Predición del cumplimiento del Time To Market de Historias de Usuario en el departamento de TI en una aseguradora
Publicado: 25 Jun 2025, 18:13
Tema: Predición del cumplimiento del Time To Market de Historias de Usuario en el departamento de TI en una aseguradora
Integrantes:
- Mauricio Nomberto Velásquez
- Kevin Percy Ccapatinta Loayza
- Francisco Javier Jesus Cisneros Huamani
- Lisdey Martel Avila
- Percy Soria Del Castillo
Resumen
Este estudio busca predecir el incumplimiento del Time To Market (T2M) en Historias de Usuario (HU) del departamento de TI de una aseguradora, usando Machine Learning con CRISP-DM y datos de 2023-2025. Se evaluaron algoritmos como J48, MLP y Random Forest, destacando J48 por su Recall del 80.7% para detectar HUs con riesgo de exceder el T2M. El modelo también mostró un FMeasure de 0.603 y un AUC de 0.804, demostrando robustez en datos desbalanceados. Los resultados validan el ML como herramienta estratégica para optimizar la planificación en equipos ágiles. Así, se mejora la toma de decisiones basada en datos y el cumplimiento de métricas clave como el T2M.
Keywords: Machine Learning, Aprendizaje supervisado, Modelo Predictivo, Desarrollo ágil, Time to market, CRISP-DM, Historia de Usuario, planificación de recursos, WEKA, J48, balanceo de clases, seguros.
Integrantes:
- Mauricio Nomberto Velásquez
- Kevin Percy Ccapatinta Loayza
- Francisco Javier Jesus Cisneros Huamani
- Lisdey Martel Avila
- Percy Soria Del Castillo
Resumen
Este estudio busca predecir el incumplimiento del Time To Market (T2M) en Historias de Usuario (HU) del departamento de TI de una aseguradora, usando Machine Learning con CRISP-DM y datos de 2023-2025. Se evaluaron algoritmos como J48, MLP y Random Forest, destacando J48 por su Recall del 80.7% para detectar HUs con riesgo de exceder el T2M. El modelo también mostró un FMeasure de 0.603 y un AUC de 0.804, demostrando robustez en datos desbalanceados. Los resultados validan el ML como herramienta estratégica para optimizar la planificación en equipos ágiles. Así, se mejora la toma de decisiones basada en datos y el cumplimiento de métricas clave como el T2M.
Keywords: Machine Learning, Aprendizaje supervisado, Modelo Predictivo, Desarrollo ágil, Time to market, CRISP-DM, Historia de Usuario, planificación de recursos, WEKA, J48, balanceo de clases, seguros.