El SARLAFT y el uso de matrices de riesgo.

La segmentacin de riesgo basado en modelos

matemticos estadsticos para la gestin del riesgo del
Lavado de Activos y Financiamiento al Terrorismo. Su
implementacin en las entidades financieras.

Frey Miguel Len Lozano

1
 Administrador de Empresas, Especialista en Gerencia
Financiera, certificado ACAMS. Actualmente Supervisor y Jefe
de Inspeccin de la Direccin de Prevencin y Control de
Lavado de Activos de la SFC, en donde labora hace 19 aos.
Amplia experiencia en la supervisin y vigilancia del Sistema de
Administracin de Riesgo de Lavado de Activos y de la
Financiacin del Terrorismo SARLAFT. Conocimiento de
temas referentes a la prevencin del riesgo de LA/FT, y en los
estndares internacionales de prevencin de LA/FT.

He participado como conferencista internacional en Costa Rica,

Honduras y El Salvador. Docente en temas relacionados con el
Frey Miguel Len Lozano
SARLAFT en las universidades Javeriana y Sergio Arboleda en
Colombia, as como en el Programa Tcnico en Prevencin de
Colombia
Lavado de Activos organizado por CIPLAD internacional, Julio
de 2013, San Jos de Costa Rica. Participante de las Pasantas
Financieras y Comerciales contra el LA/FT UNODC 2015.

* Las posiciones manifestadas en este documento son opiniones

propias del autor y por lo tanto no comprometen a la SFC ni constituyen
una posicin institucional.
Lavado de Activos
El lavado de activos es el proceso mediante el cual organizaciones criminales
buscan dar apariencia de legalidad a los recursos generados de sus actividades
ilcitas. En trminos prcticos, es el proceso de hacer que dinero sucio parezca
limpio, haciendo que las organizaciones criminales o delincuentes puedan hacer
uso de dichos recursos y en algunos casos obtener ganancias sobre los mismos.

Cuando una actividad criminal genera importantes ganancias, el individuo o

grupo involucrado busca una forma de controlar los recursos sin llamar la
atencin sobre la actividad real o las personas involucradas. Los delincuentes
hacen esto para ocultar las fuentes, cambiando la forma, o movilizando el dinero
hacia un lugar donde es menos posible que llame la atencin.

3
Financiacin del Terrorismo

Es cualquier forma de accin econmica, ayuda o mediacin que proporcione

apoyo financiero a las actividades de elementos o grupos terroristas. Aunque el
objetivo principal de los grupos terroristas no es financiero, requieren fondos
para llevar a cabo sus actividades, cuyo origen puede provenir de fuentes
legtimas, actividades delictivas, o ambas.

Las tcnicas utilizadas para el lavado de activos (LA) son bsicamente las mismas
que se usan para encubrir las fuentes y los fines del financiamiento del
terrorismo. No obstante, sin importar si el origen de los recursos es legtimo o
no, para los grupos terroristas es importante ocultar la fuente y su uso, a fin de
que la actividad de financiamiento pase inadvertida.

4
Delitos Subyacentes
Actividades delictuosas que producen ganancias, ganancias que al final del ejercicio deben ser
incorporadas al sector econmico legal travs de actos dolosos o fraudulentos.

Enriquecimiento
Ilcito Delitos contra la Administracin
Pblica *
Narcotrfico
Trfico de Armas *
Extorsin

Concierto para Delinquir

Rebelin Lavado de *
Activos
en Colombia
Secuestro Delitos contra el Sistema
Financiero *
Financiacin del terrorismo y
Trfico de Trata de administracin de recursos
Migrantes Personas relacionados con actividades
terroristas
FASES DEL LAVADO DE
ACTIVOS
Cronologa Normativa

