Especialización en Big Data e Inteligencia de Negocios
Permanent URI for this collection
Browse
Browsing Especialización en Big Data e Inteligencia de Negocios by Subject "Big Data"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
Item Caracterización de contribuyentes deudores del impuesto vehicular en el departamento de Antioquia.(Universidad Católica Luis Amigó, 2023) Patiño Montoya, Damián; Silva Rojas, Elizabeth; Herrera Rios, Jhonatan; Parra Sánchez, Juan S.Este trabajo de investigación se centra en el análisis y comprensión del perfil de los contribuyentes deudores del impuesto vehicular en el departamento de Antioquia utilizando técnicas de Aprendizaje Automático (Machine Learning). El objetivo principal es identificar patrones y tendencias de estos contribuyentes, considerando variables socioeconómicas, geográficas y tributarias. La evasión fiscal y la falta de cumplimiento son problemas comunes en muchos países, incluyendo Colombia, y tienen consecuencias económicas y sociales significativas. Por lo tanto, comprender los determinantes del incumplimiento tributario es fundamental para el desarrollo económico, social y financiero del país. El presente proyecto se desarrolla mediante un proceso de investigación que involucra la extracción y transformación de los datos relacionados con los contribuyentes del impuesto vehicular. Se utilizó una técnica no supervisada de clusterización para agrupar a los contribuyentes en categorías con características similares, lo cual ayuda a comprender mejor su comportamiento e identificar los factores que influyen en el incumplimiento del pago del impuesto.El trabajo se lleva a cabo utilizando herramientas de procesamiento de datos y equipos de cómputo adecuados, garantizando la confidencialidad y seguridad de la información proporcionada por la Secretaría de Hacienda de la Gobernación de Antioquia. La metodología utilizada es CRISP-DM, un proceso estándar para proyectos de minería de datos.En la preparación y procesamiento de los datos, se ejecutaron diversas tareas en diferentes etapas. En la primera fase, llamada Entendimiento y comprensión del negocio, se obtuvieron las bases de datos necesarias y se realizó un inventario de fuentes de información. En la segunda fase, titulada Estudio y comprensión de los datos, se creó un repositorio de código fuente para el análisis exploratorio de los datos. En la tercera fase, denominada Preparación de los datos, se llevó a cabo la limpieza de los datos, la integración de los datos relevantes y la unión de los conjuntos de datos después de su preprocesamiento, finalmente se llegó a la etapa de modelado, donde utilizando el algoritmo de K-Means, se pudieron obtener 5 grupos de deudores. A través del modelo realizado, se evalúan los resultados obtenidos con las características de los diversos clústeres.Item Categorización de clientes en el sector automotriz en el área metropolitana del Valle de Aburrá utilizando aprendizaje no supervisado(Universidad Católica Luis Amigó, 2023) Moyano Montaño, Sebastián; Arias Vergara, Luis Gabriel; Parra Sánchez, Juan S.; Parra Sánchez, Juan S.En el mercado actual, las empresas de la industria automotriz buscan constantemente formas de atraer y retener clientes. Sin embargo, para lograr este objetivo, es necesario comprender profundamente a los clientes y sus preferencias. En este contexto, se plantea el problema de la falta de comprensión clara y precisa de los clientes que compran repuestos en la industria automotriz, específicamente en un concesionario que distribuye repuestos de la marca Chevrolet a nivel nacional. Para resolver este problema, se propone crear un modelo de ventas que permita categorizar a los clientes y comprender mejor sus hábitos y preferencias de compra en el área metropolitana del Valle de Aburrá. Esto ayudaría a implementar estrategias de ventas más efectivas e individualizadas para cada grupo de clientes, lo que resultaría en un aumento de las ventas y una mejor retención de los clientes. La creación de este modelo de ventas es un proceso complejo que requiere la participación de expertos automotrices, analistas de datos y otros profesionales involucrados en el proyecto. El primer paso es la recopilación de datos, lo que implica costos operativos significativos para el mantenimiento de los repuestos de Chevrolet