Desarrollo y evaluación de un modelo predictivo para la gestión de riesgos tecnológicos en proyectos de renovación de Laptop/Desktop: Empresa Soporte S.A.
Cargando...
Fecha
Autores
Director de trabajo de grado
Título de la revista
ISSN de la revista
Título del volumen
Editor
Altmetric
Código QR
Resumen
Este estudio presenta un modelo predictivo para la gestión de riesgos tecnológicos en proyectos de renovación de laptop/desktop en la empresa Soporte S.A. El modelo, desarrollado utilizando la metodología CRISP-DM, permite anticipar eficazmente los riesgos asociados a la instalación de equipos, asegurando así la rentabilidad y el cumplimiento de compromisos con los clientes. La investigación mostró que, aunque todos los modelos evaluados (Regresión Logística, Árbol de Decisión, Random Forest) exhiben alta precisión general, el Árbol de Decisión y Random Forest superan a la Regresión Logística en la predicción de la clase minoritaria, siendo más adecuados para este tipo de datos. Las limitaciones del estudio incluyeron el uso exclusivo de variables tecnológicas, lo que podría haber restringido la precisión del modelo. Se recomienda adoptar un enfoque multidisciplinario en investigaciones futuras, integrando datos de áreas como recursos humanos y finanzas para desarrollar un modelo más robusto. El modelo propuesto ofrece a Soporte S.A. una herramienta valiosa para mejorar la toma de decisiones, optimizar recursos y reducir costos en proyectos tecnológicos, aunque se debe continuar refinando el modelo con datos adicionales para mantener su precisión y aplicabilidad.
Abstract
This study presents a predictive model for managing technological risks in laptop/desktop renewal projects at Soporte S.A. Developed using the CRISP-DM methodology, the model effectively anticipates risks associated with equipment installation, ensuring profitability and client commitment fulfillment. The research showed that while all evaluated models (Logistic Regression, Decision Tree, Random Forest) exhibit high overall accuracy, Decision Tree and Random Forest outperform Logistic Regression in predicting minority class outcomes, making them more suitable for this data set. Limitations of the study included the exclusive use of technological variables, which may have restricted model accuracy. Future research should adopt a multidisciplinary approach, incorporating data from areas such as human resources and finance to develop a more robust model. The proposed model provides Soporte S.A. with a valuable tool to enhance decision-making, optimize resources, and reduce costs in technological projects, although continuous refinement with additional data is necessary to maintain its accuracy and applicability.
Palabras clave
Modelos predictivos, Regresión lineal, Renovación tecnológica, Metodologías ágiles, Proyectos tecnológicos, Servicio al cliente