Esquema Antiguo Esquema Nuevo

Transicin a mediano plazo
SIPLA SARLAFT

1992 1993 1996 1998 2003 2004 2005 2006

2006 2008 2009 2010 2013 2014
2014

Decreto 1872 de 1992 C.E. 025 de 2003

Ley 1121 de 2006
C.E. 008 de 2009
C.E. 004 de 1998
C.E. 007 de 2013
C.E. 026 de 2008
C.E. 003 de 2005
Decreto 663 de 1993 C.E. 010 de 2013
EOSF Art. 102 a 107
C.E. 013 de 2013
SIPLA C.E. 061 de 1996 C.E. 040 de 2004
C.E. 019 de 2010

Circular Bsica Jurdica C.E. 029 de 2014

C.E. 007 de1996 Parte I - Titulo IV - Captulo IV

7
SARLAFT

Qu es Riesgo de Qu es el
Objetivo
LA/ FT SARLAFT

Posibilidad de prdida o dao Evitar que las entidades

que puede sufrir una entidad
vigilada por su propensin a ser
utilizada directamente o a travs
de sus operaciones como
instrumento para el lavado de
activos y/o canalizacin de
recursos hacia la realizacin de
actividades terroristas, o cuando
se pretenda el ocultamiento de
activos provenientes de dichas
actividades.
Es el sistema de administracin
que deben implementar las
entidades vigiladas para
gestionar el riesgo de LA/FT y
se instrumenta a travs de las
etapas y elementos que lo
integran.
vigiladas, en la realizacin de
sus operaciones, puedan ser
utilizadas como instrumento para
el ocultamiento, manejo,
inversin o aprovechamiento, en
cualquier forma, de dinero u
otros bienes provenientes de
actividades delictivas y FT, o
para dar apariencia de legalidad
a stas o a las transacciones y
fondos vinculados con las
mismas.

Corresponde a las entidades vigiladas disear e implementar el SARLAFT de

mbito de acuerdo con los criterios y parmetros mnimos exigidos, en consonancia con los
estndares internacionales sobre la materia, especialmente los proferidos por el
Aplicacin GAFI - GAFISUD.
8
SARLAFT-
Sistema de Administracin de Riesgo?

El riesgo de LA/FT se materializa a travs de los riesgos

asociados, estos son: el legal, reputacional, operativo y de
contagio, a los que se expone la entidad, con el consecuente
efecto econmico negativo que ello puede representar para su
estabilidad financiera cuando es utilizada para tales actividades.

Se instrumenta a travs de unas etapas que son las fases o pasos

sistemticos e interrelacionados mediante los cuales las entidades
administran el riesgo de LA/FT, y unos elementos los cuales
corresponden al conjunto de componentes a travs de los cuales
se instrumenta de forma organizada y metdica la administracin
del riesgo de LA/FT en las IF.
Definiciones

Es toda persona natural o jurdica con la cual la entidad

Cliente establece y mantiene una relacin contractual o legal para el
suministro de cualquier producto propio de su actividad.

Son aquellas personas naturales o jurdicas a las que, sin ser

Usuario clientes, la entidad les presta un servicio.

Es el proceso por medio del cual se lleva a cabo la

separacin de elementos en grupos homogneos al interior
de ellos y heterogneos entre ellos. La separacin se
Segmentacin fundamenta en el reconocimiento de diferencias
significativas en sus caractersticas (variables de
segmentacin).

10
Definiciones

Clientes / Usuarios
Factores de Productos
Canales de Distribucin
Riesgo Jurisdicciones

Son los riesgos a travs de los cuales se materializa el riesgo de

Riesgos LA/FT: estos son: reputacional, legal, operativo y contagio, a los
que se expone la entidad, con el consecuente efecto econmico
Asociados negativo que ello puede representar para su estabilidad financiera
cuando es utilizada para tales actividades.

