Pronóstico de ventas a través de una aplicación web aplicando machine learning y variables exógenas / (Registro nro. 23641)
[ vista simple ]
000 -CABECERA | |
---|---|
Campo de control de longitud fija | 04157nmm a2200253 a 4500 |
008 - CAMPO FIJO DE DESCRIPCIÓN FIJA--INFORMACIÓN GENERAL | |
Campo de control de longitud fija | 151109e2023 cn ||||fq||d| 00| 0 spa d |
082 40 - NÚMERO DE LA CLASIFICACIÓN DECIMAL DEWEY | |
Número de clasificación Decimal | 005.74 |
Número de documento (Cutter) | F395p |
Número de edición DEWEY | 23 |
100 1# - ENCABEZAMIENTO PRINCIPAL--NOMBRE PERSONAL | |
Nombre de persona | Ferro Rugeles, Rubén Darío. |
9 (RLIN) | 8713 |
245 00 - TÍTULO PROPIAMENTE DICHO | |
Título | Pronóstico de ventas a través de una aplicación web aplicando machine<br/>learning y variables exógenas / |
Mención de responsabilidad, etc. | Rubén Darío Ferro Rugeles. |
260 3# - PUBLICACIÓN, DISTRIBUCIÓN, ETC (PIE DE IMPRENTA) | |
Lugar de publicación, distribución, etc. | Bogotá : |
Nombre del editor, distribuidor, etc. | Escuela Colombiana de Ingeniería, |
Fecha de publicación, distribución, etc. | 2023. |
300 ## - DESCRIPCIÓN FÍSICA | |
Extensión | 93 paginas. |
Otros detalles físicos | ilustraciones. ; |
502 ## - NOTA DE TESIS | |
Nota de Disertaciones | ( Magíster en Ciencias de Datos )<br/> |
520 ## - RESUMEN, ETC. | |
Nota de sumario, etc. | Actualmente, el entorno empresarial y organizacional, se enfrenta a una problemática generalizada que trasciende sectores: la gestión ineficiente de los pronósticos de ventas y su falta<br/>de implementación. La realización de las predicciones de ventas, dentro de las organizaciones, se realiza de manera manual y utilizando métodos obsoletos, lo cual consume recursos<br/>valiosos, tanto en tiempo como en dinero, con consecuencias económicas bastante graves. Se<br/>habla de cifras impactantes, cuyos valores oscilan entre 568 millones de pesos a nivel de una<br/>sola organización. Estas pérdidas, representan desafíos reales para las empresas, ya que estos<br/>recursos podrían destinarse a la expansión, innovación e inversión en otros aspectos cruciales<br/>del negocio aumentando su crecimiento.<br/>En este contexto, la precisión en las proyecciones de ventas es vital, ya que cualquier margen de error puede tener un impacto significativo en los resultados financieros. En un mundo<br/>empresarial altamente competitivo, la capacidad de identificar patrones y relaciones entre indicadores y ventas es un activo invaluable. La implementación de soluciones de pronóstico de<br/>ventas precisas y eficientes no solo permite recuperar pérdidas, sino que también impulsa el<br/>crecimiento sostenible y la toma de decisiones informadas, lo que convierte esta área en una<br/>prioridad en cualquier organización que busque el éxito en el mercado global.<br/>Con base en las razones y el contexto expuesto anteriormente, este proyecto de grado tiene<br/>como objetivo desarrollar una solución, que incluya un modelo de predicción de ventas, el cual<br/>emplee técnicas de machine learning previamente seleccionados e investigadas, para la predicción de ventas, incorporando diferentes variables exógenas que impactan significativamente en<br/>el mercado. Para los modelos seleccionados, se incluirán variables relevantes tanto del entorno<br/>empresarial como del contexto externo. La solución se visualizará a través de una aplicación<br/>web, desarrollada para el trabajo de grado.