{"id":8014,"date":"2025-04-22T09:00:00","date_gmt":"2025-04-22T07:00:00","guid":{"rendered":"https:\/\/blog.structuralia.com\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones"},"modified":"2026-03-27T13:46:00","modified_gmt":"2026-03-27T12:46:00","slug":"proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones","status":"publish","type":"post","link":"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/","title":{"rendered":"Proyecto TFM: Modelo para la detecci\u00f3n de fraudes en transacciones"},"content":{"rendered":"<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-hierarchy ez-toc-counter ez-toc-white ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\"><\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Contents\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#Creacion_de_modelo_para_la_deteccion_de_fraudes_en_transacciones_en_tarjetas_de_credito\" >Creaci\u00f3n de modelo para la detecci\u00f3n de fraudes en transacciones en tarjetas de cr\u00e9dito<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#1_Eleccion_de_Dataset\" >1. Elecci\u00f3n de Dataset<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#2_ETL_con_Trifacta\" >2. ETL con Trifacta<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#1_Analisis_EDA\" >1. An\u00e1lisis EDA<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#2_Estudio_de_correlaciones\" >2. Estudio de correlaciones<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#4_Visualizacion\" >4. Visualizaci\u00f3n<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#5_Construccion_de_modelo_de_deteccion_de_fraudes\" >5. Construcci\u00f3n de modelo de detecci\u00f3n de fraudes<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#1_Definicion_de_variables_de_entrada_y_salida\" >1. Definici\u00f3n de variables de entrada y salida.<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#2_Arbol_de_decision\" >2. \u00c1rbol de decisi\u00f3n<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#3_Random_Forest\" >3. Random Forest<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#4_K-nearest_neighbors\" >4. K-nearest neighbors<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-12\" href=\"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#5_Naive_bayes\" >5. Naive bayes<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-13\" href=\"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#_6_Comparacion_de_los_modelos\" >&nbsp;6. Comparaci\u00f3n de los modelos<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-14\" href=\"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#7_Clustering\" >7. Clustering<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-15\" href=\"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#8_Conclusiones\" >8. Conclusiones<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-16\" href=\"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#RESENA_DEL_AUTOR\" >RESE\u00d1A DEL AUTOR:<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-17\" href=\"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#TESTIMONIO_DEL_AUTOR\" >TESTIMONIO DEL AUTOR:<\/a><\/li><\/ul><\/nav><\/div>\n\n<p class=\"wp-block-paragraph\">Descubre c\u00f3mo un alumno ha desarrollado un modelo innovador para<strong> detectar fraudes en transacciones y combatir los ciberataques<\/strong> en este TFM.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Actualmente, con el <strong>avance de la tecnolog\u00eda y el acceso a Internet<\/strong>, los pagos han evolucionado y existen diferentes formas de realizarlos, ya sea de manera f\u00edsica o virtual. As\u00ed como los pagos han ido cambiando para adaptarse a las necesidades y comodidades de clientes y comercios, los <strong>ciberdelincuentes tambi\u00e9n han ido evolucionando<\/strong>. A pesar de las diferentes medidas de seguridad que adoptan las entidades financieras, los <strong>fraudes en medios de pagos<\/strong> es una problem\u00e1tica que se enfrenta d\u00eda con d\u00eda.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">The <strong>entidades financieras y emisores de medios de pago<\/strong> deben evolucionar en conjunto con las necesidades del sector, hacer uso de la creciente tecnolog\u00eda y la disposici\u00f3n de datos para <strong>establecer medidas de seguridad<\/strong> y establecer <strong>medidas de detenci\u00f3n temprana de fraudes.<\/strong><\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Creacion_de_modelo_para_la_deteccion_de_fraudes_en_transacciones_en_tarjetas_de_credito\"><\/span><strong>Creaci\u00f3n de modelo para la detecci\u00f3n de fraudes en transacciones en tarjetas de cr\u00e9dito<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Este interesante TFM elaborado <a href=\"https:\/\/www.linkedin.com\/in\/magaly-fonseca-94309152\/\">Magaly Fonseca<\/a> ex-alumna del M\u00e1ster en Big Data y Business Analytics en Structuralia nos profundiza en esta tem\u00e1tica tan importante hoy creando un \u00abModelo para la detecci\u00f3n de fraudes en transacciones de tarjetas de cr\u00e9dito\u00bb.&nbsp;<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"1_Eleccion_de_Dataset\"><\/span><strong>1. Elecci\u00f3n de Dataset<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Para la elaboraci\u00f3n de este trabajo de fin de master <strong>se seleccion\u00f3 un dataset,<\/strong> de los disponibles en la p\u00e1gina <a href=\"https:\/\/www.kaggle.com\/datasets\/dhanushnarayananr\/credit-card-fraud\">Kaggle<\/a>, el cual cuenta con informaci\u00f3n para trabajar con el objetivo de entrenar un modelo de aprendizaje capaz de detectar casos de fraudes en las transacciones. El dataset elegido se llama<strong> card_transdata<\/strong> el cual contiene informaci\u00f3n de transacciones con tarjetas de cr\u00e9dito.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El dataset es un archivo de extensi\u00f3n csv y <strong>consta de 8 columnas.<\/strong> Descritas a continuaci\u00f3n:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Distance_from_home:<\/strong> la distancia desde casa respecto a donde ocurri\u00f3 la transacci\u00f3n.<\/li>\n\n\n\n<li><strong>Distance_from_last_transaction:<\/strong> indica la distancia entre el punto de la transacci\u00f3n con respecto a la \u00faltima transacci\u00f3n registrada, es decir, la transacci\u00f3n anterior.