Maestría en Analítica e Inteligencia de Negocios

URI permanente para esta colecciónhttps://hdl.handle.net/20.500.14625/23

Examinar

Mostrando 1 - 20 de 61

Modelo de gestión para reducir la morosidad en un fondo de empleados del sector privado: un enfoque basado en análisis de datos (2021-2023)
(2024) Contreras Vega, Oscar Mauricio; Serrano León, Katherine
Como propósito la presente investigación busca identificar factores que contribuyen a la reducción de la morosidad en el fondo de empleados, utilizando un modelo de predicción de Machine Learning que permita clasificar a sus afiliados según el riesgo de incumplimiento. De la misma forma se busca contribuir a la gestión en reducción del riesgo crediticio mediante la implementación de un sistema, el cual a través de un análisis de datos facilite la identificación de patrones, clasifique el riesgo y priorice acciones que de manera preventiva permitan reducir justamente los índices de morosidad. El enfoque de la investigación es cuantitativo y se basa en la aplicación de modelos y técnicas propias del Machine Learning. Para ello, se utilizaron datos históricos y analizaron variables socioeconómicas que permitieran predecir la probabilidad de incumplimiento en los pagos. Con el propósito de seleccionar el modelo estadístico más adecuado, se compararon los modelos Regresión Logística, Máquina de Soporte Vectorial (SVM), Naive Bayes y Random Forest, respectivamente. La identificación del modelo más preciso se realizó mediante la evaluación de las métricas de desempeño: precisión, recall y el área bajo la curva (AUC). Se evidencio en los resultados obtenidos que el modelo Random Forest alcanzo una precisión del 98% haciéndolo altamente recomendado para el análisis del riesgo de morosidad.
Principales determinantes y su impacto en la ocupación hotelera: el caso del Hotel Estelar La Fontana, Bogotá (2019-2023)
(2025) Pérez Triana, Laura Catalina; Heredia González, Jaime Andrés; Vargas Becerra, David Esteban; Flórez Bolaños, Jaime
Este estudio presenta un modelo predictivo para la gestión de la ocupación hotelera en el Hotel Estelar La Fontana, ubicado en Bogotá, Colombia, durante el periodo 2019-2023. El modelo, desarrollado utilizando un enfoque cuantitativo y técnicas como ARIMA, ARIMAX y VECM, permite anticipar de manera eficaz la demanda de habitaciones, optimizando la asignación de recursos y la rentabilidad del hotel. Los resultados mostraron que, aunque todos los modelos evaluados exhibieron un buen desempeño, el ARIMAX destacó por su capacidad para integrar variables macroeconómicas como la TRM, la inflación y el precio del petróleo Brent, logrando un ajuste más preciso a la realidad. El análisis identificó que las variables macroeconómicas tienen un impacto estructural significativo en la ocupación, mientras que variables como la tarifa y las llegadas de pasajeros presentaron un efecto más coyuntural. Las limitaciones del estudio incluyeron la exclusión de variables no macroeconómicas, lo que podría haber restringido la sensibilidad del modelo a eventos locales. Se recomienda incluir factores adicionales, como elementos culturales o tecnológicos, en futuros estudios para desarrollar un modelo más integral.
Comparación de tres modelos predictivos que permitan estimar el comportamiento de ventas en una empresa de tiendas cosméticas en Bogotá
(2025) Camacho Chisaba, Angel Leonardo; Chavarría Chavarro, Juan Pablo; Tirado Cifuentes, Cristian Camilo
El presente estudio analiza la predicción de ventas desde Inteligencia Artificial, Machine Learning y Deep Learning en una empresa del sector cosmético en Colombia con proyección de crecimiento al mercado latinoamericano. Para este objetivo se comparan los tres modelos predictivos Prophet, Sarimax y Redes Neuronales Recurrentes con el propósito de comprender cuál de ellas se adapta mejor a la necesidad de la empresa para estimar las ventas. Este estudio mixto incluyó un análisis estructural de series de tiempo, con etapas de limpieza y preprocesamiento de datos, selección de variables exógenas relevantes mediante pruebas estadísticas de anova, y parametrización estratégica de cada modelo. Prophet se entrenó empleando descomposición aditiva de la tendencia y estacionalidad, SARIMAX ajustó parámetros basados en criterios AIC/BIC y auto arima, y las Redes Neuronales Recurrentes usaron capas LSTM para capturar dependencias temporales complejas. Los resultados indican que Prophet obtuvo el mejor desempeño al explicar la serie de tiempo, con un MAPE del 7.1% y un R-Cuadrado de 0.630, superando a los otros modelos en precisión y capacidad explicativa. Se concluye que la implementación de 3 este modelo permite estimar las ventas, ofreciendo una herramienta estratégica para la toma de decisiones en la industria cosmética.
