Plan de negocio de una start-up innovadora

Abstract

El presente Trabajo de Fin de Grado desarrolla y valida empíricamente el modelo predictivo que constituye el núcleo de SiteGuard, una solución analítica destinada al sector de las towercos europeas. Partiendo de un conjunto de datos real de 11.501 eventos de renovación de contratos de arrendamiento de suelo cedido por una towerco europea, se construye un modelo de clasificación binaria capaz de asignar a cada evento de renovación una probabilidad cuantitativa de pérdida y de generar, a partir de ella, un ranking de riesgo accionable para los equipos de gestión de cartera. La aproximación metodológica prioriza la interpretabilidad sobre la complejidad. Tras un análisis exploratorio que identifica las señales operativas y contractuales asociadas a la pérdida, se entrena una regresión logística con regularización L2 y ponderación de clases para gestionar el desbalanceo del problema (78,6% de continuidades frente a 21,4% de pérdidas). El modelo final alcanza un área bajo la curva ROC de 0,913, con una capacidad de recuperación de la clase minoritaria del 83%, y demuestra una eficacia de priorización elevada: el 20% de eventos de mayor riesgo concentra cerca del 68% de las pérdidas reales, lo que multiplica por más de tres la eficiencia de una revisión aleatoria de la cartera. Los resultados confirman la viabilidad técnica de la propuesta y aportan el respaldo empírico sobre el que se construye el plan de negocio desarrollado en el Trabajo de Fin de Grado paralelo de la titulación de Administración y Dirección de Empresas.This Undergraduate Work develops and empirically validates the predictive model at the core of SiteGuard, an analytical solution designed for the European towerco sector. Drawing on a real dataset of 11,501 ground-lease renewal events provided by a European towerco, a binary classification model is built to assign each renewal event a quantitative probability of loss and to generate, from it, an actionable risk ranking for portfolio management teams. The methodological approach prioritizes interpretability over complexity. Following an exploratory analysis that identifies the operational and contractual signals associated with loss, a logistic regression with L2 regularization and class weighting is trained to handle the problem's imbalance (78.6% continuity versus 21.4% loss). The final model achieves an area under the ROC curve of 0.913, with an 83% recall of the minority class, and demonstrates strong prioritization power: the top 20% of highest-risk events concentrates close to 68% of actual losses, more than tripling the efficiency of a random portfolio review. The results confirm the technical feasibility of the proposal and provide the empirical backbone supporting the business plan developed in the parallel Undergraduate Work of the Business Administration degree program.