11
Riesgos Asociados

12
Sistema de Administracin del riesgo LA/FT
SARLAFT
I. Etapas (4)

Fases o pasos sistemticos e Interrelacionados

mediante los cuales se administra el riesgo
Componentes
II. Elementos (8)

del Son los componentes a travs de los cuales se

instrumenta organizada y metdicamente la
administracin del riesgo
Polticas
SARLAFT Procedimientos
Documentacin
Estructura organizacional
rganos de control
Infraestructura tecnolgica
Divulgacin de informacin
Capacitacin

13
1. ETAPAS

Cada etapa est constituida por los procesos, procedimientos e

instrumentos, dirigidos hacia la gestin efectiva de efectos adversos,
que puedan impactar la consecucin del objetivo de ser utilizado para
el LA/FT.
Etapas mnimas:

1. Identificacin del riesgo

2. Medicin o evaluacin del riesgo
3. Control del riesgo
4. Monitoreo del riesgo

Los denominados factores de riesgo y riesgos asociados son

las variables utilizadas para estandarizar la administracin de este
riesgo
Definiciones
Identificar los riesgos de LA/FT inherentes al desarrollo de su actividad,
teniendo en cuenta los factores de riesgo. Como resultado de esta
Identificacin etapa las entidades vigiladas deben estar en capacidad de identificar
los factores de riesgo y los riesgos asociados a los cuales se ven
expuestas en relacin al riesgo de LA/FT.

Medir la posibilidad o probabilidad de ocurrencia del riesgo inherente de

LA/FT frente a cada uno de los factores de riesgo, as como el impacto
en caso de materializarse mediante los riesgos asociados. Estar en
Medicin capacidad de establecer el perfil de riesgo inherente de LA/FT de la
entidad y las mediciones agregadas en cada factor de riesgo y en sus
riesgos asociados.

Las entidades vigiladas deben tomar las medidas conducentes a

controlar el riesgo inherente al que se ven expuestas, en razn de los
Control factores de riesgo y de los riesgos asociados. Establecer el perfil de
riesgo residual de LA/FT. El control debe traducirse en una disminucin
de la posibilidad de ocurrencia y/o del impacto del riesgo de LA/FT en
caso de materializarse.

Seguimiento del perfil de riesgo y, en general, del SARLAFT, as como

llevar a cabo la deteccin de operaciones inusuales y/o sospechosas.
Monitoreo Igualmente, debe permitir a las entidades comparar la evolucin del
perfil de riesgo inherente con el perfil de riesgo residual de LA/FT de la
entidad.
15
Etapas en la Administracin del Riesgo
 Etapa de Identificacin
Propsito:

Identificar los riesgos de LA/FT inherentes al desarrollo de su actividad.

Para ello, la entidad debe establecer metodologas para:

1. Segmentar los factores de riesgo.

2. Identificar las formas (tipologas) a travs de las cuales se puede
presentar este riesgo
3. Identificar en cada uno de los factores de riesgo:

- El riesgo de LA/FT y - los riesgos asociados

Como resultado de esta etapa las entidades deben estar en capacidad de

identificar en qu factores de riesgo y a cual/es riesgo/s asociado/s
est expuesta en los diferentes segmentos.

17
SARLAFT
ELEMENTOS
FACTORES DE RIESGO
Clientes Canales distrib. Polticas
Productos Jurisdicciones

Procedimientos
ETAPAS
Documentacin
Identificacin
Estructura Organizacional

Medicin rganos de Control

Infraestructura Tecnolgica
Control

Divulgacin de Informacin
Monitoreo

Capacitacin

18
Metodologa de Segmentacin de los
Factores de Riesgo

Las entidades deben segmentar cada uno de los factores de riesgo de acuerdo
con las caractersticas particulares de cada uno de ellos, garantizando
homogeneidad al interior de los segmentos y heterogeneidad entre ellos, segn la
metodologa que previamente haya establecido la entidad. Sin perjuicio de
cualquier otro criterio que establezca la entidad, deben segmentar atendiendo
como mnimo los siguientes:

Clientes: Actividad econmica, volumen o frecuencia de sus transacciones,

monto de ingresos, egresos y patrimonio.
Productos: Naturaleza, caractersticas y nicho de mercado o destinatarios.
Canales de distribucin: Naturaleza y caractersticas.
Jurisdicciones: Ubicacin, caractersticas y naturaleza de las transacciones.