Estrategias para mejorar el acceso de las mujeres a los servicios bancarios en los municipios de Sabana Centro: Un análisis basado en Anova a junio 2024
(2025) Mahecha Salinas, Mariana; Pulido Montañez, Alejandro; Fernández Monroy, Rubén Darío; Cardozo Achury, Nicolás Felipe
El propósito de este estudio es analizar las barreras de acceso a servicios bancarios a las que se enfrentan las mujeres en los municipios de Sabana Centro y proponer estrategias prácticas para que las entidades financieras mejoren su oferta hacia este segmento, con información consultada al 30 junio 2024. La investigación se enfoca en identificar las barreras existentes y plantear estrategias que permitan a los bancos captar y colocar productos financieros enfocados en las mujeres, promoviendo de esta manera una mayor inclusión en la disponibilidad de productos financieros en estos municipios. Se utilizó un enfoque cuantitativo con modelos ANOVA para analizar datos provenientes de la plataforma "Datos Abiertos Colombia". Las variables analizadas incluyen cuentas de ahorros, microcréditos y créditos de consumo, con énfasis en productos de captación y colocación, su impacto en el acceso a servicios financieros en Sabana Centro.
Análisis y selección de algoritmos de recomendación, para estrategia de recompra de productos para mascotas en Gupet
(2024) Amézquita Rodríguez, Andrea Marcela; Santos Romero, Francisco Javier ; Bermúdez Sosa, Herber Jair
Propósito del estudio: Este proyecto investigativo aborda el problema de la baja tasa de recompra en la plataforma GUPET, un marketplace especializado en productos y servicios para mascotas. Este problema afecta directamente la fidelización de clientes y el crecimiento sostenible del negocio. La investigación busca analizar y seleccionar algoritmos de recomendación para implementar un sistema que optimice la experiencia de compra y fomente la recurrencia de los usuarios. La relevancia del estudio radica en la necesidad de personalizar las recomendaciones para satisfacer las preferencias individuales de los clientes, mejorando su satisfacción y aumentando las ventas en una industria de comercio electrónico altamente competitiva. Diseño/metodología/enfoque: Se empleó un enfoque aplicado y cuantitativo con un componente exploratorio predictivo. La metodología CRISP-DM guió el análisis de datos, estructurando el proyecto en fases desde la comprensión del negocio hasta la evaluación y despliegue de modelos. La muestra incluyó 11,323 registros de ventas y perfiles de clientes de GUPET entre enero de 2021 y agosto de 2023. El análisis descriptivo reveló tendencias clave como la estacionalidad en las compras y los productos de mayor demanda, proporcionando una base para la evaluación de algoritmos. Se probaron tres enfoques principales: filtrado colaborativo basado en usuarios, filtrado colaborativo basado en ítems y factorización matricial (SVD), evaluados mediante métricas como el F1 Score y el área bajo la curva ROC (AUC).
