Data Morosidad
Daniel YaƱez Agurto
6 de mayo de 2019
CARGAMOS LOS DATOS
morosidad<-read.csv("https://raw.githubusercontent.com/VictorGuevaraP/Mineria-de-datos/master/Morosidad.csv",sep = ";")
#Observamos los nombres de los atributos
names(morosidad)## [1] "NRO_VEC_COB" "ESTADO_PDP" "NRO_CUOTAS"
## [4] "MES" "MES_0" "MES_1"
## [7] "MES_2" "FECHALLAMADA" "HORA"
## [10] "RESULTADOLLAMADA" "DEUDA_TOTAL" "ESTATUS"
## [13] "ACTIVACION" "TIPOCONTACTO" "MORA"#Oobservamos los 6 primos registros
head(morosidad)## NRO_VEC_COB ESTADO_PDP NRO_CUOTAS MES MES_0 MES_1 MES_2
## 1 >10 0 <24, 48] Febrero 244.86 0.00 245.26
## 2 <=10 0 >48 Febrero 610.58 612.69 611.54
## 3 <=10 0 <24, 48] Febrero 2138.73 0.00 0.00
## 4 >10 0 <24, 48] Febrero 323.07 46.85 74.26
## 5 <=10 0 <24, 48] Febrero 920.54 0.00 0.00
## 6 <=10 0 <24, 48] Febrero 364.27 371.11 0.00
## FECHALLAMADA HORA RESULTADOLLAMADA DEUDA_TOTAL ESTATUS ACTIVACION
## 1 3/02/2014 15 PDP Promesa De Pago 3816.34 BT 2012
## 2 18/02/2014 9 PDP Promesa De Pago 13620.50 BT 2012
## 3 5/02/2014 16 TELF. NO CORRESPONDE 18968.50 BT 2013
## 4 24/02/2014 19 MCT Msj Con Terceros 2459.84 BT 2012
## 5 12/02/2014 14 TELF. NO CORRESPONDE 6591.76 BT 2013
## 6 6/02/2014 7 MCF Msj Con Familiar 9836.38 BT 2013
## TIPOCONTACTO MORA
## 1 CEF 1
## 2 CEF 1
## 3 CNE 0
## 4 CNE 0
## 5 CNE 0
## 6 CNE 1#Observamos la Estructura de los Datos
str(morosidad)## 'data.frame': 8458 obs. of 15 variables:
## $ NRO_VEC_COB : Factor w/ 2 levels "<=10",">10": 2 1 1 2 1 1 1 2 1 2 ...
## $ ESTADO_PDP : int 0 0 0 0 0 0 0 0 0 0 ...
## $ NRO_CUOTAS : Factor w/ 3 levels "<=24","<24, 48]",..: 2 3 2 2 2 2 3 3 3 3 ...
## $ MES : Factor w/ 3 levels "Abril","Febrero",..: 2 2 2 2 2 2 2 2 2 2 ...
## $ MES_0 : num 245 611 2139 323 921 ...
## $ MES_1 : num 0 612.7 0 46.9 0 ...
## $ MES_2 : num 245.3 611.5 0 74.3 0 ...
## $ FECHALLAMADA : Factor w/ 61 levels "1/04/2014","10/02/2014",..: 45 19 53 31 8 55 53 8 2 50 ...
## $ HORA : int 15 9 16 19 14 7 16 9 11 12 ...
## $ RESULTADOLLAMADA: Factor w/ 24 levels "CAN Cliente Cancelo",..: 16 16 24 12 24 9 23 9 21 12 ...
## $ DEUDA_TOTAL : num 3816 13620 18969 2460 6592 ...
## $ ESTATUS : Factor w/ 1 level "BT": 1 1 1 1 1 1 1 1 1 1 ...
## $ ACTIVACION : int 2012 2012 2013 2012 2013 2013 2013 2011 2013 2010 ...
## $ TIPOCONTACTO : Factor w/ 2 levels "CEF","CNE": 1 1 2 2 2 2 2 2 1 2 ...
## $ MORA : int 1 1 0 0 0 1 1 1 1 1 ...Segun los resultados el aributo ESTADP_PDP SE MUESTRA COMO int POR LO TANTO DEBERIA SER CAMBIADO
TAMBIEN LA FECHA DEBERIA SER CAMBIADA SEGUN EL TIPO DE DATO
EL ATRIBUOTO ESTATUS SE OBSERVA PARA TODO EL CONJUNTO ES EL MISMO POR LO TANTO DEEVERIA ELIMINARSE
LA VARIABLE MORA ES NUESTRO TARGET , (VARIABLE PRINCIPAL- A PREDECIR), LA CUAL EL VALOR DE 0 SIGNIFICA QUE TIENE MORA Y 1 QUE NO TIENE MORA
morosidad$ESTADO_PDP<-as.factor(morosidad$ESTADO_PDP)
morosidad$FECHALLAMADA<-as.Date(morosidad$FECHALLAMADA, "%d/%m/%y")
morosidad$ESTATUS<-NULL
#TRASFORMARMOS EN CHARACTER Y LUEGO EN FACTOR
morosidad$MORA<-ifelse(morosidad$MORA==1,"NO","SI")
morosidad$MORA<-as.factor(morosidad$MORA)
str(morosidad)## 'data.frame': 8458 obs. of 14 variables:
## $ NRO_VEC_COB : Factor w/ 2 levels "<=10",">10": 2 1 1 2 1 1 1 2 1 2 ...
## $ ESTADO_PDP : Factor w/ 2 levels "0","1": 1 1 1 1 1 1 1 1 1 1 ...
## $ NRO_CUOTAS : Factor w/ 3 levels "<=24","<24, 48]",..: 2 3 2 2 2 2 3 3 3 3 ...
## $ MES : Factor w/ 3 levels "Abril","Febrero",..: 2 2 2 2 2 2 2 2 2 2 ...
## $ MES_0 : num 245 611 2139 323 921 ...
## $ MES_1 : num 0 612.7 0 46.9 0 ...
## $ MES_2 : num 245.3 611.5 0 74.3 0 ...
## $ FECHALLAMADA : Date, format: "2020-02-03" "2020-02-18" ...
## $ HORA : int 15 9 16 19 14 7 16 9 11 12 ...
## $ RESULTADOLLAMADA: Factor w/ 24 levels "CAN Cliente Cancelo",..: 16 16 24 12 24 9 23 9 21 12 ...
## $ DEUDA_TOTAL : num 3816 13620 18969 2460 6592 ...
## $ ACTIVACION : int 2012 2012 2013 2012 2013 2013 2013 2011 2013 2010 ...
## $ TIPOCONTACTO : Factor w/ 2 levels "CEF","CNE": 1 1 2 2 2 2 2 2 1 2 ...
## $ MORA : Factor w/ 2 levels "NO","SI": 1 1 2 2 2 1 1 1 1 1 ...REALIZAMOS ANALISIS UNIVARIADO
#RESUMEN DEL TARGET
table(morosidad$MORA)##
## NO SI
## 6440 2018#SEGUN LO RESULTADOS TENEMOS 6440 CLIENTES SIN MORAS Y 2018 CLIENTES CON MORARESUMEN GENERAL DEL CONJUNTO DE DATOS(summary)
summary(morosidad)## NRO_VEC_COB ESTADO_PDP NRO_CUOTAS MES MES_0