<\/li>\n\n\n\n<li><strong>Radio_to_median_purchase_price:<\/strong> es la relaci\u00f3n entre el monto de la transacci\u00f3n y el precio medio de compra del cliente.<\/li>\n\n\n\n<li><strong>Repeat_retailer:<\/strong> indica con 1 si la transacci\u00f3n se realiz\u00f3 desde el mismo minorista y con 0 si no.<\/li>\n\n\n\n<li><strong>Used_chip:<\/strong> en esta columna se indica con 1 si en la transacci\u00f3n se utiliz\u00f3 el chip de la tarjeta de cr\u00e9dito y con 0 si no se utiliz\u00f3.<\/li>\n\n\n\n<li><strong>Used_pin_number:<\/strong> en este campo se se\u00f1ala con 1 si en la transacci\u00f3n se us\u00f3 el n\u00famero de pin y con 0 en caso contrario.<\/li>\n\n\n\n<li><strong>Online_order:<\/strong> se indica con 1 si la transacci\u00f3n corresponde a un pedido en l\u00ednea y 0 si no fue as\u00ed.<\/li>\n\n\n\n<li><strong>Fraud:<\/strong> indica si la transacci\u00f3n fue identificada como fraude o no, al igual que las columnas anteriores con los valores 1 para los casos fraude y 0 para los no fraude.<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"2_ETL_con_Trifacta\"><\/span><strong>2. ETL con Trifacta<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">For the <strong>proceso de extracci\u00f3n, tratamiento y carga de los datos (ETL)<\/strong> se hace uso de la herramienta <a href=\"https:\/\/www.trifacta.com\/\">Trifacta<\/a>. Para iniciar el proceso se carga el dataset card_transdata.csv en la herramienta y se crea el flujo con el nombre de <em>\u201cdatos de transacciones\u201d<\/em>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Como primer paso en el proceso de transformaci\u00f3n se realiza el <strong>perfilado de datos<\/strong>, con el fin de conocer a fondo el contenido del dataset y verificar la calidad de los datos con el objetivo de determinar las transformaciones que deban realizarse para poder trabajar con los datos y obtener resultados confiables.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Seg\u00fan se muestra en la imagen anterior, los datos de las 8 columnas del dataset se encuentran con una buena calidad ya que la barra indicadora en todos los casos se encuentra en verde, lo que se traduce en que los datos est\u00e1n correctos, coinciden con el formato de la celda y no hay valores inv\u00e1lidos ni vac\u00edos. Se puede apreciar adem\u00e1s que el dataset tiene dos tipos de datos: enteros y decimales. Por lo tanto, se procede a finalizar el proceso de ETL, corriendo el job en Trifacta para obtener el dataset y continuar con la parte anal\u00edtica del mismo.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>3. Estudio estad\u00edstico<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Parte importante al trabajar con datos es conocerlos y realizar <strong>un estudio anal\u00edtico <\/strong>que nos permita tomar las mejores decisiones para el tratamiento de los mismo, para dicho proceso se realiz\u00f3 el an\u00e1lisis en<strong> Python.<\/strong><\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"1_Analisis_EDA\"><\/span>1. An\u00e1lisis EDA<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<figure class=\"wp-block-image size-full\"><img fetchpriority=\"high\" decoding=\"async\" width=\"507\" height=\"365\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-2-1-1.png\" alt=\"\" class=\"wp-image-12284\" srcset=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-2-1-1.png 507w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-2-1-1-300x216.png 300w\" sizes=\"(max-width: 507px) 100vw, 507px\" \/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\"><em>Imagen 2. Gr\u00e1ficos de las variables categ\u00f3ricas.<\/em><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Gracias a los gr\u00e1ficos se puede observar que el <strong>88.2% de las transacciones<\/strong> se realizaron en el mismo minorista que la compra anterior. En el <strong>35% de las transacciones se utiliz\u00f3 el chip.<\/strong> En el 10.1% de las compras se us\u00f3 el pin y el 65.1% de las transacciones fueron compras en l\u00ednea. Por \u00faltimo, el <strong>8.7% de las transacciones son fraude.<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Se realizan boxplot para las variables continuas, para observar la distribuci\u00f3n de los datos de dichas variables:<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img decoding=\"async\" width=\"635\" height=\"316\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-3-1.png\" alt=\"\" class=\"wp-image-12285\" srcset=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-3-1.png 635w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-3-1-300x149.png 300w\" sizes=\"(max-width: 635px) 100vw, 635px\" \/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\"><em>Imagen 3. Boxplot de las variables continuas.<\/em><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En las tres variables se pueden observar que existen valores at\u00edpicos que sobresalen del resto de datos, al considerar la descripci\u00f3n de las variables, a saber: distancia desde casa, distancia desde la \u00faltima transacci\u00f3n y raz\u00f3n respecto a la media de compra; adem\u00e1s tomando en cuenta que lo que se desea m\u00e1s adelante es entrenar un modelo que prediga si la transacci\u00f3n corresponde o no a un fraude, estos valores at\u00edpicos podr\u00edan representar movimientos de fraude por lo que se determina que deben mantenerse.