrollamos más de 20 modelos XGBoost de cross/upsell, activación y reactivación.
  • El scoring quedó en scripts Python orquestados con Airflow, leyendo y escribiendo en Teradata.

Resultados

20+
modelos de propensión
> 0,70
AUC habitual de los modelos

Stack

PythonXGBoostAirflowTeradata