Un elemento importante en el apalancamiento de las industrias o empresas es el crédito, el cual posibilita los planes de producción, de inversión, la adquisición de bienes o servicios o simplemente el alivio de estrés financiero en las organizaciones. Esta herramienta es muy utilizada por las instituciones financieras, las cuales cuentan con metodologías, políticas e información importante para otorgar el crédito. Sin embargo, cuando son las empresas del sector real las que se enfrentan a mecanismos de venta a plazo o de financiación, no se cuenta con todos los elementos para hacer operaciones de venta estratégicas y controladas, que no solo le permitan aumentar la participación en el mercado sino también evitar posibles pérdidas económicas. Con el fin de administrar mejor lo que en el argot financiero es llamado riesgo de crédito, se planteará para una empresa de prestación de servicios públicos que tiene clientes del sector industrial, empresarial y comercial, una metodología para valorar el riesgo de crédito por medio de la aplicación de técnicas estadísticas de clasificación de dichos clientes. Se analizará la aplicación de algunos métodos estadísticos, tales como la regresión logística, regresión logística multinomial, regresión logística multinomial ordinal y máquinas de soporte vectorial. Para la construcción de la metodología, se calcularon indicadores financieros, se recopiló información de morosidad interna para las empresas y se consultó información complementaria de algunos atributos geográficos y modelos alternos al interior de la compañía. Se presentan herramientas importantes para la selección de variables, balanceo de muestras y medidas de desempeño para los modelos aplicados. Entre los resultados fue necesario realizar comparaciones individuales para los modelos que presentan variables dicotómicas y los que presentan más de dos niveles en la etiqueta. Para la variable dicotómica Impago o Default, se destacaron los modelos con balanceo Oversampling tanto para la regresión logística como para el modelo de máquinas de soporte con kernel radial. Mientras que para la variable relacionada con la clasificación en tres niveles del riesgo, los modelos con mejores resultados correspondieron al modelo de máquinas de soporte con Kernel lineal o el modelo de regresión multinomial. (Texto tomado de la fuente)