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"2_Estudio_de_correlaciones\"><\/span>2. Estudio de correlaciones<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Parte importante del an\u00e1lisis es realizar un estudio de correlaciones para observar si existe relaci\u00f3n entre las diferentes variables que componen el dataset. Debido a que se tiene variables continuas y categ\u00f3ricas se utiliza el m\u00e9todo de Spearman, que se puede utilizar para ambos tipos de variables:<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img decoding=\"async\" width=\"472\" height=\"497\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-4-1.png\" alt=\"\" class=\"wp-image-12287\" srcset=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-4-1.png 472w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-4-1-285x300.png 285w\" sizes=\"(max-width: 472px) 100vw, 472px\" \/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\"><em>Imagen 4. Correlaci\u00f3n de las variables<\/em><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En el resultado se puede apreciar una<strong> fuerte correlaci\u00f3<\/strong>n (0.6) entre las variables distancia desde casa y si la compra se realiz\u00f3 en el mismo minorista. Adem\u00e1s, se puede apreciar un adelanto de las variables que influyen en la variable de nuestro inter\u00e9s (fraude) donde la raz\u00f3n respecto a la media de compra es la variable que tiene mayor correlaci\u00f3n con fraude (0.3) aunque el valor no es tan alto, le sigue la variable compra en l\u00ednea con 0.2 y distancia desde casa con 0.1. Un punto importante resalta de este an\u00e1lisis, aparecen dos variables con correlaci\u00f3n negativa con fraude, las cuales son uso de chip y uso de n\u00famero de pin ambas con un valor de -0.1 lo que se podr\u00eda interpretar que el uso de esto dos m\u00e9todos de seguridad son efectivos para evitar el fraude en las transacciones.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Como \u00faltimo paso del an\u00e1lisis estad\u00edstico se realizan pruebas de hip\u00f3tesis (anova) para corroborar la influencia o no de las variables en nuestra variable de inter\u00e9s que es el fraude, se muestra el resultado:<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"420\" height=\"252\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-5-1.png\" alt=\"\" class=\"wp-image-12288\" srcset=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-5-1.png 420w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-5-1-300x180.png 300w\" sizes=\"(max-width: 420px) 100vw, 420px\" \/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\"><em>Imagen 5. Resultado de Anovas<\/em><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Como se puede apreciar, la \u00fanica variable que tiene un valor mayor a 0.05 es si la compra fue en el mismo minorista, por lo que se rechaza la hip\u00f3tesis nula de que la variable es influyente. El resto de variables s\u00ed son influyentes.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"4_Visualizacion\"><\/span>4. Visualizaci\u00f3n<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Una vez realizado el proceso de ETL y el an\u00e1lisis estad\u00edstico de los datos disponibles, se procede a cargar el dataset en <a href=\"https:\/\/powerbi.microsoft.com\/en-au\/\">PowerBI<\/a> para la creaci\u00f3n de un dashboard que permita visualizar la informaci\u00f3n disponible:<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"681\" height=\"350\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-6-1.png\" alt=\"\" class=\"wp-image-12289\" srcset=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-6-1.png 681w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-6-1-300x154.png 300w\" sizes=\"(max-width: 681px) 100vw, 681px\" \/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\"><em>Imagen 6. Carga del dataset a PowerBI.<\/em><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Una vez cargada el dataset, se procede a realizar algunas <strong>transformaciones de los datos<\/strong>, solamente para facilitar la visualizaci\u00f3n, dichas transformaciones corresponden al tipo de dato de las columnas con informaci\u00f3n booleana, se pasa de 0 y 1 a tipo \u201ctrue\/false\u201d y en el caso de la<strong> columna Fraude<\/strong> se cambia el tipo de dato a texto y se reemplazan los 0 por la palabra \u201cno\u201d y los 1 por \u201csi\u201d. Cabe indicar que estas transformaciones se realizan solamente para efectos de facilitar la visualizaci\u00f3n, pero no modifican la fuente de los datos (el dataset).<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Con las transformaciones descritas anteriormente, se procede a crear el dashboard con la informaci\u00f3n relevante para el caso en estudio:<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"577\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-7-1-1024x577.png\" alt=\"\" class=\"wp-image-12283\" srcset=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-7-1-1024x577.png 1024w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-7-1-300x169.png 300w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-7-1-768x432.png 768w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Imagen-7-1.png 1307w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">En el dashboard se puede visualizar como <strong>dato principal la cantidad total de fraudes detectados<\/strong>, que corresponde a 87403 casos; lo cual representa el <strong>8.74% de las transacciones<\/strong>, f\u00e1cilmente observable en el gr\u00e1fico de pastel.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Adem\u00e1s, se muestra una tabla en la que se compara las medianas de las variables num\u00e9ricas para los casos fraude respecto a los no fraude, en dicha tabla se puede apreciar una diferencia significativa en las medianas de la variable <em>\u201craz\u00f3n respecto a la media de compra<\/em>\u201d en los <strong>casos de fraude<\/strong> (5.07) en comparaci\u00f3n a las <strong>transacciones no fraudulentas<\/strong> (0.91); tambi\u00e9n existe una diferencia importante en las medianas de la variable \u201c<em>distancia desde casa\u201d<\/em>, ya que en los casos de fraude la mediana es mucho mayor que los casos de no fraude; mientras que para la variable \u201cdistancia desde la \u00faltima transacci\u00f3n\u201d la diferencia de las medianas no es significativa (0.2).<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Por \u00faltimo, se muestran <strong>4 gr\u00e1ficos de barra<\/strong>, uno para cada variable booleana relacionadas a la variable fraude. Se puede observar f\u00e1cilmente en ellos que para los casos de fraude la mayor\u00eda de las transacciones se realizaron en el mismo<strong> minorista<\/strong>, tambi\u00e9n se aprecia que la mayor proporci\u00f3n de fraudes se realizaron en<strong> compras en l\u00ednea.