A travs de la segmentacin las entidades deben determinar las caractersticas

usuales de las transacciones que se desarrollan y compararlas con aquellas que
realicen los clientes, a efectos de detectar las operaciones inusuales.
 SARLAFT

Homogeneidad y Heterogeneidad
Caractersticas Similares
Socio demogrficas
Comportamientos
Transaccionales.

Parmetros de Normalidad

Seales de Alerta

Seguimiento de Operaciones

Identificacin y anlisis de
Operaciones Inusuales.

Reporte de Operaciones Sospechosas.

FUENTE:http://www.google.com/imgres?imgurl=http://www.mujeresdeempresa.com/images/graficos/segmentacion_mercados.jpg

20
Segmentacin

Segmentacin - ejemplo
Representacin grfica clientes
Representacin grfica productos
Representacin grfica canales
Representacin grfica jurisdicciones
Segmentacin Tipos de Variables

CUALITATIVAS CUANTITATIVAS

Jurisdicciones: Nmero de Productos de

Bogot, Medelln, Cali, un Entidad.
Barranquilla. Es un nmero entero.

Nivel de Impacto Monto de las operaciones de

Reputacional: ingreso de un producto.
Leve, Moderado, Severo. Es un nmero continuo con
decimales.

26 26
Segmentacin Enfoques de Anlisis

DISCRIMINANTE CONGLOMERANTE

27 27
Segmentacin Estrategias Minera de Datos

Prediccin y Clustering - Segmentacin

Clasificacin
Regresin Lineal Redes Bayesianas Redes Kohonen Cluster K-Medias
Regresin Logstica Lineal Generalizado

Redes Neuronales Listas de Decisin

rboles de Decisin Anlisis

(C5.0, C&RT, CHAID, Discriminante
QUEST)

Cluster Bi-etpico Anomala

Segmentacin por Factor de Riesgo

CLIENTES PRODUCTOS

DEDUCTIVA DEDUCTIVA
31% 40%
DESCRITA DESCRITA
NO DESCRITA NO DESCRITA 89%
89% ESTADSTICA 18% ESTADSTICA
12%
57% 42%

CANALES DE DISTRIBUCIN JURISDICCIONES

DEDUCTIVA
DEDUCTIVA 45%
DESCRITA
46% NO DESCRITA
DESCRITA 89%
NO DESCRITA 12% ESTADSTICA
89%
17% ESTADSTICA 43%
37%

29 29
 Metodologa de Segmentacin por Tipo de
Entidad*
30
COOPERATIVAS DE SEGUROS

25 SOCIEDADES
1 ADMINISTRADORAS DE
1 INVERSION
1
2 ALMACENES GENERALES DE
DEPOSITO
Nmero de Entidades

20
1
2
1
1 SOCIEDADES
3 ADMINISTRADORAS DE
2
15 FONDOS DE PENSIONES Y
CESANTIA
3 ADMINISTRADORAS DE
6 SISTEMAS DE PAGO DE BAJO
VALOR
10
6 INSTITUCIONES OFICIALES
ESPECIALES
2

5 2 COMPAIAS DE SEGUROS DE
9 1 VIDA
1 1
6 2
1
2 2
1 1 COMPAIAS DE SEGUROS
1 1 1 1 GENERALES
0
Arboles de Mtodo No definida Anlisis de Redes Score Based
Decisin Deductivo Conglomerados Neuronales Analysis

TIPO DE ENTIDAD

* Grfico para factor de riesgo : Clientes

30 30
Etapas en la Administracin del Riesgo
Etapa de Medicin

Propsito: medir la probabilidad o posibilidad de

ocurrencia del riesgo inherente frente a los
factores de riesgo, y el impacto en caso de
materializarse mediante los riesgos asociados.

Para ello, la entidad debe establecer y aplicar las

metodologas que le permitan realizar una
medicin o evaluacin consolidada de los factores
de riesgo y los riesgos asociados.