Estudio comparativo de modelos de predicción de ventas a partir de los datos del 2016 a 2023 soportado con analítica de datos: Caso empresa GEMS
(2025) Contreras Gutiérrez, Yulieth Paola; Vinchira Medina, Gabriel; Rivera Torres, Dary Liseth; Osorio Toro, Carlos Andrés
La predicción de las ventas es de suma importancia para las empresas, ya que de estas dependen diversas áreas como producción, logística, entre otras. Esto cobra aún más valor para productos con ciclo de vida corto como las flores, ya que hace necesario tener mayor precisión para evitar desperdicios o escasez de productos los cuales pueden desencadenar mayores costos. En la revisión de literatura se hace evidente que la predicción de ventas de productos hortícolas ha recibido poca atención en la investigación de pronósticos, es por esto que esta investigación tuvo como objetivo principal comparar un modelo econométrico y un modelo de machine learning para la predicción de las ventas de ramos de los dos principales clientes de la multinacional Gems, una de las mayores exportadoras de flores de Colombia hacia Estados Unidos, a partir de los datos recolectados de las ventas desde 2016 hasta 2023, considerando la variable ventas únicamente y como se puede explicar a sí misma. Dentro de Gems no existen modelos de este tipo para la predicción de las ventas ya que todo se realiza de manera cualitativa lo que está generando márgenes de error de cerca del 40% frente a las ventas reales. Para poder obtener los datos de las ventas se tuvo que consolidar tres sistemas de información donde estaban almacenados semanalmente los datos y se agruparon por tipo de producto obteniendo un total de cuatro conjuntos de datos: dos por cada uno de los dos clientes principales. Se realizó una validación de supuestos a las series de datos, luego se corrió tres modelos SARIMA con transformación logarítmica y uno con la serie original. Paralelamente se corrió un modelo de redes neuronales recurrentes LSTM para cada conjunto de datos utilizando una combinación de hiperparámetros y tranformaciones MinMaxScaler y StandardScaler para que encontrara la mejor combinación, luego se mantuvieron los hiperparámetros y se corrió el modelo con transformación logarítmica para poder hacer una comparación en la misma escala. Ambos tipos de modelos mostraron resultados favorables y de manera general LSTM superó a SARIMA
Análisis de los factores que influyen en la adopción de medios de pago diferentes a efectivo en la localidad de Suba para transacciones de bajo monto, en tiendas de abarrotes, Fruver y venta de alimento, para el 2024-1
(2025) Orjuela Garzón, Paola Andrea; Pilonieta Rivera, Angie Liney; Cardozo Achury, Nicolas
La presente investigación examina los factores que influyen en la adopción de medios de pago diferentes al efectivo en la localidad de Suba, en Bogotá Colombia específicamente transacciones de bajo monto en las tiendas de abarrotes, Fruver y venta de alimento, para el periodo 2024-1. El estudio se desarrolla a partir de una completa revisión de la literatura mediante análisis bibliométrico, modelo prisma y procesamiento de la información en herramientas como VOSviewer y Bibliometrix, sumado a la creación de dos formularios de encuesta, aplicados a una muestra representativa. Mediante la segmentación entre compradores y tenderos, se realizaron 2 tipos de encuestas cada una de 6 preguntas, en la cual para compradores se hace una sub-segmentación por grupos etarios y para comerciantes se hace por tipo de comercio, factores señalados como determinantes en la inclusión financiera y en la adopción de nuevas tecnologías según la teoría UTAUT, de la cual se habla en detalle en el capítulo 2. Ejercicio investigativo realizado con el fin de profundizar de manera descriptiva en el análisis de los factores que influyen en la adopción de métodos de pago diferentes al efectivo, tomando como partida los casos de estudio de otros países mencionados en la revisión de la literatura, las encuestas de percepción anual del Banco de la República de Colombia y los diversos reportes de inclusión financiera circulantes donde de manera amplia se ha enfatizado desde los esfuerzos gubernamentales y privados la importancia de llevar las finanzas a niveles de innovación y conectividad superior.
Análisis del impacto económico en la implementación del sistema de pagos electrónicos sobre la demanda de dinero en Colombia, periodo 2001-2022
(2025) Monroy Moreno, Diego Sebastián; Quintero Castillo, Yakeline; Flórez Bolaños, Jaime
Los servicios que presta el Banco de la República contribuyen al funcionamiento seguro y eficiente de los sistemas de pago mediante la prestación de diversos servicios a las entidades financieras que resultan fundamentales para la actividad económica del país y para el bienestar de la ciudadanía. Estos comprenden el depósito y liquidación de valores, la apertura y manejo de cuentas de depósito, la transferencia electrónica de fondos y la compensación interbancaria. Con base en lo anterior, esta investigación busca analizar el impacto de los sistemas de pago de alto y bajo valor sobre la demanda de dinero en Colombia, periodo 2001-2022. Para ello se parte del uso de técnicas cuantitativas para realizar la descripción de la evolución y funcionamiento de los sistemas de pago y su importancia económica en Colombia, se describe el comportamiento y la tendencia de las principales operaciones que conforman los sistemas de pagos de alto valor y sistemas de pago de bajo valor de la economía colombiana; se usa la técnica de diagramas de dispersión para analizar el nivel de aceptación del sistema de pagos y como afectan en la demanda de dinero; por último se estableció una metodología econométrica, donde se aplican las metodologías de cointegración, modelo VAR y de corrección de error, modelo VEC para determinar la existencia de una relación de equilibrio entre los sistemas de pago y la demanda de dinero.