<\/strong> Adem\u00e1s, se puede apreciar que las medidas de seguridad como el uso del chip y el n\u00famero de pin son efectivas para la prevenci\u00f3n de fraudes, siendo el uso de numero de pin m\u00e1s efectiva.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"5_Construccion_de_modelo_de_deteccion_de_fraudes\"><\/span><strong>5. Construcci\u00f3n de modelo de detecci\u00f3n de fraudes<br><\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Con el objetivo de realizar un <strong>modelo de detecci\u00f3n de fraudes<\/strong>, lo cual ser\u00eda un modelo de <strong>aprendizaje de clasificaci\u00f3n.<\/strong> En primera instancia se procede a determinar las variables a utilizar, como se determin\u00f3 al final del an\u00e1lisis estad\u00edstico, las variables que son influyentes para determinar si es fraude o no son todas excepto si la compra fue en el mismo minorista. Adem\u00e1s, esta variable ten\u00eda una alta correlaci\u00f3n con la variable distancia desde casa, por lo que solamente se debe utilizar una de ellas, esto representa una raz\u00f3n mas para descartar la variable <em>\u201crepeat_retailer\u201d<\/em>.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"1_Definicion_de_variables_de_entrada_y_salida\"><\/span>1. Definici\u00f3n de variables de entrada y salida.<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Con la informaci\u00f3n anterior, se procede a definir las variables de entrada y salida como primer paso de la construcci\u00f3n del modelo; se define tambi\u00e9n los datos de entrenamiento y prueba, siendo de prueba el 30% de los datos; adem\u00e1s, se realiza un escalado de los datos.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Una vez definido, se procede a realizar la predicci\u00f3n utilizando diferentes m\u00e9todos de aprendizaje supervisado.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"2_Arbol_de_decision\"><\/span>2. \u00c1rbol de decisi\u00f3n<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"653\" height=\"213\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/IaY7I5JNQZ-jh0SDnHsHLG-cUISiWtHudgeHZUbj3H9fAfAT6pzNdeqvqOzaziZkuy95tNDyVRPw0m3nvsOpGIt4V2EjsxuJDgGE.png\" alt=\"\" class=\"wp-image-12282\" srcset=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/IaY7I5JNQZ-jh0SDnHsHLG-cUISiWtHudgeHZUbj3H9fAfAT6pzNdeqvqOzaziZkuy95tNDyVRPw0m3nvsOpGIt4V2EjsxuJDgGE.png 653w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/IaY7I5JNQZ-jh0SDnHsHLG-cUISiWtHudgeHZUbj3H9fAfAT6pzNdeqvqOzaziZkuy95tNDyVRPw0m3nvsOpGIt4V2EjsxuJDgGE-300x98.png 300w\" sizes=\"(max-width: 653px) 100vw, 653px\" \/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Se realiza una matriz de confusi\u00f3n para verificar la calidad del modelo<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"546\" height=\"98\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/RfzQSZ0u_6nSruQZiSRaosGwq9Zz5bEnwkoCNdbGTT-IT0u6gQJaOhKnskYsQ3gK-BQR2iaIDGMh0JAPQ4xPqDxd-oLO9eG64Ekw.png\" alt=\"\" class=\"wp-image-12281\" srcset=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/RfzQSZ0u_6nSruQZiSRaosGwq9Zz5bEnwkoCNdbGTT-IT0u6gQJaOhKnskYsQ3gK-BQR2iaIDGMh0JAPQ4xPqDxd-oLO9eG64Ekw.png 546w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/RfzQSZ0u_6nSruQZiSRaosGwq9Zz5bEnwkoCNdbGTT-IT0u6gQJaOhKnskYsQ3gK-BQR2iaIDGMh0JAPQ4xPqDxd-oLO9eG64Ekw-300x54.png 300w\" sizes=\"(max-width: 546px) 100vw, 546px\" \/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Resultado de la matriz de confusi\u00f3n:<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"411\" height=\"72\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/cTg2t5XjRWq_PKWzMxnwKy2SOBOSq_XIGPSDDnXYD-kr5Q22wmYri558JJlEPQG_TI-zyPbWrqdNvYE6dWEFg3BtSuGBEz66IkWM.png\" alt=\"\" class=\"wp-image-12280\" srcset=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/cTg2t5XjRWq_PKWzMxnwKy2SOBOSq_XIGPSDDnXYD-kr5Q22wmYri558JJlEPQG_TI-zyPbWrqdNvYE6dWEFg3BtSuGBEz66IkWM.png 411w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/cTg2t5XjRWq_PKWzMxnwKy2SOBOSq_XIGPSDDnXYD-kr5Q22wmYri558JJlEPQG_TI-zyPbWrqdNvYE6dWEFg3BtSuGBEz66IkWM-300x53.png 300w\" sizes=\"(max-width: 411px) 100vw, 411px\" \/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Seg\u00fan lo mostrado en la matriz de confusi\u00f3n se procede a calcular las m\u00e9tricas que nos indiquen la calidad del modelo. Tenemos lo siguiente:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">TP = 273905<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">FP = 2<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">FN = 2<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">TN = 26091<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Accuracy = 0.9999<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Se aprecia un accuracy muy bueno; sin embargo, como se apreci\u00f3 en el an\u00e1lisis estad\u00edstico los casos de fraude corresponde a un 8.7% de los datos, por lo que se tienen los datos desbalanceados, es decir, se tiene muchos datos de una clase (no fraude) y pocos de otra (fraude). Dado lo anterior, se procede a calcular el F1 score, la cual es la m\u00e9trica m\u00e1s adecuada para este tipo de casos.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Precision = 0.9999<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Recall = 0.9999<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">F1 score = 0.9999<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Se puede apreciar que el F1 score es muy cercano a 1 por lo que se puede concluir que el modelo tiene muy buena calidad y tendr\u00e1 mucha efectividad al predecir pr\u00f3ximas transacciones fraudulentas.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"3_Random_Forest\"><\/span>3. Random Forest<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"704\" height=\"290\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/e7G9mleIe8YNzIPFiqOaoIOhJgTslJ90I2pbOKtCA_x0Lal0x0_5JNmN2wGIOXwVIVtTG-t3aiRer0I7DoJt-rAp5TVKlcMDrken.png\" alt=\"\" class=\"wp-image-12279\" srcset=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/e7G9mleIe8YNzIPFiqOaoIOhJgTslJ90I2pbOKtCA_x0Lal0x0_5JNmN2wGIOXwVIVtTG-t3aiRer0I7DoJt-rAp5TVKlcMDrken.png 704w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/e7G9mleIe8YNzIPFiqOaoIOhJgTslJ90I2pbOKtCA_x0Lal0x0_5JNmN2wGIOXwVIVtTG-t3aiRer0I7DoJt-rAp5TVKlcMDrken-300x124.png 300w\" sizes=\"(max-width: 704px) 100vw, 704px\" \/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Se muestra el resultado de la matriz de confusi\u00f3n.