Inteligencia de negocios aplicada a la gestión de ventas en una empresa de consumo masivo como herramienta de ayuda para la toma de decisiones
| dc.contributor.advisor | Díaz Macías , Efraín Evaristo | |
| dc.contributor.author | Ortiz Terán , Ingrid Lisbeth | |
| dc.date.accessioned | 2024-09-16T14:49:24Z | |
| dc.date.available | 2024-09-16T14:49:24Z | |
| dc.date.issued | 2024 | |
| dc.description | This research focuses on optimizing sales management by applying data analysis models in the business context. Good sales management is essential in the business environment, as it encompasses planning, coordinating and monitoring sales activities. However, the ability to meet customer expectations faces several challenges. These include the difficulty in anticipating future customer needs, identifying opportunities to improve sales, and properly segmenting customers to detect those who might be at risk of churn. The research addresses these issues through several approaches. First, time series models are employed to forecast product demand. Second, association algorithms are used to identify cross-selling opportunities. Finally, customer segmentation is performed to detect those at risk of churn, facilitating the implementation of preventive measures. For product demand forecasting, several time series models were applied: Prophet, Exponential Smoothing, SARIMA, Random Forest, and XGBoost. The MAPE metric was used to assess the accuracy of the predictions. Although XGBoost showed the best average accuracy, Random Forest turned out to be the most consistent model and was frequently selected as the best fit for most products. Furthermore, association rule analysis using the FP-Growth algorithm proved to be more efficient than Apriori, highlighting its ability to generate personalized recommendations and increase revenue per customer. Customer segmentation using hierarchical clustering techniques revealed significant patterns that facilitate the identification of customers at risk of churn and the implementation of more effective retention strategies. Thus, this work contributes knowledge to the business sector in Ecuador, by offering tools and strategies that can provide a competitive advantage in a dynamic and competitive environment. | |
| dc.description.abstract | 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. | |
| dc.format.extent | 105 | |
| dc.identifier.citation | Ortiz Terán,Ingrid Lisbeth(2024).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.105 paginas | |
| dc.identifier.other | 1300016 | |
| dc.identifier.uri | https://repositorio.uteq.edu.ec/handle/43000/7843 | |
| dc.language.iso | spa | |
| dc.publisher | Quevedo:UTEQ | |
| dc.rights | Attribution-NonCommercial-ShareAlike 3.0 United States | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/us/ | |
| dc.subject | Modelos de análisis de datos | |
| dc.subject | Series Temporales | |
| dc.subject | Algoritmos de asociación | |
| dc.subject | Predicción de demanda | |
| dc.title | Inteligencia de negocios aplicada a la gestión de ventas en una empresa de consumo masivo como herramienta de ayuda para la toma de decisiones | |
| dc.type | masterThesis |