Análisis del desempeño de los fondos de inversión colectiva de renta fija en Colombia: Relación entre rendimiento y riesgo en un contexto de volatilidad (2017-2023)
(2024) Neira Ariza, Javier Darío; Vivas Fuentes, Leandro
El presente trabajo tiene como objetivo analizar la relación entre la gestión de riesgo y la rentabilidad ajustada en el desempeño de los fondos de inversión colectiva de renta fija en Colombia durante el periodo 2017-2023. A través de este análisis, se busca proporcionar recomendaciones que mejoren la toma de decisiones de inversión en un entorno financiero volátil. La investigación se basa en un enfoque cuantitativo, utilizando un diseño descriptivo que permite caracterizar los fondos en términos de rentabilidad y riesgo. Se recopilaron datos de fuentes primarias y secundarias, específicamente de los fondos de renta fija en pesos, categorizados por el Sistema de Información – Fondos de Inversión Colectiva (SIFIC). Se analizaron 16 fondos, evaluando su desempeño a través de métricas como el Sharpe Ratio, Treynor Ratio, downside risk y máximo drawdown, considerando diferentes horizontes temporales (corto, mediano y largo plazo).
Incidencia de las variables meteorológicas en el cultivo de fresa en el municipio de Rionegro, Antioquia, a partir de un análisis de datos
(2025) Gutiérrez Villamil, Sebastián; Fernández Lizarazo, John Cristhian
En la última década, la producción de fresa en Colombia ha experimentado un crecimiento significativo, duplicando tanto el área cosechada como el volumen producido, gracias a la alta demanda nacional e internacional. Sin embargo, factores como las alteraciones meteorológicas asociadas al cambio climático, junto con la limitada adopción de tecnologías agrícolas avanzadas, han generado incertidumbre en el manejo del cultivo. En este sentido esta investigación analizó el efecto de las variables meteorológicas en el crecimiento de la fresa en el municipio de Rionegro, Antioquia, región reconocida por su alto potencial en la producción de este fruto en Colombia. El trabajo tuvo como objetivos describir las condiciones actuales de producción del cultivo de fresa, recopilar datos sobre variables clave como el peso seco, la humedad y la temperatura del suelo, y analizar las principales variables meteorológicas que afectan el desarrollo del cultivo. Para ello, se llevó a cabo un seguimiento intensivo en la vereda Abreito, con el fin de obtener información precisa sobre cómo las fluctuaciones climáticas que impactan la producción del cultivo.
Modelo de predictibilidad basado en las principales variables del entorno económico que tienen efecto sobre el desempeño de la demanda de Plasterboard de la empresa Etex Colombia bajo un estudio desde 2015-2023
(2025) López Rios, Juli Catherine; Florez Bolaños, Jaime
Este trabajo tiene como objetivo identificar las principales variables macroeconómicas que podrían influir en la demanda del mercado de Plasterboard de Etex Group durante 2015 y 2023, buscando conectar la academia con el sector real para potenciar resultados y estrategias que mantengan la competitividad de la empresa. Se emplea una metodología cuantitativa que considera datos de mercado, como tasas de cambio, PIB, subsidios de vivienda y construcción en los sectores residencial y no residencial, entre otras, así como variables específicas de la demanda de Plasterboard de Etex Group. En esta investigación, se utilizan modelos de predicción tradicionales, como el modelo Autorregresivo VAR, y técnicas de machine learning, incluyendo redes neuronales y redes neuronales de largo plazo (LSTM). Los resultados indican que los modelos VAR y LSTM son los más adecuados para esta investigación, presentando bajos porcentajes de error en la predicción respecto a los valores reales. Esto proporciona a la empresa herramientas efectivas para el seguimiento y el apalancamiento, asegurando su funcionalidad y competitividad en el mercado.