<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"352\" height=\"62\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/2YpaFocVKsWj-P0GDMEDQ0hDrx20qRc2JEcmo5-ZcAmS0vds6zxeDhAUlRiIU3UzHoz4tkjys1bfpNxR3u7PsOepwRtLzvYfob31.png\" alt=\"\" class=\"wp-image-12278\" srcset=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/2YpaFocVKsWj-P0GDMEDQ0hDrx20qRc2JEcmo5-ZcAmS0vds6zxeDhAUlRiIU3UzHoz4tkjys1bfpNxR3u7PsOepwRtLzvYfob31.png 352w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/2YpaFocVKsWj-P0GDMEDQ0hDrx20qRc2JEcmo5-ZcAmS0vds6zxeDhAUlRiIU3UzHoz4tkjys1bfpNxR3u7PsOepwRtLzvYfob31-300x53.png 300w\" sizes=\"(max-width: 352px) 100vw, 352px\" \/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Como se puede apreciar tiene el mismo resultado que con el \u00e1rbol de decisi\u00f3n.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"4_K-nearest_neighbors\"><\/span>4. K-nearest neighbors<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"776\" height=\"228\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/7cvYrWWtMx-Y1L2a5aRc8faVDTQuW-qy3uqF-h6sV_1i_DH6CnLn93heTQWBbOdFCA0dtLf1494bAavOPV7YlCFnzhgF8M5LYzpb.png\" alt=\"\" class=\"wp-image-12277\" srcset=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/7cvYrWWtMx-Y1L2a5aRc8faVDTQuW-qy3uqF-h6sV_1i_DH6CnLn93heTQWBbOdFCA0dtLf1494bAavOPV7YlCFnzhgF8M5LYzpb.png 776w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/7cvYrWWtMx-Y1L2a5aRc8faVDTQuW-qy3uqF-h6sV_1i_DH6CnLn93heTQWBbOdFCA0dtLf1494bAavOPV7YlCFnzhgF8M5LYzpb-300x88.png 300w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/7cvYrWWtMx-Y1L2a5aRc8faVDTQuW-qy3uqF-h6sV_1i_DH6CnLn93heTQWBbOdFCA0dtLf1494bAavOPV7YlCFnzhgF8M5LYzpb-768x226.png 768w\" sizes=\"(max-width: 776px) 100vw, 776px\" \/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Resultado de la matriz de confusi\u00f3n.<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"222\" height=\"65\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/Zqd6JJ6yBernplUTPzChEHxhy7drKlqvernt0HiYIbJ0Qk2Ezn0e4trHjFcivC7dvfNN9z8H8NCfS-fVUFvi4rHV81trisxMWJrc.png\" alt=\"\" class=\"wp-image-12276\"\/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Con la matriz anterior se puede apreciar que la calidad de este modelo es menor que la del modelo con el m\u00e9todo de \u00e1rbol de decisi\u00f3n. Se calculan las m\u00e9tricas de evaluaci\u00f3n del modelo:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">TP = 273713<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">FP = 194<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">FN = 500<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">TN = 25593<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Accuracy = 0.9977<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Precision = 0.9993<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Recall = 0.9982<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">F1 score = 0.9987<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"5_Naive_bayes\"><\/span>5. Naive bayes<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"467\" height=\"210\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/5gqPXS_gOjYYFUWkJUFR3aggmJwWo0ladB9DUnQHfJbzIc3vjuOHqce61Um1euKkUyhOvKcW5wHjOIg-HJQT08r0_uFCndkscvLE.png\" alt=\"\" class=\"wp-image-12275\" srcset=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/5gqPXS_gOjYYFUWkJUFR3aggmJwWo0ladB9DUnQHfJbzIc3vjuOHqce61Um1euKkUyhOvKcW5wHjOIg-HJQT08r0_uFCndkscvLE.png 467w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/5gqPXS_gOjYYFUWkJUFR3aggmJwWo0ladB9DUnQHfJbzIc3vjuOHqce61Um1euKkUyhOvKcW5wHjOIg-HJQT08r0_uFCndkscvLE-300x135.png 300w\" sizes=\"(max-width: 467px) 100vw, 467px\" \/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Resultado de la matriz de confusi\u00f3n:<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"296\" height=\"73\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/d3O4nQD7epAiDz8yMhv3IHHGrtledaRJOueyoABfpqGLNTm6pjkaUIk4_pZnowCBMFSwmN80k-hoL5fhF2tt7eF3sf9g_GzI7heL.png\" alt=\"\" class=\"wp-image-12274\"\/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Se puede observar que con este m\u00e9todo la calidad del modelo decae a\u00fan m\u00e1s en comparaci\u00f3n con los modelos anteriores. Se muestran las m\u00e9tricas de evaluaci\u00f3n:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">TP = 269793<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">FP = 4114<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">FN = 10801<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">TN = 15292<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Accuracy = 0.9503<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Precision = 0.9850<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Recall = 0.9615<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">F1 score = 0.9731<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"_6_Comparacion_de_los_modelos\"><\/span>&nbsp;6. Comparaci\u00f3n de los modelos<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Finalmente, a modo de resumen se muestra una tabla comparativa de las m\u00e9tricas de los diferentes modelos utilizados, donde se puede apreciar que el m\u00e9todo con mejor m\u00e9tricas y por tanto el que debe usarse es el \u00e1rbol de decisi\u00f3n con un F1 score de 99.99%<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"140\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/4fSrPCE-_yLKukFl53PIhsJGFeW4i68VC8A5rxxFFzs9Otx0-rCykipOHyvfQ4GtXFfAZRGaFRtchuh70dm1v3Fpwdwqur3wygPJ-1024x140.png\" alt=\"\" class=\"wp-image-12273\" srcset=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/4fSrPCE-_yLKukFl53PIhsJGFeW4i68VC8A5rxxFFzs9Otx0-rCykipOHyvfQ4GtXFfAZRGaFRtchuh70dm1v3Fpwdwqur3wygPJ-1024x140.png 1024w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/4fSrPCE-_yLKukFl53PIhsJGFeW4i68VC8A5rxxFFzs9Otx0-rCykipOHyvfQ4GtXFfAZRGaFRtchuh70dm1v3Fpwdwqur3wygPJ-300x41.png 300w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/4fSrPCE-_yLKukFl53PIhsJGFeW4i68VC8A5rxxFFzs9Otx0-rCykipOHyvfQ4GtXFfAZRGaFRtchuh70dm1v3Fpwdwqur3wygPJ-768x105.png 