Repositorio digital UTEQ :: Browsing Maestria en Ciencias de Datos by Author "Díaz Macías , Efraín Evaristo"

Browse

Now showing 1 - 2 of 2

Open Access
Inteligencia de negocios aplicada a la gestión de ventas en una empresa de consumo masivo como herramienta de ayuda para la toma de decisiones
(Quevedo:UTEQ, 2024) Ortiz Terán , Ingrid Lisbeth; Díaz Macías , Efraín Evaristo
Esta investigación se centra en la optimización de la gestión de ventas mediante la aplicación de modelos de análisis de datos en el contexto empresarial. Una buena gestión de ventas es esencial en el ámbito empresarial, ya que abarca la planificación, coordinación y supervisión de las actividades de venta. Sin embargo, la capacidad para cumplir con las expectativas de los clientes enfrenta varios desafíos. Entre estos se encuentran la dificultad para anticipar las necesidades futuras de los clientes, la identificación de oportunidades para mejorar las ventas y la segmentación adecuada de clientes para detectar aquellos que podrían estar en riesgo de deserción. La investigación aborda estos problemas a través de varios enfoques. En primer lugar, se emplean modelos de series temporales para prever la demanda de productos. En segundo lugar, se utilizan algoritmos de asociación para identificar oportunidades de ventas cruzadas. Finalmente, se realiza una segmentación de clientes para detectar aquellos en riesgo de deserción, facilitando la implementación de medidas preventivas. Para el pronóstico de la demanda de productos, se aplicaron diversos modelos de series temporales: Prophet, Suavizado Exponencial, SARIMA, Random Forest y XGBoost. Se utilizó la métrica MAPE para evaluar la precisión de las predicciones. Aunque XGBoost mostró la mejor precisión promedio, Random Forest resultó ser el modelo más consistente y frecuentemente seleccionado como el mejor ajuste para la mayoría de los productos. Además, el análisis de reglas de asociación mediante el algoritmo FP-Growth demostró ser más eficiente que Apriori, destacando su capacidad para generar recomendaciones personalizadas y aumentar los ingresos por cliente. La segmentación de clientes utilizando técnicas de agrupación jerárquica reveló patrones significativos que facilitan la identificación de clientes en riesgo de abandono y la implementación de estrategias de retención más efectivas. Así, este trabajo contribuye con conocimiento al sector empresarial en Ecuador, al ofrecer herramientas y estrategias que pueden proporcionar una ventaja competitiva en un entorno dinámico y competitivo.
Open Access
Optimización de inventario en la gestión de la cadena de suministro en empresas de consumo masivo
(Quevedo: UTEQ, 2024) Álvarez Carpio , Gilberto Germán; Díaz Macías , Efraín Evaristo
En el contexto de la economía global, la gestión de inventarios y la cadena de suministro son esenciales para la competitividad y rentabilidad de las empresas, especialmente en el sector de productos de consumo masivo. Este trabajo se enfoca en la optimización del inventario mediante el uso de algoritmos de aprendizaje automático, buscando equilibrar los niveles de stock con la demanda y minimizar los costos de almacenamiento. El objetivo principal de la investigación es determinar los niveles óptimos de inventario aplicando algoritmos predictivos para minimizar los costos asociados al almacenamiento y asegurar la disponibilidad adecuada de productos. Los objetivos específicos incluyen realizar un análisis de segmentación para identificar los productos más significativos, diseñar un modelo predictivo para la demanda de productos y estimar los niveles mínimos y máximos de inventario. Los resultados obtenidos a través de métodos como K-means y Agglomerative Clustering revelaron una segmentación robusta de los productos en cuatro clusters, lo que facilitó una gestión de inventario más precisa. Además, el análisis de Pareto ayudó a identificar los productos que generan la mayor parte de las ventas y, por ende, requieren una gestión más cuidadosa. En el análisis predictivo, se aplicaron modelos ARIMA, Prophet, Exponential Smoothing y Random Forest. Aunque ARIMA mostró un buen desempeño en uno de los productos, el modelo Exponential Smoothing se destacó como el más eficaz en general, proporcionando las predicciones más precisas para la mayoría de los productos analizados. Finalmente, la predicción precisa de los niveles mínimos y máximos de inventario mediante Random Forest demostró ser la más efectiva, mejorando la eficiencia operativa y contribuyendo a la rentabilidad de la empresa. Esta investigación no solo aporta al conocimiento teórico en la gestión de inventarios, sino que también proporciona herramientas prácticas para que las empresas de consumo masivo optimicen sus operaciones en un mercado dinámico y competitivo

Browse

Browsing Maestria en Ciencias de Datos by Author "Díaz Macías , Efraín Evaristo"

Results Per Page

Sort Options