Como resultado de esta etapa las entidades deben estar en capacidad

de establecer el perfil de riesgo inherente, tanto en forma desagregada
como consolidada, en cada factor de riesgo y en sus riesgos
asociados.

32
Medicin
Etapas en la Administracin del Riesgo
 Etapa de Control
mar
idas
Para ello, la entidad debe:
a
esgo
1. Establecer y aplicar las metodologas necesarias para definir las
medidas de control, sobre los segmentos identificados y medidos
en los factores de riesgo y los riesgos asociados.

2. Establecer los niveles de exposicin en razn de la calificacin

dada a los factores de riesgo en la etapa de medicin.

Como resultado de esta etapa la entidad debe establecer su perfil de riesgo

consolidado frente a todos los factores de riesgo y los riesgos asociados; y
traducirse en una disminucin de la posibilidad de ocurrencia y del impacto

35
SARLAFT Dinmico

36
Etapas en la Administracin del Riesgo
Etapa de Monitoreo

Propsito: Comparar la evolucin del riesgo inherente con el

riesgo residual, tanto en forma desagregada como
consolidada. Para ello, la entidad debe:

1. Hacer un seguimiento que facilite la rpida deteccin y

correccin de las deficiencias en las etapas.
2. Realizar un seguimiento de los riesgos: inherente, residual y
residual consolidado de cada factor de riesgo y de los riesgos
asociados.
3. Establecer indicadores descriptivos y/o prospectivos que
sealen potenciales fuentes de riesgo de LA/FT.

Como resultado de esta etapa la entidad debe desarrollar reportes que permitan
establecer las evoluciones del riesgo y la eficiencia de los controles
implementados; as mismo deben determinar las operaciones
inusuales y sospechosas

38
 Anlisis de Operaciones
RETIROS AL FIDEICOMISO 732 - 921 DE TIG S.A.
Julio 2007 - Diciembre 2008
1.200.000.000,00

1.000.000.000,00

800.000.000,00

600.000.000,00
VALOR DE LA OPERACIN

400.000.000,00

200.000.000,00

-
01-jul-07 09-oct-07 17-ene-08 26-abr-08 04-ago-08 12-nov-08

39
Etapas en la Administracin del Riesgo
2. Elementos de la Administracin del
Riesgo - SARLAFT

Polticas
Estructura Procedimientos
Organizacional Documentacin
Infraestructura tecnolgica
rganos de Control Divulgacin de informacin
Capacitacin
SARLAFT

42
FUNCIONAMIENTO DEL SARLAFT

43
ESTRUCTURA ORGANIZACIONAL - SARLAFT
COMPROMISO

Mximo rgano Junta

Mayor compromiso
Directiva

Responde por la entidad Representante Principal ejecutor

Legal
Responde en la entidad Ms capacitado
Oficial de Cumplimiento y conocedor de
LA/FT

Desarrolla actividad Todos los Funcionarios Seguir procesos

rganos de Control
 Tecnologa SARLAFT
Herramientas de Administracin de Riesgos.
Herramientas de Anlisis de Informacin.
Herramientas de Administracin de Productos
y Clientes.

PRUEBAS DE RECORRIDO
Funcionalidad de herramientas que soportan
SARLAFT.
Parametrizacin frente a definiciones-
metodologas SARLAFT.
Funcionamiento del SARLAFT. Aplicacin en
Muestras. Reportes resultantes.
BASES DE DATOS
Calidad de la Informacin en bases de datos de
clientes. Insumo fundamental. Evaluado desde
2006.
Anlisis transaccional de los factores de riesgo.
TECNICAS Y METODOLOGAS DE
SEGMENTACIN

46
TECNICAS PARA SEGMENTAR - MODELOS
Muchas gracias por
su atencin!
ARBOLES DE DECISIN
Estos son bastante populares en data mining, pudindose usar para
clasificacin y regresin. Estos mtodos se derivan de una metodologa previa
denominada automatic interaction detection.