768w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/4fSrPCE-_yLKukFl53PIhsJGFeW4i68VC8A5rxxFFzs9Otx0-rCykipOHyvfQ4GtXFfAZRGaFRtchuh70dm1v3Fpwdwqur3wygPJ-1536x209.png 1536w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/4fSrPCE-_yLKukFl53PIhsJGFeW4i68VC8A5rxxFFzs9Otx0-rCykipOHyvfQ4GtXFfAZRGaFRtchuh70dm1v3Fpwdwqur3wygPJ.png 1600w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"7_Clustering\"><\/span><strong>7. Clustering<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Otra parte importante para el negocio es categorizar las transacciones, haciendo<strong> uso de las ventajas que brinda el machine learning y data mining<\/strong> se procede a realizar el clustering. Para este objetivo se trabaj\u00f3 con las variables num\u00e9ricas disponibles en el dataset. Como se pudo apreciar en la visualizaci\u00f3n (dashboard de PowerBI), las variables<em> \u201cdistancia desde casa\u201d<\/em> y <em>\u201craz\u00f3n respecto a la media de compra\u201d<\/em> fueron las variables que presentaron mayor variaci\u00f3n en las medianas cuando se analizaban por separado los casos fraude respecto a los que no son fraude; es por esta raz\u00f3n que se toman estas dos variables para el proceso de Clustering.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Para determinar la cantidad id\u00f3nea de cluster se utiliza el m\u00e9todo Elbow.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">A continuaci\u00f3n, se muestran los resultados de dicho m\u00e9todo, como se puede apreciar la cantidad de cluster a usar es 3.<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"818\" height=\"127\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/OreR_qBwQ5QFr2Tos1iB2KqxDgKjysF8VssVbwComqpX0EaXxvv8jnBZSn5Jq_3A7dKMg4vt8CkMQvmfyRPmbpfacw3OkwwRIC7r.png\" alt=\"\" class=\"wp-image-12272\" srcset=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/OreR_qBwQ5QFr2Tos1iB2KqxDgKjysF8VssVbwComqpX0EaXxvv8jnBZSn5Jq_3A7dKMg4vt8CkMQvmfyRPmbpfacw3OkwwRIC7r.png 818w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/OreR_qBwQ5QFr2Tos1iB2KqxDgKjysF8VssVbwComqpX0EaXxvv8jnBZSn5Jq_3A7dKMg4vt8CkMQvmfyRPmbpfacw3OkwwRIC7r-300x47.png 300w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/OreR_qBwQ5QFr2Tos1iB2KqxDgKjysF8VssVbwComqpX0EaXxvv8jnBZSn5Jq_3A7dKMg4vt8CkMQvmfyRPmbpfacw3OkwwRIC7r-768x119.png 768w\" sizes=\"(max-width: 818px) 100vw, 818px\" \/><\/figure>\n\n\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"386\" height=\"278\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/IwPsYgJSK-lC0W4VSfS8_M1yIomY0uEkrD6Y8etiSqh2rpOV8fP_JjblRy2DKV2demhU9fVnAvNdB7QQ4HIN7JLfEL-OytBymSC-.png\" alt=\"\" class=\"wp-image-12271\" srcset=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/IwPsYgJSK-lC0W4VSfS8_M1yIomY0uEkrD6Y8etiSqh2rpOV8fP_JjblRy2DKV2demhU9fVnAvNdB7QQ4HIN7JLfEL-OytBymSC-.png 386w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/IwPsYgJSK-lC0W4VSfS8_M1yIomY0uEkrD6Y8etiSqh2rpOV8fP_JjblRy2DKV2demhU9fVnAvNdB7QQ4HIN7JLfEL-OytBymSC--300x216.png 300w\" sizes=\"(max-width: 386px) 100vw, 386px\" \/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\"><em>Imagen 8. WCSS en funci\u00f3n de K (n\u00famero de clusters).<\/em><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Una vez definida la cantidad \u00f3ptima de clusters, se procede a realizar el clustering y a graficar para apreciar la distribuci\u00f3n de los datos en cada uno de los clusters:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><img loading=\"lazy\" decoding=\"async\" width=\"150\" height=\"99\" class=\"wp-image-12270\" style=\"width: 150px;\" src=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/ceaYyCFAqLCYj60jUNegNAB9Hu6uLdpNWr1QGSvh4zLjiKE3yJE5DmbapCRAhDtbpg4Zp38c-mAldyWD_ulZg9KMS1Ci3gGd1hfU.png\" alt=\"\" srcset=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/ceaYyCFAqLCYj60jUNegNAB9Hu6uLdpNWr1QGSvh4zLjiKE3yJE5DmbapCRAhDtbpg4Zp38c-mAldyWD_ulZg9KMS1Ci3gGd1hfU.png 375w, https:\/\/blog.structuralia.com\/wp-content\/uploads\/2025\/04\/ceaYyCFAqLCYj60jUNegNAB9Hu6uLdpNWr1QGSvh4zLjiKE3yJE5DmbapCRAhDtbpg4Zp38c-mAldyWD_ulZg9KMS1Ci3gGd1hfU-300x198.png 300w\" sizes=\"(max-width: 150px) 100vw, 150px\" \/><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En el gr\u00e1fico se puede apreciar un primer cluster (azul) con transacciones que est\u00e1n cerca de casa pero con raz\u00f3n respecto a la media de compra alta. Adem\u00e1s, un segundo cluster (rojo) con transacciones que tienen una distancia desde casa media y la raz\u00f3n respecto a la media de compra tambi\u00e9n media. Por \u00faltimo, un tercer cluster (verde) con raz\u00f3n respecto a la media de compra baja y distancia desde casa alta.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"8_Conclusiones\"><\/span><strong>8. Conclusiones<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<ul class=\"wp-block-list\">\n<li>The <strong>dataset card_transdata<\/strong> tiene una buena calidad de los datos en su fuente original por lo que el tratamiento para los procesos posteriores es m\u00ednimo.<\/li>\n\n\n\n<li>El 8.7% de las transacciones en estudio corresponde a fraudes.<\/li>\n\n\n\n<li>Producto del <strong>estudio estad\u00edstico,<\/strong> se determina que las variables \u201cdistancia desde casa\u201d y \u201cmismo minorista\u201d tienen correlaci\u00f3n.<\/li>\n\n\n\n<li>Con respecto a fraude, se <strong>determin\u00f3 que todas las variables del dataset<\/strong> son influyentes excepto la variable \u201cmismo minorista\u201d.<\/li>\n\n\n\n<li>En el<strong> estudio de correlaciones<\/strong> se aprecia c\u00f3mo las medidas de seguridad adoptadas como uso de chip y uso de n\u00famero de pin son efectivas para evitar el fraude ya que tienen una correlaci\u00f3n negativa con los casos fraude.<\/li>\n\n\n\n<li>Se realizan diferentes modelos haciendo uso m\u00e9todos de aprendizaje supervisado con el fin de detectar casos de fraude, siendo el m\u00e1s efectivo el modelo que utiliza el m\u00e9todo \u00e1rbol de decisi\u00f3n, con un F1 score de 99.99%, por lo tanto, es el <strong>modelo que se debe utilizar.<\/strong><\/li>\n\n\n\n<li>Se realiz\u00f3 la categorizaci\u00f3n de las transacciones en <strong>3 clusters<\/strong>, utilizando las variables continuas \u201cdistancia desde casa y \u201craz\u00f3n respecto a la media de compra\u201d, haciendo uso del m\u00e9todo elbow para determinar la cantidad \u00f3ptima de cluster y utilizando el algoritmo K-Means para el clustering en s\u00ed.