## <=10:5917 0:8128 <=24 :1077 Abril :2704 Min. : 20.15
## >10 :2541 1: 330 <24, 48]:5192 Febrero:2796 1st Qu.: 239.85
## >48 :2189 Marzo :2958 Median : 422.55
## Mean : 610.17
## 3rd Qu.: 762.36
## Max. :4905.99
##
## MES_1 MES_2 FECHALLAMADA HORA
## Min. : 0.0 Min. : 0.0 Min. :2020-02-03 Min. : 7.00
## 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.:2020-02-19 1st Qu.: 9.00
## Median : 135.3 Median : 0.0 Median :2020-03-13 Median :11.00
## Mean : 382.4 Mean : 266.7 Mean :2020-03-13 Mean :12.15
## 3rd Qu.: 556.4 3rd Qu.: 311.1 3rd Qu.:2020-04-04 3rd Qu.:15.00
## Max. :5909.2 Max. :8791.9 Max. :2020-04-30 Max. :20.00
##
## RESULTADOLLAMADA DEUDA_TOTAL ACTIVACION
## MCT Msj Con Terceros :2678 Min. : 546.1 Min. :2010
## TELF. NO CORRESPONDE :1466 1st Qu.: 3710.6 1st Qu.:2012
## PDP Promesa De Pago :1446 Median : 7317.5 Median :2012
## MCF Msj Con Familiar :1334 Mean :11545.0 Mean :2012
## TAT Tratamiento al Titu: 518 3rd Qu.:14696.8 3rd Qu.:2013
## PAR Promesa Parcial : 203 Max. :79984.0 Max. :2014
## (Other) : 813
## TIPOCONTACTO MORA
## CEF:2484 NO:6440
## CNE:5974 SI:2018
##
##
##
##
## #EL CONJUNTO DE DATOS CORRESPONDE A LOS REGISTROS DE LOS MESES ENERO ABRIL FREBREO Y MARZO, SE REGISTRAR MORA DESDE EL MES_0 , ADEMAS SE OBSERVA LA FECHA EN QUE SE LLAMA A LOS CLIENTES Y LA HORA, TAMBIENSE OBSERVA DATOS MUY DISPERSOS EN EL ATRIBUTO DEUDA_TOTALRESUMIR LOS DATOS UTILOZANDO LA LIBRERIA Hmisc
library(Hmisc)
describe(morosidad)## morosidad
##
## 14 Variables 8458 Observations
## ---------------------------------------------------------------------------
## NRO_VEC_COB
## n missing distinct
## 8458 0 2
##
## Value <=10 >10
## Frequency 5917 2541
## Proportion 0.7 0.3
## ---------------------------------------------------------------------------
## ESTADO_PDP
## n missing distinct
## 8458 0 2
##
## Value 0 1
## Frequency 8128 330
## Proportion 0.961 0.039
## ---------------------------------------------------------------------------
## NRO_CUOTAS
## n missing distinct
## 8458 0 3
##
## Value <=24 <24, 48] >48
## Frequency 1077 5192 2189
## Proportion 0.127 0.614 0.259
## ---------------------------------------------------------------------------
## MES
## n missing distinct
## 8458 0 3
##
## Value Abril Febrero Marzo
## Frequency 2704 2796 2958
## Proportion 0.320 0.331 0.350
## ---------------------------------------------------------------------------
## MES_0
## n missing distinct Info Mean Gmd .05 .10
## 8458 0 6382 1 610.2 561.7 73.54 128.46
## .25 .50 .75 .90 .95
## 239.85 422.55 762.36 1330.62 1798.39
##
## lowest : 20.15 21.07 21.18 21.22 21.27
## highest: 4690.78 4749.85 4794.60 4876.55 4905.99
## ---------------------------------------------------------------------------
## MES_1
## n missing distinct Info Mean Gmd .05 .10
## 8458 0 3520 0.917 382.4 536 0.0 0.0
## .25 .50 .75 .90 .95
## 0.0 135.3 556.4 1076.8 1557.9
##
## lowest : 0.00 0.01 0.02 0.04 0.05
## highest: 5214.47 5243.34 5507.34 5833.31 5909.18
## ---------------------------------------------------------------------------
## MES_2
## n missing distinct Info Mean Gmd .05 .10
## 8458 0 2423 0.76 266.7 431.4 0.0 0.0
## .25 .50 .75 .90 .95
## 0.0 0.0 311.1 847.2 1244.9
##
## lowest : 0.00 0.09 0.10 0.12 0.17
## highest: 6665.19 6972.50 8023.21 8495.14 8791.91
## ---------------------------------------------------------------------------
## FECHALLAMADA
## n missing distinct
## 8458 0 61
##
## lowest : 2020-02-03 2020-02-04 2020-02-05 2020-02-06 2020-02-07
## highest: 2020-04-24 2020-04-25 2020-04-28 2020-04-29 2020-04-30
