Aplicación del algoritmo k-prototypes para la segmentación de compañías ecuatorianas supervisadas por la superintendencia de compañías, valores y seguros

La presente investigación se enfoca en el análisis y segmentación de las empresas ecuatorianas registradas en la Superintendencia de Compañías, Valores y Seguros (SuperCias), utilizando variables financieras, sectoriales y geográficas correspondientes al año 2024. Teniendo en cuenta la importancia de la SuperCias en la regulación y transparencia, se ha identificado que la complejidad y heterogeneidad de la información reportada en los balances (datos categóricos y numéricos) dificultan la detección de patrones mediante métodos estadísticos tradicionales. Esta limitación restringe la capacidad para orientar decisiones basadas en evidencia, generando lo que genera un análisis incompleto. Utilizando técnicas de aprendizaje no supervisado, específicamente el algoritmo KPrototypes en conjunto con el marco de trabajo Team Data Science Process (TDSP), se busca identificar agrupamientos naturales que capturen tanto los datos categóricos como numéricos que se encuentran en la base. La implementación de este modelo permite procesar tanto datos financieros cuantitativos de las empresas como datos cualitativos. Los resultados de la segmentación buscan mostrar clusters empresariales diferenciados, destacando grupos con características particulares entre si. Estas estrategias están diseñadas para optimizar el análisis de las bases de datos con datos mixtos de los mismos.