<\/li>\n<\/ul>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<p class=\"wp-block-paragraph\">El equipo de Structuralia agradece a Magaly Fonseca por su excelente trabajo realizado. \u00a1Mucho \u00e9xito en su carrera profesional y en todos los desaf\u00edos que se proponga por delante!<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"RESENA_DEL_AUTOR\"><\/span><strong>RESE\u00d1A DEL AUTOR:<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\"><strong><\/strong><a href=\"https:\/\/www.linkedin.com\/in\/magaly-fonseca-94309152\/\">Magaly Fonseca Maroto<\/a>, graduada en licenciatura en <strong>Ingenier\u00eda en Producci\u00f3n Industrial del Instituto Tecnol\u00f3gico de Costa Rica<\/strong>. Tambi\u00e9n curs\u00f3 un t\u00e9cnico en redes de computadoras, adem\u00e1s de poseer estudios en Six Sigma Green Belt, Servicio al Cliente y PowerBI. Recientemente ha obtenido un <strong>M\u00e1ster en Big Data y Business Analytics<\/strong> en <strong>Structuralia.<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Trabaja desde hace 12 a\u00f1os en la empresa estatal de electricidad y telecomunicaciones en Costa Rica ICE (Instituto Costarricense de Electricidad), donde ha liderado diferentes equipos de trabajo t\u00e9cnicos y se encarga de realizar informes de gesti\u00f3n del \u00e1rea y participar en proyectos de mejora.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"TESTIMONIO_DEL_AUTOR\"><\/span><strong>TESTIMONIO DEL AUTOR:<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>1. \u00bfPor qu\u00e9 elegiste Structuralia?<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><em>\u00abEleg\u00ed Structuralia por la facilidad de estudiar online. El plan de estudio me pareci\u00f3 muy completo y acorde a mis necesidades y adem\u00e1s tuve la facilidad de optar por una beca de la OEA.<\/em><em>\u00ab<\/em><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>2. \u00bfQu\u00e9 es lo que m\u00e1s destacar\u00edas del m\u00e1ster?<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><em>\u00abLo que destaco del m\u00e1ster en Big Data y Business Analytics es la amplitud de los temas abordados, como profesional en ingenier\u00eda industrial sin conocimientos robustos en computaci\u00f3n y programaci\u00f3n, la manera en que el m\u00e1ster abarca los temas me permiti\u00f3 una mayor comprensi\u00f3n y aplicaci\u00f3n. Me parece muy bien que la metodolog\u00eda se centre en que el estudiante entienda a fondo cada uno de los temas con amplio fundamento te\u00f3rico junto con la pr\u00e1ctica, la cual es muy importante para interiorizar lo visto en la teor\u00eda.<br>Adem\u00e1s, el hecho de poder ir desarrollando los temas de manera individual seg\u00fan el propio ritmo del estudiante es un punto muy favorable en Structuralia, sumado a la plataforma la cual es muy amigable y la manera en que va indicando el porcentaje de avance del m\u00f3dulo y del m\u00e1ster en general es muy \u00fatil\u00bb.<\/em><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>3. \u00bfEn qu\u00e9 te ha ayudado o crees que te podr\u00eda ayudar en tu actual o futuro desarrollo profesional?<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><em>\u00abDurante mi desarrollo profesional he logrado entender la importancia de contar con los datos de manera r\u00e1pida, oportuna y eficaz para transformarlos en informaci\u00f3n que permita la toma de decisiones de una manera robusta y acertada, este m\u00e1ster me ha ayudado a complementar mi carrera como ingeniera industrial y potencializar con los conocimientos en Big Data y Business Analytics, siendo temas que se encuentran en auge estoy segura que el conocimiento adquirido me abrir\u00e1 muchas puertas para seguir creciendo profesionalmente y contribuir en el desarrollo de la empresa en la que me desenvuelva\u00bb.<\/em><\/p>","protected":false},"excerpt":{"rendered":"<p>Descubre c\u00f3mo un alumno ha desarrollado un modelo innovador para detectar fraudes en transacciones y combatir los ciberataques en este TFM.<\/p>","protected":false},"author":9,"featured_media":8475,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_ayudawp_aiss_exclude":false,"_ayudawp_aiss_summary":"","_ayudawp_aiss_summary_provider":"","_ayudawp_aiss_summary_hash":"","footnotes":""},"categories":[266],"tags":[],"class_list":["post-8014","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-transformacion-digital"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.8 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Proyecto TFM: Modelo para la detecci\u00f3n de fraudes en transacciones - Blog de Structuralia<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/blog.structuralia.com\/en\/wp-json\/wp\/v2\/posts\/8014\" \/>\n<meta property=\"og:locale\" content=\"en_US\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Proyecto TFM: Modelo para la detecci\u00f3n de fraudes en transacciones - Blog de Structuralia\" \/>\n<meta property=\"og:description\" content=\"Descubre c\u00f3mo un alumno ha desarrollado un modelo innovador para detectar fraudes en transacciones y combatir los ciberataques en este TFM.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/\" \/>\n<meta property=\"og:site_name\" content=\"Blog de Structuralia\" \/>\n<meta property=\"article:published_time\" content=\"2025-04-22T07:00:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-03-27T12:46:00+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2024\/12\/Proyecto-TF-Magaly-Fonseca.