SEGMENTACIÓN DE CONTRIBUYENTES Y MODELADO PREDICTIVO DEL RIESGO DE MOROSIDAD MEDIANTE APRENDIZAJE AUTOMÁTICO EN LOS ARBITRIOS MUNICIPALES, DEL SERVICIO DE ADMINISTRACIÓN TRIBUTARIA DE CHICLAYO – SATCH (2015–2024)

La presente investigación desarrolla una propuesta de segmentación de contribuyentes y modelado predictivo del riesgo de morosidad a 12 meses mediante técnicas de aprendizaje automático, aplicada a la gestión de cobranza de los arbitrios municipales del Servicio de Administración Tributaria de Chiclayo (SATCH), utilizando información histórica correspondiente al periodo 2015–2024. La investigación emplea datos institucionales de deuda y pagos, previamente anonimizados, a partir de los cuales se construye un dataset unificado para el análisis. El estudio comprende el procesamiento y análisis exploratorio de los datos, ingeniería de variables, segmentación mediante K-Means, evaluación de estabilidad temporal, construcción de modelos predictivos y evaluación mediante métricas como ROC-AUC, PR-AUC y Brier Score. Asimismo, incorpora técnicas de interpretabilidad como SHAP e importancia por permutación, con el propósito de identificar las variables con mayor capacidad predictiva sobre el riesgo de morosidad. Este repositorio contiene los datos anonimizados, código fuente en Python, Notebook de análisis, diccionario de datos, dependencias del entorno (“requirements.txt”) e instructivo de replicabilidad, permitiendo la revisión, reproducción y validación independiente de los resultados de la investigación.