en el concesionario. Sin embargo, los beneficios de comprender mejor a los clientes y poder implementar estrategias de ventas más efectivas superan estos costos. La justificación de este proyecto se basa en la necesidad de mejorar las estrategias de ventas, reducir los costos operacionales de almacenamiento, aumentar la competitividad en el mercado y mejorar la experiencia del cliente. Además, se destaca la utilización de tecnología avanzada, como el análisis de datos y el aprendizaje automático, para categorizar a los clientes y adaptar las estrategias de ventas a sus necesidades específicas en el área metropolitana del Valle de Aburrá.Item Identificación de patrones asociados a la rotación laboral en el Grupo Éxito mediante aprendizaje no supervisado(Universidad Católica Luis Amigó, 2023) Restrepo Zapata, Esteban; Vargas Ángel, Yeison A.; Parra Sánchez, Juan S.; Parra Sánchez, Juan S.El presente trabajo de grados se centra en la identificación de los patrones asociados a la rotación de personal en el Grupo Éxito, una de las compañías más grandes de retail en Colombia, a través del uso de técnicas de aprendizaje no supervisado. La rotación de personal representa un desafío significativo para las organizaciones, debido a sus costos económicos y su impacto en la estabilidad y productividad del equipo de trabajo. Con el objetivo de abordar esta problemática, se plantean varios objetivos específicos. En primer lugar, se busca integrar y preparar la información necesaria para el estudio de la rotación de personal en el Grupo Éxito. A continuación, se emplearán técnicas de aprendizaje no supervisado para detectar patrones o perfiles asociados con la rotación de personal en la organización. Por último, se evaluará y desplegará el modelo de aprendizaje no supervisado desarrollado, con el fin de determinar los factores que influyen en la rotación de personal. La aplicación de técnicas de aprendizaje no supervisado permite descubrir patrones y estructuras ocultas en los datos sin la necesidad de etiquetas previas. Esto proporciona una oportunidad única para explorar las características subyacentes que podrían estar influyendo en la rotación de personal en el Grupo Éxito. Los resultados obtenidos en este estudio ofrecerán información valiosa para comprender los factores que influyen en la rotación de personal y contribuirán a la implementación de estrategias efectivas de retención de talento en la organización.Item Predicción de riesgo de retiro de un corresponsal bancario en la Cooperativa Financiera(Universidad Catolica Luis Amigó, 2023) Arias Trujillo, Juan G.; Gutiérrez Monsalve, Claudia M.; Parra Sánchez, Juan S.; Parra Sánchez, Juan S.El desarrollo de un modelo para predecir el riesgo de retiro de un corresponsal bancario en una cooperativa financiera ha sido justificado por la necesidad de acercar los servicios financieros a los usuarios de manera eficiente. Los corresponsales bancarios desempeñan un papel fundamental al brindar servicios de recaudo y contribuir a la inclusión financiera en áreas con poca presencia de entidades financieras. Con el objetivo de mejorar el alcance y la presencia de la cooperativa en el territorio, así como tomar decisiones estratégicas de retención y soporte de servicios, se desarrolló un modelo utilizando algoritmos de machine learning. Para ello, se utilizó la base histórica de corresponsales bancarios de una cooperativa, en donde se observó que, desde 2013 hasta 2022, se cerraron un total de 84 puntos de corresponsalía. Actualmente, la cooperativa cuenta con 136 corresponsales bancarios vigentes, lo que representa el 61% de los puntos abiertos a lo largo de su trayectoria. El modelo se basó en información como la duración, ubicación, estado, fechas de instalación y cierre, tipo de negocio, comisiones recibidas y transacciones realizadas por los corresponsales. Se aplicaron técnicas como árboles de decisión y Random Forest, logrando demostrar un excelente desempeño en la clasificación con la técnica de árboles de decisión. Esto indica que el modelo ha capturado de manera precisa y completa las características distintivas de las clases suministradas. El desarrollo de este modelo predictivo de riesgo de retiro de corresponsales bancarios brinda a la cooperativa una herramienta para tomar decisiones informadas y oportunas.