Impacto de las técnicas de radioterapia en la percepción de la calidad de vida de pacientes cáncer de mama: Caso IPS Centro de Control de Cáncer, Bogotá (2016 - 2022)
(2025) Millán Gracia, Nury Bibiana; Duarte Vargas, Rodolfo; Vivas Fuentes, Leandro
El presente trabajo es el resultado de la investigación realizada durante los últimos 18 meses, centrada en la importancia de evaluar la calidad de vida de los pacientes tratados con cáncer de mama. Este estudio se llevó a cabo en la IPS Centro de Control de Cáncer de Bogotá, abordando un análisis comparativo entre técnicas convencionales y especiales de radioterapia aplicadas entre 2016 y 2022. El propósito principal fue identificar el impacto diferencial de estas técnicas en términos de calidad de vida, utilizando bases de datos institucionales y herramientas analíticas avanzadas como Random Forest y el modelo de Diferencias en Diferencias (DiD). La metodología integró un enfoque cuantitativo, fundamentado en el análisis estadístico, con énfasis en variables clave como edad, estadio del cáncer, técnica de tratamiento y efectos secundarios. Los resultados evidencian que las técnicas especiales, como la radioterapia de intensidad modulada (IMRT), mostraron un impacto positivo en la mejora de la percepción de calidad de vida, en comparación con las técnicas convencionales. Este hallazgo subraya la necesidad de priorizar la implementación de técnicas avanzadas para optimizar los resultados clínicos y mejorar el bienestar de los pacientes.
Modelo de predicción de ventas del (2022-2023) para la empresa metal acero El Trébol
(2025) Hernández Guacaneme, Angie Karina; Tocanchon Maldonado, Angie Tatiana; García Rodríguez, Harold Andrés; Tirado Cifuentes, Cristian Camilo
Por lo tanto, el propósito principal de la implementación de este estudio de investigación es el desarrollo de un modelo analítico de técnicas de machine learning y pronóstico de ventas con el fin de mejorar el proceso de toma de decisiones de Metal Acero El Trébol. Cabe mencionar que el presente estudio emplea sofisticadas herramientas de inteligencia empresarial que incluyen la recopilación e integración de datos históricos y su análisis para identificar patrones, tendencias y determinantes contextuales de la variable de destino, las ventas. Por lo tanto, la metodología incluye la recopilación y transformación de datos de Sales and Demand de la misma organización, seguida de la implementación de modelos de regresión lineal, ARIMA, random forest y redes neuronales. Luego, se evalúa cada modelo con respecto a la capacidad predictiva o prescriptiva y la precisión al calcular las métricas mencionadas anteriormente, como MAE, MSE, RMSE y MAPE. LSTM se identificó como el modelo más preciso debido al MAPE más bajo de aproximadamente 8.43%, lo que implica la mayor precisión del modelo en términos de predicción de la demanda. Por lo tanto, estos hallazgos demuestran que el modelo facilita la toma de decisiones ya que la organización puede reducir los costos y maximizar la eficiencia. Además, Metal Acero El Trébol también se beneficia ya que puede recibir recomendaciones estratégicas para aumentar la eficiencia. En general, este estudio ilustra que la inteligencia empresarial y el aprendizaje automático han sido factores críticos para la transformación digital y la competitividad en la fabricación.
Segmentación y estrategias de retención del cliente en almacenes Corona: Un análisis de los años 2020-2024
(2025) Trujillo Bolaños, Michael Stivelt; Camargo Ochoa, Wilmer; Cardozo Achury, Nicolás Felipe
Esta tesis de investigación tuvo como finalidad establecer una segmentación de los clientes de Almacenes Corona S.A., para desarrollar estrategias de retención y sugerírselos a la empresa, utilizando varios modelos de análisis de datos como Recencia, Frecuencia y Valor Monetario (RFM). Para este análisis, se propuso una metodología cuantitativa de tipo descriptivo, con el fin de conocer el comportamiento de los clientes a lo largo de una línea de tiempo, de acuerdo con la información contenida en la base de datos de la empresa, y sugerir estrategias de retención y fidelización. El periodo estudiado corresponde a los años 2020 a 2024, para el cual se desarrolló un análisis para conocer a los clientes de Almacenes Corona S.A., se utilizaron herramientas de clusterización como K-means, K-modes, la curva de supervivencia de Kaplan-Meier y árboles de decisión. Estas herramientas permitieron identificar patrones clave en los comportamientos y entender el impacto del ciclo de vida del cliente (CLV) en la rentabilidad del negocio. Al combinar los datos con estrategias más cercanas al cliente y de forma personalizada, se buscó afianzar el relacionamiento con cada segmento, maximizando su CLV y asegurando el crecimiento sostenible para la empresa y a la vez desarrollar estrategias de retención.
