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 "CRISP-DM"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
Item Caracterización de clientes de la empresa New Stetic(Universidad Católica Luis Amigó, 2023) Quintero Patiño, David A.; Taborda Ospina, Viviana; Parra Sánchez, Juan S.; Parra Sánchez, Juan S.Esta investigación se plantea desde la necesidad de la empresa New Stetic por conocer la distribución de sus clientes para lograr la fidelización de sus marcas, lo cual representa un aumento en los ingresos que genera la venta de sus productos para el sector odontológico. Para darle solución a la necesidad de New Stetic, se ha tomado como muestra los datos de las transacciones de las ventas en los años comprendidos entre el 2017 y febrero de 2023, se contó con un total de 789 registros de clientes, donde se implementó la técnica de Clustering por medio del algoritmo de K-Means realizado en Python. Para el cumplimiento de los objetivos, se utilizó las fases de la metodología CRISP-DM encontrando como resultado tres segmentos de clientes para la implementación de la estrategia comercial con la metodología Design Thinking.Item Construcción de un modelo predictivo para determinar el tiempo de intervenciones quirúrgicas en un Hospital Público de Medellín.(Universidad Católica Luis Amigó, 2023) Pulgarín Rojas, German D.; Barrero Londoño, Diego A.; Parra Sánchez, Juan S.La planificación del uso de quirófanos en los sistemas de atención médica ha dependido históricamente de métodos empíricos debido a la falta de conocimiento sobre el tiempo estimado de las cirugías. En este contexto, el presente trabajo tuvo como objetivo principal desarrollar un modelo predictivo para calcular el tiempo de duración de las cirugías en un Hospital Público de Medellín. Se implementó un modelo supervisado de Machine Learning en diferentes escenarios, incluyendo cirugías generales, especializadas en ortopedia y el conjunto global de las 29especialidades médicas existentes en el estudio. El propósito fue evaluar la capacidad predictiva del modelo en condiciones variables. Bajo la metodología CRISP-DM los resultados obtenidos demuestran que el modelo tuvo una capacidad predictiva superior al 88% de rendimiento, con un desfase máximo de 25 minutos. En este estudio los resultados generados respaldan la aplicación de enfoques predictivos basados en modelos supervisados, destacando el potencial y la relevancia del Machine Learning en el ámbito hospitalario, especialmente en la predicción de tiempos quirúrgicos.Item Implementación de Machine Learning (ML) para clasificación de PQRSF con minería de texto en el área de atención al usuario de la Universidad Católica Luis Amigó(Universidad Católica Luis Amigó, 2022) Gómez Sepúlveda, Daniela; Jiménez Villa, Lisbed; Rivera Delgado, Luis A.; Giraldo Mejía, Juan C.; Giraldo Mejía, Juan C.Este trabajo de grado está enfocado en agilizar la clasificación de las PQRSF de la Universidad Católica Luis Amigó donde se reciben alrededor de 5428 solicitudes por semestre de los cuales, se transfieren alrededor de 1300, se vencen 200, se cierran 4030, y se reabren al menos 30, de acuerdo con el nivel de servicio (SLA), la atención oportuna de estas solicitudes está definida en 24 horas para los casos de consultas de información y 48 horas para los que requieren escalar la consulta con las diferentes áreas, pero se tienen momentos picos que desbordan la capacidad y generan retrasos, para lo cual se plantea atender esta demanda implementando un sistema que permita la clasificación de las solicitudes para agilizar el servicio. Bajo este contexto de la investigación se orientó en la implementación en Machine Learning para la clasificación de PQRSF con minería de texto bajo el marco de referencia de la metodología CRISP-DM y se centra en la aplicación de varias técnicas de Machine Learning para seleccionar la técnica con mejores resultados, que permita analizar y clasificar las diferentes solicitudes a través de sus de texto en las categorías de las PQRSF. Además, la investigación en este campo también se enfoca en la implementación de un modelo Machine Learning donde se carga el aprendizaje al modelo para realizar la clasificación casos simulados de la PQRS desarrollados bajo un escenario de un usuario posible.Item Modelo de machine learning enfocado en la retención de los clientes del sector retail de la moda(Universidad Catolica Luis Amigo, 2022) Chalarca Restrepo, Andrés F.; Gómez Martínez, Jonatan A.; Piedrahita Londoño, Lina M.; Giraldo Mejía, Juan C.Este trabajo de grado está enfocado en Proponer un modelo de machine learning enfocado a la retención de los clientes del sector retail de la moda y así generar las métricas necesarias para la toma de decisiones y el oportuno diseño de estrategias innovadoras, para la clasificación y retención de sus clientes. Para el desarrollo de este estudio se utilizaron 69768 registros de una empresa del sector retail. Para alcanzar los objetivos propuestos en este trabajo, se utilizará la metodología CRISP-DM (Cross-Industry Standard Process for Data Mining) La metodología CRISP-DM la cual es útil para el desarrollo de modelos analíticos a partir de datos, estos datos se originan dentro del negocio y con ellos pretende anticiparse a futuros riesgos de la compañía y así disponer de los recursos o medidas necesarias para solucionar las contingencias. De acuerdo con los resultados obtenidos mediante un análisis estadístico combinado con técnicas de machine learning se pudo comprender el comportamiento de los clientes de la marca Carrera en un periodo determinado, donde se entendió que el valor agregado de la marca radica fundamentalmente en los descuentos ofrecidos hacia los clientes.