Curso online
Duración : 4 Días
Las compañías de seguros recogen grandes volúmenes de datos tipo texto diariamente, a través de múltiples canales (sus agentes, centros de atención a clientes, correo electrónico, redes sociales, web en general). De aquí nace el reto de combinar el resultado del análisis de contenidos textuales con datos estructurados (almacenados en bases de datos convencionales) para mejorar la toma de decisiones. La aplicación de métodos de analítica de texto permite a las compañías de seguros: (i) Aumentar el grado de satisfacción, mejorar la retención y recomendación de clientes (ii) Mejorar la visión del entorno del mercado, (iii) Reducir los tiempos de respuesta a los clientes e incluso (iv) apoyar la detección temprana de indicios de casos de fraude.
Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad.
Objetivos
Presentar detalladamente los conceptos fundamentales de la analítica de texto datos, introducir a en las herramientas de software utilizadas para la realización de este tipo particular de datos, conocer los modelos estadísticos en la analítica descriptiva y predictiva de texto y aplicaciones específicas en el análisis de sentimientos.
A quién va dirigido
Directivos, jefes, gerentes o profesionales de suscripción, mercado y servicio al cliente, indemnizaciones y áreas jurídicas de compañías de seguros y de intermediarios que deseen conocer el impacto de las herramientas de analítica de texto y su aplicación para analizar la suscripción, comercialización e indemnización de las aseguradoras.
Requisitos
Ninguno
Temario completo de este curso
MÓDULO I: INTRODUCCIÓN A LA ANALÍTICA DE TEXTO
1. Conceptos Básicos de Analítica de Texto y mapa de proceso
· Definiciones
· Aplicaciones en Seguros
· Visualizaciones comunes de la minería de texto (Representaciones de texto estructurado)
2. Planeación del proyecto de análisis de textos
· Enfoques deductivos vs inductivos
· Universalidad y unidad de análisis
· Consideraciones iniciales de la planeación (Datos, Costos, Objetivos)
3. Preparación del texto
· Codificación y categorización
· Muestreo de texto
· Procesamiento de texto
· Estandarización y limpieza de texto
4. Representación de datos estructurados
· Unir y Tokenizar
· Detección de frases y fitrado de palabras
· Análisis Semántico Latente (LSA)
· Análisis de la semántica latente (LSA)
· Toma de decisiones: Elección del número de dimensiones
MÓDULO II: INTRODUCCIÓN AL SOFTWARE (R / PYTHON)
1. Conceptos Básicos del Software
· Interfase Gráfica y uso de comandos
· análisis de descriptivo de datos
· Generación de gráficos y estadísticas descriptivas
· Visualizaciones comunes de la minería de texto (Representaciones
MÓDULO III: TÉCNICAS DE CLÚSTER Y ANALÍTICA DE TEXTO
1. Introducción, Distancia y Similaridad
· Tipos de clusters
· Tareas derivadas del cluster de texto
· Análisis de clúster jerárquico
· Análisis de k-means
· Implementación, Evaluación y Ajuste del clustering de texto
2. Estructuras ocultas: Agrupación, distancia de cadenas, vectores de texto y modelado de temas
3. Aplicación en Software: Segmentación de clientes con mayor siniestralidad
MÓDULO IV: ANALÍTICA DE TEXTO PREDICTIVA
1. Modelado predictivo: Uso del texto para clasificar y predecir resultados
· Clasificación vs Predicción
· Clasificación de Bayes (Naive Bayes)
· Redes Neuronales y Regresión Logística
· Árboles de decisión y Random Forest
· Máquinas de vectores de soporte (Support Vector Machines)
· Modelos KPIs: AUC, precisión y FI
2. Word Embeddings
· Determinar el contexto y la similitud de palabras
· Agregación de vectores de palabras
3. Aplicación en Software: Predicción de cancelación de pólizas
MÓDULO V: ANÁLISIS DE SENTIMIENTOS
1. Análisis de texto
2. Evaluación de emojis y polaridad
3. Aproximación Léxica
4. Aproximación por modelos predictivos
5. Aplicación en Software: Análisis de quejas de clientes por objeción de siniestros.