Transformación de datos en estrategias personalizadas: Análisis predictivo para la optimización del Customer Lifetime Value en una compañía del sector retail en Bogotá, a partir de información histórica
(2024) Riaño Cardenas, Cristhian Felipe; Lagos Tinjacá, Laura Milena; Cubillos Velasquez, Fredy Giovanni; Tirado Cifuentes, Cristian Camilo
Objetivo: Proponer un modelo predictivo aplicable al valor de vida del cliente (CLV) que permite identificar y analizar los factores claves que influyen en el comportamiento de la métrica para una empresa del sector retail especializada en la venta de morrales, accesorios y ropa. Diseño/metodología/enfoque: Esta investigación examina los registros de ventas de 38 tiendas en Bogotá de los años 2015 a 2023. Se realizó procesos de calidad de datos que redujo la base a cinco millones de registros. Se compararon 4 modelos de regresión: Regresión lineal múltiple, árboles de decisión, bosques aleatorios y XGBoost a fin de seleccionar la herramienta de pronóstico con mejor desempeño. Estos fueron evaluados a través de métricas como el error cuadrático medio (RMSE), el error absoluto medio (MAE), y el coeficiente de determinación (R²).
Desafíos de la formación TIC en Colombia: Un análisis de la pertinencia de los perfiles de egreso ante la demanda laboral durante el 2024 mediante un modelado de tópicos
(2024) Barón Rodríguez, Diana Carolina; Romero Marín, Kely Johana; Aguilera Prado, Marco Antonio
El presente estudio tiene como objetivo principal, evaluar la pertinencia de las ofertas académicas según los perfiles de egresados de programas bajo la Clasificación Internacional Normalizada de la Educación (CINE) en tecnologías de la información y comunicaciones (TIC) para los niveles de formación universitaria, especialización y maestría, ante la demanda de ofertas de empleo del sector productivo en términos de habilidades para el año 2024. La metodología empleada se basa en el uso de modelado de tópicos y posterior identificación de relaciones ocultas con un índice cuantitativo de coincidencia, que permite establecer la pertinencia de los tópicos, lo anterior a través de la aplicación de dos modelos de análisis no supervisados Latent Diricchlet Allocation (LDA) y Latent Semantic Indexing (LSI), que corresponden a modelos de Procesamiento de Lenguaje Natural (PLN).
Análisis de la competitividad departamental en Colombia: Un estudio sobre la regularidad en los indicadores de salud y educación (2013 – 2019)
(2025) Mancera Portillo, Gina Paola; Fonseca Mesa, Jeisson Albeiro; Parra Cubides, Cristian Camilo; Serrano León, Yeimmy Katherine
La presente investigación examina la competitividad departamental en Colombia, centrándose en los indicadores de salud y educación durante el período 2013-2019. Por medio de los informes generados anualmente del Concejo de Competitividad Departamental se realizó el análisis de los indicadores evaluados en cada departamento, luego por medio de un enfoque basado en el Análisis de Componentes Principales (PCA), se identificaron tendencias y diferencias significativas entre los resultados de cada departamento a través de los años evaluados, además de correlaciones existentes. El hallazgo más relevante es la identificación de una marcada desigualdad territorial; mientras que los departamentos del Centro Oriente y el Eje Cafetero lideran en competitividad con indicadores consistentes y sostenidos, las regiones Pacífica, Caribe y Centro Sur enfrentan rezagos estructurales que limitan su desarrollo. Respecto a salud, se destacan las bajas tasas de mortalidad infantil y por desnutrición en departamentos como Caldas y Santander, reflejo de un acceso eficiente a servicios médicos. Sin embargo, la inversión pública en salud sigue siendo insuficiente en departamentos periféricos como Putumayo y Nariño, lo cual mantiene las brechas regionales. En educación, los indicadores de cobertura en educación básica y media presentan fortalezas en departamentos como Boyacá y Antioquia, pero la calidad y la cobertura en educación superior continúan siendo desafiantes en zonas como Chocó y La Guajira.