Son tiles para la exploracin inicial de datos y apropiados cuando hay un

nmero elevado de datos, y existe incertidumbre sobre la manera en que las
variables explicativas deberan introducirse en el modelo. Sin embargo, no
constituyen una herramienta demasiado precisa de anlisis.

Es aplicable como una herramienta adicional para generar alertas de LA/FT,

aunque debe ser complementado con el criterio de un experto.

Para esto se hace indispensable utilizar la informacin de las variables que

definen la naturaleza y caractersticas de las transacciones (clientes, usuarios,
canales, etc.) para detectar las interacciones y la relacin con el monto de la
transaccin.
ARBOLES DE DECISIN
ARBOLES DE DECISIN
VENTAJAS DE LOS RBOLES

1. Los resultados son invariantes por una transformacin

montona de las variables explicativas.

2. Es fcil de entender y aplicar (aunque no de construir), sin

necesitar conocimientos profundos de estadstica.

3. La metodologa se adapta fcilmente en situaciones donde

aparecen datos missing, sin necesidad de eliminar la
observacin completa.

4. Estn adaptados para recoger el comportamiento no aditivo,

de manera que las interacciones se incluyen de manera
automtica.
ANLISIS DE CONGLOMERADOS CLUSTER

Es una tcnica de Anlisis Exploratorio de Datos para resolver problemas de

clasificacin. Su objeto consiste en ordenar objetos (Personas, cosas, animales,
plantas, variables, etc) en grupos (conglomerados o clusters) de forma que el
grado de asociacin/similitud entre miembros del mismo cluster sea ms fuerte
que el grado de asociacin/similitud entre miembros de diferentes clusters. Cada
cluster se describe como la clase a la que sus miembros pertenecen.

El anlisis de cluster es un mtodo que permite descubrir asociaciones y

estructuras en los datos que no son evidentes a priori pero que pueden ser tiles
una vez que se han encontrado. Los resultados de un Anlisis de Clusters
pueden contribuir a la definicin formal de un esquema de clasificacin tal como
una taxonoma para un conjunto de objetos, a sugerir modelos estadsticos para
describir poblaciones, a asignar nuevos individuos a las clases para diagnstico e
identificacin, etc.

Como metodologa de segmentacin, permite formar grupos de elementos

(clientes) utilizando sus caractersticas (ingreso, monto de las transacciones,
frecuencia de operacin, etc.).
ANLISIS DE CONGLOMERADOS
CLUSTER
El anlisis de conglomerados es un procedimiento estadstico de clasificacin
que pretende identificar grupos relativamente homogneos de casos (o de
variables) basndose en las caractersticas seleccionadas. Dentro del anlisis
de conglomerados estn los procedimientos jerrquicos y los no jerrquicos.
ANLISIS DE CONGLOMERADOS
CLUSTER
Mtodos de Cluster Jerrquicos
En la prctica, no se pueden examinar todas las posibilidades de agrupar los
elementos, incluso con los ordenadores ms rpidos. Una solucin se
encuentra en los llamados mtodos jerrquicos. Se tienen dos posibles formas
de actuar:

1- Mtodos jerrquicos aglomerativos:

Se comienza con los objetos o individuos de modo individual; de este modo, se

tienen tantos clusters iniciales como objetos. Luego se van agrupando de
modo que los primeros en hacerlo son los ms similares y al final, todos los
subgrupos se unen en un nico cluster.

2- Mtodos jerrquicos divididos:

Se acta al contrario. Se parte de un grupo nico con todas las observaciones

y se van dividiendo segn lo lejanos que estn.
ANLISIS DE CONGLOMERADOS
CLUSTER - DENDOGRAMA
Un dendograma es una representacin grfica en forma de rbol que resume el proceso
de agrupacin en un anlisis de clusters. Los objetos similares se conectan mediante
enlaces cuya posicin en el diagrama est determinada por el nivel de
similitud/disimilitud entre los objetos.
ANLISIS DE CONGLOMERADOS CLUSTER

Mtodos de Cluster No Jerrquicos

Se usan para agrupar objetos, pero no variables, en un conjunto de

k clusters ya predeterminado. No se tiene que especificar una
matriz de distancias ni se tienen que almacenar las iteraciones.
Todo esto permite trabajar con un nmero de datos mayor que en el
caso de los mtodos jerrquicos.