## ---------------------------------------------------------------------------
## HORA
## n missing distinct Info Mean Gmd .05 .10
## 8458 0 14 0.993 12.15 4.254 7 8
## .25 .50 .75 .90 .95
## 9 11 15 18 19
##
## Value 7 8 9 10 11 12 13 14 15 16
## Frequency 804 870 888 842 862 592 610 588 578 538
## Proportion 0.095 0.103 0.105 0.100 0.102 0.070 0.072 0.070 0.068 0.064
##
## Value 17 18 19 20
## Frequency 334 311 325 316
## Proportion 0.039 0.037 0.038 0.037
## ---------------------------------------------------------------------------
## RESULTADOLLAMADA
## n missing distinct
## 8458 0 24
##
## lowest : CAN Cliente Cancelo CIH Generar Cita CIT Genera Cita Otro Dia IPN Inbound Pdp de Neg IPP Inbound Promesa Par
## highest: REC Cliente con Reclamo RPP Recordar Promesa TAT Tratamiento al Titu TAT sin contacto con Titular TELF. NO CORRESPONDE
## ---------------------------------------------------------------------------
## DEUDA_TOTAL
## n missing distinct Info Mean Gmd .05 .10
## 8458 0 6590 1 11545 11615 1165 1896
## .25 .50 .75 .90 .95
## 3711 7318 14697 24994 36629
##
## lowest : 546.09 546.47 547.50 551.33 553.28
## highest: 79304.00 79489.00 79570.60 79695.90 79984.00
## ---------------------------------------------------------------------------
## ACTIVACION
## n missing distinct Info Mean Gmd
## 8458 0 5 0.865 2012 0.9287
##
## Value 2010 2011 2012 2013 2014
## Frequency 275 1387 2670 3908 218
## Proportion 0.033 0.164 0.316 0.462 0.026
## ---------------------------------------------------------------------------
## TIPOCONTACTO
## n missing distinct
## 8458 0 2
##
## Value CEF CNE
## Frequency 2484 5974
## Proportion 0.294 0.706
## ---------------------------------------------------------------------------
## MORA
## n missing distinct
## 8458 0 2
##
## Value NO SI
## Frequency 6440 2018
## Proportion 0.761 0.239
## ---------------------------------------------------------------------------#GRAFICAMOS EL TARGET
target<-table(morosidad$MORA)
barplot(target)
#SEGUN EL GRAFICO LA MAYORIA DE CLIENTES NO TIENEN MORAREALIZAMOS EL MISMO GRAFICO CON LA LIBRERIA GGPLOT2
library(ggplot2)
ggplot(data=morosidad)+
geom_bar(mapping=aes(x=MORA))
###REALIZO IUNA TABLA DE RESUMEN CON LA LIBRERIA gmodels
library(gmodels)
CrossTable(morosidad$MORA, format="SPSS")##
## Cell Contents
## |-------------------------|
## | Count |
## | Row Percent |
## |-------------------------|
##
## Total Observations in Table: 8458
##
## | NO | SI |
## |-----------|-----------|
## | 6440 | 2018 |
## | 76.141% | 23.859% |
## |-----------|-----------|
##
## ###REALIZAMOS GRAFICOS CON LA LIBRERIA GGPLOT2
library(ggplot2)
ggplot(data=morosidad)+
geom_bar(mapping=aes(x=NRO_VEC_COB, color=MORA))
ggplot(data=morosidad)+
geom_bar(mapping=aes(x=ESTADO_PDP, color=MORA))
ggplot(data=morosidad)+
geom_bar(mapping=aes(x=NRO_CUOTAS, color=MORA))
ggplot(data=morosidad)+
geom_histogram(mapping=aes(x=MES_0, color=MORA))## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
ggplot(data=morosidad)+
geom_histogram(mapping=aes(x=MES_1, color=MORA))## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
ggplot(data=morosidad)+
geom_histogram(mapping=aes(x=MES_2, color=MORA))## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.