CURSOS

DIPLOMADO EN TOMA DE DECISIONES PARA LA GESTIÓN INTELIGENTE DE CRÉDITO Y CARTERA

¡Inscribirme!

Descripción:

Este diplomado está orientado al uso de datos, Power BI e inteligencia artificial para fortalecer la gestión de crédito y cartera. Los participantes aprenderán a analizar y segmentar clientes, identificar oportunidades de colocación, evaluar el desempeño y riesgo de la cartera, priorizar clientes en mora y diseñar estrategias de recuperación. A través de casos prácticos y herramientas de analítica e IA, se desarrollarán dashboards e indicadores para apoyar la toma de decisiones gerenciales, culminando con un proyecto integrador en el que los participantes deberán analizar datos reales o simulados de una agencia y elaborar un Plan Gerencial de Decisiones para Crédito y Cartera.
MODALIDAD: Virtual
INICIO: 05/09/2026
HORARIO: Martes, Miércoles y Jueves 19h00 - 21h00
CERTIFICACIÓN: 132 horas
COSTO:

Publico General: 380 USD

Actividades:

MÓDULO TEMA ¿QUÉ SE REALIZARÁ EN CLASE? DECISIÓN A TOMAR
MÓDULO I

Decisiones de colocación de crédito basadas en datos e IA

Objetivo:
Analizar información de clientes y operaciones crediticias para identificar oportunidades de colocación y tomar decisiones comerciales sustentadas en datos e inteligencia artificial.

 1. Análisis de la base de clientes
  • Revisar una base de clientes de la cooperativa.
  • Identificar clientes activos, inactivos y recurrentes.
  • Analizar montos colocados, número de créditos, actividad económica y comportamiento de pago.
  • Detectar datos incompletos o inconsistentes.
  • Seleccionar las variables útiles para tomar decisiones comerciales.
 Determinar qué información de la base realmente sirve para identificar oportunidades de negocio.
2. Segmentación de clientes para nuevas colocaciones
  • Clasificar clientes según actividad económica, monto, frecuencia de crédito y comportamiento de pago.
  • Crear grupos de clientes con características similares.
  • Identificar clientes con posibilidad de renovación.
  • Detectar clientes con potencial para incrementar su monto de crédito.
  • Utilizar IA para encontrar patrones dentro de la base.
 Definir qué segmentos deberían ser priorizados para nuevas colocaciones.
3. Identificación de oportunidades comerciales
  • Analizar quiénes tienen buen historial de pago.
  • Identificar clientes que han terminado o están próximos a terminar su crédito.
  • Detectar oportunidades de venta cruzada.
  • Comparar productos con mayor y menor crecimiento.
  • Utilizar IA para generar posibles oportunidades comerciales a partir de los datos.
 Establecer a quién ofrecer crédito, qué producto ofrecer y en qué momento hacerlo.
4. Análisis del desempeño de los asesores
  • Comparar colocación por asesor.
  • Calcular número de operaciones y ticket promedio.
  • Revisar cumplimiento de metas.
  • Comparar crecimiento y calidad de cartera.
  • Identificar asesores con alto volumen pero mayor riesgo.
 Determinar qué asesores requieren acompañamiento y dónde existen oportunidades de mejora.
5. Diseño de una estrategia de colocación con IA
  • Seleccionar clientes prioritarios de la base.
  • Solicitar a la IA que analice patrones y segmentos.
  • Contrastar las recomendaciones de IA con los indicadores reales.
  • Construir una lista priorizada de clientes.
  • Diseñar acciones comerciales para cada segmento.
 Definir una estrategia concreta de colocación para la agencia.
RESULTADO DEL MÓDULO I:
Plan de Colocación Inteligente de Crédito, que contendrá segmentos prioritarios, clientes seleccionados, productos recomendados, metas de colocación, oportunidades detectadas y decisiones sustentadas en datos e IA.
MÓDULO II

Power BI, analítica e IA para la toma de decisiones gerenciales

Objetivo:
Transformar bases de datos de crédito y cartera en indicadores y dashboards que permitan a jefes de agencia y asesores tomar decisiones oportunas sobre desempeño, colocación, riesgo y recuperación.