Se parte de un conjunto inicial de clusters elegidos al azar, que son

los representantes de todos ellos; luego se van cambiando de
modo iterativo. Se usa habitualmente el mtodo de las k-medias.
ANLISIS DE CONGLOMERADOS CLUSTER
Mtodo de las K-Medias

El anlisis de conglomerados de K medias es un mtodo de agrupacin de

casos que se basa en las distancias existentes entre ellos en un conjunto de
variables (este mtodo de aglomeracin no permite agrupar variables).

El anlisis de conglomerado de K medias es especialmente til cuando se

dispone de un gran nmero de casos. Existe la posibilidad de utilizar la
tcnica de manera exploratoria, clasificando los casos e iterando para
encontrar la ubicacin de los centroides, o slo como tcnica de
clasificacin, agrupando los casos a partir de centroides conocidos
suministrados por el usuario. Cuando se utiliza como tcnica exploratoria, es
habitual que el usuario desconozca el nmero idneo de conglomerados,
por lo que es conveniente repetir el anlisis con distinto nmero de
conglomerados y comparar las soluciones obtenidas; en estos casos
tambin puede utilizarse el mtodo de anlisis de conglomerados jerrquico
con una submuestra de casos.
REDES NEURONALES DE KOHONEN

Tambin llamadas Mapas Auto-Organizados o SOMs (por sus siglas en ingls)

son sistemas de clasificacin no supervisada que permiten encontrar individuos
de una poblacin que comparten caractersticas comunes.

Esto los hace ideales para explorar espacios vectoriales en los que se
desconoce la estructura de clasificacin de los vectores, es importante sealar
que estas categorizan o interpretan grandes cantidades de datos mediante su
representacin en un mapa bidimensional, que muestra las similitudes de los
datos, de tal modo que datos similares aparecen representados en regiones
contiguas o adyacentes.
REDES NEURONALES DE KOHONEN
En esta ilustracin se muestra un SOM de dos dimensiones. Las neuronas se
representan en el mapa bidimensional, mientras que los vectores de datos
(representados por Xi) estn en la parte inferior. Cada neurona apunta a los
vectores, de manera que cada neurona tiene tantas coordenadas como rasgos
hay en un vector.
OTRAS TECNICAS O MODELOS

Tabulaciones cruzadas: son tablas construidas para

segmentar basndose en los criterios establecidos de
antemano por el propio investigador.

Anlisis factorial: es una tcnica estadstica de reduccin

de datos que sirve para encontrar grupos homogneos de
variables a partir de un conjunto numeroso de variables.

Mezclas finitas: permiten identificar un conjunto de grupos

mutuamente exclusivos (los segmentos o clases) latentes
que explican la similitud de los casos medidos en una serie
de variables observables categricas o mtricas.
OTRAS TECNICAS O MODELOS

Anlisis log-lineal: el procedimiento del anlisis log-lineal

analiza la relacin entre variables dependientes (o de respuesta)
y variables independientes (o explicativas). Las variables
dependientes siempre son categricas, mientras que las variables
independientes pueden ser categricas (factores).

Regresin de mezclas finitas: este mtodo parte del supuesto

de que las preferencias de los sujetos conforman una poblacin
que, es de hecho, una mezcla de diversos segmentos en
proporciones desconocidas, razn por la cual se desconoce a
priori el segmento al que pertenece un sujeto concreto.

62
 INFORMACIN DE
CONTACTO

Frey Miguel Leon Lozano

freymiguel@gmail.com
+ 57 310 858 88 84
Preguntas y Respuestas
Muchas gracias por
su atencin!