<br/>El ambiente de desarrollo será Google Colab y se utilizará una aplicación web desarrollada<br/>en Angular como plataforma de visualización de la data. Inicialmente, se extraerán indicadores<br/>macroeconómicos del mercado mundial de una plataforma llamada Trading Economics y la<br/>página del Banco Mundial, posteriormente se realizara un análisis exploratorio de los datos y<br/>se decidirá que variables tanto internas como externas serán de importancia para la realización<br/>del modelo.<br/>A continuación, se realizará la evaluación de diferentes modelos de machine learning aplicados a Series Temporales, donde se espera predecir las ventas en Euros. En este contexto,<br/>se evaluará el modelo con los datos de las ventas de una compañía del sector de tecnología.<br/>El modelo deberá aprender de las múltiples variables y pronosticar las ventas. Por último, se<br/>realizará la visualización de los datos a través de una aplicación web, donde se mostrará la<br/>precisión de predicción del modelo, la data histórica, data pronosticada y las variables de alto<br/>impacto en el modelo |
650 ## - ASIENTO SECUNDARIO DE MATERIA--TÉRMINO DE MATERIA | |
Nombre de materia o nombre geográfico como elemento de entrada | MÍNERIA DE DATOS |
9 (RLIN) | 40055 |
650 #0 - ASIENTO SECUNDARIO DE MATERIA--TÉRMINO DE MATERIA | |
Nombre de materia o nombre geográfico como elemento de entrada | APLICACIONES WEB |
9 (RLIN) | 3716 |
650 #0 - ASIENTO SECUNDARIO DE MATERIA--TÉRMINO DE MATERIA | |
Nombre de materia o nombre geográfico como elemento de entrada | MACHINE LEARNING |
9 (RLIN) | 44381 |
650 #0 - ASIENTO SECUNDARIO DE MATERIA--TÉRMINO DE MATERIA | |
Nombre de materia o nombre geográfico como elemento de entrada | MACROECONOMÍA |
9 (RLIN) | 66979 |
700 ## - ENCABEZAMIENTO SECUNDARIO--NOMBRE PERSONAL | |
Nombre de persona | Fernández Moncada, Nicolás; |
Término relacionador | Autor. |
9 (RLIN) | 66980 |
700 ## - ENCABEZAMIENTO SECUNDARIO--NOMBRE PERSONAL | |
Nombre de persona | Cossio Escobar, Gonzalo; |
Término relacionador | Autor. |
9 (RLIN) | 66981 |
700 ## - ENCABEZAMIENTO SECUNDARIO--NOMBRE PERSONAL | |
Nombre de persona | Jiménez Gordillo, José Fernando; |
Término relacionador | director. |
9 (RLIN) | 66977 |
856 ## - ACCESO ELECTRÓNICO | |
Identificador uniforme del recurso URI | http://repositorio.escuelaing.edu.co/handle/001/2815 |
942 ## - ELEMENTOS KOHA | |
Fuente de clasificación o esquema de ordenación en estanterías | |
Koha tipo de item | TRABAJOS DE GRADO |
Disponibilidad | Mostrar en OPAC | Fuente de clasificación o esquema | Tipo de Descarte | Estado | Formato de Material | Localización permanente | Localización actual | Colección | Fecha adquisición | Proveedor | Forma de Adq | Precio normal de compra | Datos del ítem (Volumen, Tomo) | Préstamos totales | Signatura completa | Código de barras | Fecha última consulta | Número de ejemplar | Propiedades de Préstamo KOHA | Programa Académico |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Préstamo Normal | Digital | Biblioteca Jorge Álvarez Lleras | Biblioteca Jorge Álvarez Lleras | Fondo general | 2024-02-02 | Maestría en Ciencias Actuariales | Donación | 0.00 | 0.0 | 005.74 F395p | D002479 | 2024-02-02 | Ej.1 | TRABAJOS DE GRADO | Maestría en Ciencias Actuariales |