 1. Preparación de la base de datos
  • Importar información desde Excel o CSV.
  • Limpiar registros duplicados.
  • Corregir campos incompletos.
  • Unificar bases de clientes, créditos, pagos y asesores.
  • Preparar la información mediante Power Query.
 Determinar si la información disponible tiene la calidad suficiente para realizar un análisis confiable.
2. Construcción de indicadores de colocación
  • Calcular monto colocado.
  • Número de operaciones.
  • Ticket promedio.
  • Cumplimiento de metas.
  • Crecimiento mensual.
  • Colocación por asesor, producto y agencia.
 Identificar dónde crece la colocación y dónde existen brechas comerciales.
3. Análisis de cartera y morosidad
  • Calcular cartera vigente y vencida.
  • Clasificar mora por días.
  • Analizar PAR 30, PAR 60 y PAR 90.
  • Comparar mora entre asesores.
  • Identificar productos o segmentos con deterioro.
 Determinar dónde se concentra el riesgo y qué situación requiere intervención inmediata.
4. Construcción del dashboard en Power BI
  • Crear gráficos de colocación.
  • Incorporar indicadores de mora.
  • Mostrar recuperación por asesor.
  • Construir rankings de desempeño.
  • Implementar semáforos de alerta.
  • Utilizar filtros por agencia, producto, período y asesor.
 Seleccionar los indicadores que el jefe de agencia necesita revisar para gestionar diariamente su equipo.
5. Interpretación de indicadores mediante IA
  • Entregar resultados del dashboard a una herramienta de IA.
  • Formular preguntas sobre tendencias.
  • Solicitar identificación de anomalías.
  • Generar hipótesis sobre las causas de los resultados.
  • Comparar las conclusiones de IA con el criterio del participante.
 Definir cuáles recomendaciones de la IA tienen sustento en los datos y cuáles deben descartarse.
6. Análisis de casos gerenciales
  • Agencia con alta colocación y alta mora.
  • Asesor con baja colocación y cartera saludable.
  • Producto que crece pero incrementa su riesgo.
  • Agencia con baja recuperación.
  • Concentración excesiva en determinado sector económico.
 Plantear acciones específicas frente a cada escenario.
RESULTADO DEL MÓDULO II:
Dashboard Gerencial para la Toma de Decisiones, acompañado de cinco hallazgos, cinco decisiones gerenciales, acciones correctivas, responsables, metas de mejora y recomendaciones contrastadas con IA.
MÓDULO III

Decisiones de recuperación de cartera basadas en datos e IA

Objetivo:
Analizar una base de cartera vencida para priorizar clientes, seleccionar estrategias de cobranza y tomar decisiones que incrementen la recuperación y reduzcan el deterioro de cartera.

 1. Diagnóstico de la cartera vencida
  • Revisar una base de clientes en mora.
  • Analizar saldo pendiente.
  • Identificar días de mora.
  • Revisar historial de pagos.
  • Analizar promesas de pago.
  • Comparar comportamiento por asesor y producto.
 Identificar qué cartera representa el mayor riesgo para la agencia.
2. Segmentación de clientes en mora
  • Clasificar clientes en mora temprana, intermedia y crítica.
  • Separar clientes recurrentes.
  • Identificar promesas incumplidas.
  • Clasificar clientes según historial de pago.
  • Utilizar IA para reconocer patrones de comportamiento.
 Establecer qué tipo de gestión corresponde a cada segmento.
3. Priorización de la cartera
  • Ordenar clientes por monto.
  • Ordenar por días de mora.
  • Evaluar historial de recuperación.
  • Combinar variables para crear una matriz de prioridad.
  • Utilizar IA para comparar escenarios de priorización.
 Definir a qué clientes debe contactar primero el asesor.
4. Diseño de estrategias de recuperación
  • Analizar las causas posibles del incumplimiento.
  • Diseñar diferentes alternativas de gestión.
  • Preparar guiones de llamadas.
  • Elaborar mensajes de seguimiento con IA.
  • Simular conversaciones con distintos perfiles de clientes.
 Seleccionar la estrategia de recuperación más adecuada para cada caso.
5. Simulación de escenarios con IA
  • Simular qué ocurriría si determinados clientes no pagan.
  • Estimar el efecto de recuperar diferentes porcentajes de cartera.
  • Comparar escenarios de recuperación.
  • Analizar el impacto por asesor.
  • Utilizar IA para generar alternativas de actuación.
 Decidir dónde concentrar el esfuerzo del equipo para obtener mayor impacto.
6. Seguimiento de promesas y resultados
  • Registrar llamadas y compromisos.
  • Comparar promesas realizadas y cumplidas.
  • Calcular porcentaje de recuperación.
  • Identificar asesores con mayor efectividad.
  • Analizar evolución semanal de la cartera.
 Determinar qué estrategias deben mantenerse, corregirse o eliminarse.
7. Comité práctico de cartera
  • Decidir qué clientes gestionar primero.
  • Determinar quién será responsable.
  • Seleccionar qué estrategia utilizar.
  • Definir qué monto se espera recuperar.
  • Identificar qué casos requieren seguimiento especial.
  • Determinar qué decisiones deben escalarse a la jefatura.
 Tomar decisiones integrales de gestión sobre una base de clientes en mora.
RESULTADO DEL MÓDULO III:
Plan Inteligente de Recuperación de Cartera, que contendrá cartera priorizada, clasificación de clientes, estrategia por segmento, responsables, metas de recuperación, indicadores de seguimiento y decisiones sustentadas en datos e IA.