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1050\" \/>\n\t<meta property=\"og:image:height\" content=\"550\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Equipo de redactores\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"Equipo de redactores\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"16 minutes\" \/>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Proyecto TFM: Modelo para la detecci\u00f3n de fraudes en transacciones - Blog de Structuralia","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/blog.structuralia.com\/en\/wp-json\/wp\/v2\/posts\/8014","og_locale":"en_US","og_type":"article","og_title":"Proyecto TFM: Modelo para la detecci\u00f3n de fraudes en transacciones - Blog de Structuralia","og_description":"Descubre c\u00f3mo un alumno ha desarrollado un modelo innovador para detectar fraudes en transacciones y combatir los ciberataques en este TFM.","og_url":"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/","og_site_name":"Blog de Structuralia","article_published_time":"2025-04-22T07:00:00+00:00","article_modified_time":"2026-03-27T12:46:00+00:00","og_image":[{"width":1050,"height":550,"url":"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2024\/12\/Proyecto-TF-Magaly-Fonseca.jpg","type":"image\/jpeg"}],"author":"Equipo de redactores","twitter_card":"summary_large_image","twitter_misc":{"Written by":"Equipo de redactores","Est. reading time":"16 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#article","isPartOf":{"@id":"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/"},"author":{"name":"Equipo de redactores","@id":"https:\/\/blog.structuralia.com\/#\/schema\/person\/87ddd066f2b0e01e832284f797138b7b"},"headline":"Proyecto TFM: Modelo para la detecci\u00f3n de fraudes en transacciones","datePublished":"2025-04-22T07:00:00+00:00","dateModified":"2026-03-27T12:46:00+00:00","mainEntityOfPage":{"@id":"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/"},"wordCount":3143,"commentCount":0,"publisher":{"@id":"https:\/\/blog.structuralia.com\/#organization"},"image":{"@id":"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#primaryimage"},"thumbnailUrl":"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2024\/12\/Proyecto-TF-Magaly-Fonseca.jpg","articleSection":["Transformaci\u00f3n digital"],"inLanguage":"en-US","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/","url":"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/","name":"Proyecto TFM: Modelo para la detecci\u00f3n de fraudes en transacciones - Blog de Structuralia","isPartOf":{"@id":"https:\/\/blog.structuralia.com\/#website"},"primaryImageOfPage":{"@id":"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#primaryimage"},"image":{"@id":"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#primaryimage"},"thumbnailUrl":"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2024\/12\/Proyecto-TF-Magaly-Fonseca.jpg","datePublished":"2025-04-22T07:00:00+00:00","dateModified":"2026-03-27T12:46:00+00:00","breadcrumb":{"@id":"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#breadcrumb"},"inLanguage":"en-US","potentialAction":[{"@type":"ReadAction","target":["https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/"]}]},{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#primaryimage","url":"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2024\/12\/Proyecto-TF-Magaly-Fonseca.jpg","contentUrl":"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2024\/12\/Proyecto-TF-Magaly-Fonseca.jpg","width":1050,"height":550,"caption":"Proyecto TFM Magaly Fonseca"},{"@type":"BreadcrumbList","@id":"https:\/\/blog.structuralia.com\/en\/proyecto-tfm-modelo-para-la-deteccion-de-fraudes-en-transacciones\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Inicio","item":"https:\/\/blog.structuralia.com"},{"@type":"ListItem","position":2,"name":"Transformaci\u00f3n digital","item":"https:\/\/blog.structuralia.com\/en\/transformacion-digital"},{"@type":"ListItem","position":3,"name":"Proyecto TFM: Modelo para la detecci\u00f3n de fraudes en transacciones"}]},{"@type":"WebSite","@id":"https:\/\/blog.structuralia.com\/#website","url":"https:\/\/blog.structuralia.com\/","name":"Structuralia's Official Blog","description":"On our blog, we create specialized content to keep you up to date on all the latest news, trends, and tips related to engineering.","publisher":{"@id":"https:\/\/blog.structuralia.com\/#organization"},"alternateName":"STRUCTURALIA","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/blog.structuralia.com\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"en-US"},{"@type":"Organization","@id":"https:\/\/blog.structuralia.com\/#organization","name":"Structuralia Blog","url":"https:\/\/blog.structuralia.com\/","logo":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/blog.structuralia.com\/#\/schema\/logo\/image\/","url":"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2026\/01\/logo.svg","contentUrl":"https:\/\/blog.structuralia.com\/wp-content\/uploads\/2026\/01\/logo.svg","width":36,"height":38,"caption":"Blog de Structuralia"},"image":{"@id":"https:\/\/blog.structuralia.com\/#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/blog.structuralia.com\/#\/schema\/person\/87ddd066f2b0e01e832284f797138b7b","name":"Editorial Team","image":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/secure.gravatar.com\/avatar\/6047234e84771ae0815c2fc62265d85296754868378b6dd88865366408801df4?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/6047234e84771ae0815c2fc62265d85296754868378b6dd88865366408801df4?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/6047234e84771ae0815c2fc62265d85296754868378b6dd88865366408801df4?s=96&d=mm&r=g","caption":"Equipo de redactores"},"url":"https:\/\/blog.structuralia.com\/en\/autor\/equipo-de-redactores\/"}]}},"views":255,"_links":{"self":[{"href":"https:\/\/blog.structuralia.com\/en\/wp-json\/wp\/v2\/posts\/8014","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blog.structuralia.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.structuralia.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.structuralia.com\/en\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.structuralia.com\/en\/wp-json\/wp\/v2\/comments?post=8014"}],"version-history":[{"count":0,"href":"https:\/\/blog.structuralia.com\/en\/wp-json\/wp\/v2\/posts\/8014\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blog.structuralia.com\/en\/wp-json\/wp\/v2\/media\/8475"}],"wp:attachment":[{"href":"https:\/\/blog.structuralia.com\/en\/wp-json\/wp\/v2\/media?parent=8014"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.structuralia.com\/en\/wp-json\/wp\/v2\/categories?post=8014"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.structuralia.com\/en\/wp-json\/wp\/v2\/tags?post=8014"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}