Propuesta de adaptación de un modelo de recomendación basado en Machine Learning para personalizar la experiencia de compra en el comercio electrónico de Cromantic (2023-2024)
(2025) Salgado Parra, Ferney Alirio; Velásquez Jaramillo, Arnold Stive; Bermúdez Sosa, Herbert Jair
El proyecto de investigación se enfocó en la adaptación de un modelo de recomendación de productos basado en machine learning, diseñado para personalizar la experiencia de compra en el comercio electrónico de Cromantic. El proyecto adoptó la metodología CRISP-DM, reconocida por su capacidad para estructurar procesos analíticos de manera eficiente, lo que permitió guiar un enfoque cuantitativo, secuencial y longitudinal. Los datos utilizados consistieron en registros históricos de ventas recopilados por la empresa, abarcando el periodo comprendido entre 2023 y 2024. Durante el desarrollo del proyecto, se evaluaron tres algoritmos de aprendizaje supervisado: A priori, FP-Growth (Frequent Pattern Growth) y H-Mine (Hyper Structure Mining of Frequent Patterns). Tras realizar una detallada comparación, se determinó que el algoritmo HMine era el más adecuado para ser implementado en la plataforma de Cromantic. Este modelo destacó por su capacidad para generar patrones relevantes y eficientes, adaptándose a las particularidades del comercio electrónico de Cromantic. Además, su precisión y eficiencia permitieron identificar productos altamente relevantes para los clientes, basándose en sus preferencias y patrones de compra previos.
Propuesta de un modelo para la reducción de costos a partir de tiempos operacionales en una empresa farmacéutica aplicando el método Just in Time, soportado en los períodos 2022-2023
(Universidad de La Salle. Escuela de Negocios. Maestría en Analítica e Inteligencia de Negocios, 2024) Díaz Cubillos, Edison Steven; Romero Peñaloza, María Eugenia
En la investigación titulada "Propuesta de un modelo para reducir costos a partir de tiempos operacionales en una farmacéutica", se encontró la importancia de tener una logística inversa adecuada, ya que esta permite mejorar la detección de las necesidades del cliente y aumentar los beneficios e ingresos operacionales. Para cumplir con los objetivos propuestos, en primera instancia se realizó una revisión de la literatura relacionada con la cadena de suministro y la logística inversa. Esta búsqueda permitió determinar la necesidad de aplicar una metodología cualitativa y cuantitativa para identificar oportunidades y analizar los datos en pro de la mejora continua en la cadena de suministro. En segundo lugar, se realizó un diagnóstico del servicio ofrecido al cliente para Lima y provincia (Perú) mediante regresiones lineales que identificaron el incumplimiento de algunos indicadores propuestos por la compañía. Se encontró que los casos deben facturarse en los próximos tres días después de enviar el valorizado al cliente; sin embargo, se presentan estacionalidades de 16 a 24 días, lo que afecta la facturación esperada del mes. De los 24 meses analizados, 12 cumplen con los indicadores de la empresa, tanto para el backlog como para la facturación.
Propuesta para el mejoramiento de los procesos internos de gestión mediante el análisis del lenguaje natural de publicaciones en la red social “X” de Habi (2020-2023)
(2024) Betancourt Salazar, Luisa Fernanda; Pineda Ardila, María Alejandra; Osorio Toro, Carlos Andrés
El crecimiento y la continua evolución de las redes sociales ha generado un profundo impacto en la percepción reputacional de las organizaciones. En este contexto dinámico, surge la necesidad de investigar y comprender cómo las acciones y narrativas de las empresas en redes sociales, como “X”, no solo son un medio de promoción y marketing, sino también una forma de modelar las interacciones con los usuarios para la construcción de relaciones más significativas y duraderas con sus audiencias. Además, estas plataformas se presentan como una valiosa fuente para identificar áreas de mejora interna dentro de la empresa. La presente investigación propone una estrategia para optimizar los procesos internos de Habi, centrada en el análisis del lenguaje natural de las publicaciones en la red social "X", el objetivo principal es comprender la percepción de los usuarios, identificar áreas de mejora y descubrir temas frecuentes en los comentarios, empleando técnicas de procesamiento de lenguaje natural (PLN) y modelado de tópicos, donde mediante el análisis de las interacciones en la red social "X", se busca obtener una visión del público hacia Habi, permitiendo una respuesta rápida y efectiva a las necesidades y expectativas de los clientes.

Examinar

Envíos recientes