Bianchi, Alejandro2025-11-182025-11-182025Nuñez Bravo, J. N. (2025). Curvas de movilidad salarial a partir de la segmentación de afiliados al sistema previsional uruguayo (Proyecto). Universidad ORT Uruguay, Facultad de Ingeniería. Recuperado de https://rad.ort.edu.uy/handle/20.500.11968/7758https://hdl.handle.net/20.500.11968/7758Incluye bibliografía y anexos.El siguiente proyecto tiene como objetivo principal generar curvas de movilidad salarial por sector de actividad mediante la segmentación de afiliados al sistema previsional uruguayo. Esta propuesta surge como una alternativa a la metodología histórica del Banco de Previsión Social (BPS), que clasifica a los individuos únicamente por sexo y sector de actividad, y estima para cada grupo trayectorias salariales promedio según la edad. Dado que cerca del 70% de la fuerza laboral activa se concentra en el sector Industria y Comercio, este enfoque tradicional genera una segmentación poco detallada, lo cual puede afectar la precisión de las proyecciones salariales y, en consecuencia, la fiabilidad de las estimaciones jubilatorias. Contar con proyecciones más precisas es fundamental para mejorar la planificación previsional individual y para que las Administradoras de Fondos de Ahorro Previsional (AFAP) puedan estimar de forma más exacta los flujos futuros a administrar, así como sus ingresos por comisiones en el corto y mediano plazo. Por ello, los resultados del trabajo no constituyen un producto final, sino un insumo esencial para el motor de cálculo jubilatorio utilizado por dichas administradoras. El estudio incorpora mejoras metodológicas respecto a desarrollos previos, asegurando la validez de los resultados y proporcionando eficiencia y escalabilidad para futuras ejecuciones. Tras un extenso proceso de preprocesamiento de datos, experimentación con diversos modelos de aprendizaje no supervisado y definición de métricas de desempeño, se seleccionó un esquema basado en el algoritmo k-means, complementado con reducción de dimensionalidad mediante Factorial Analysis for Mixed Data (FAMD). Esta combinación permitió integrar variables categóricas y continuas, disminuir el ruido y mejorar la separación entre grupos, fortaleciendo así la calidad de las curvas generadas.96 p. diagrs., tbls., grafs.PDFAcceso abiertoPROYECTOS-MDSISTEMAS DE PREVISION SOCIALANALISIS DE CLUSTERSTRABAJOBENCHMARKINGTrabajo final de carrera