Modelo predictivo de desistimiento aplicado a una constructora Colombiana para proyectos de vivienda, un año después de la separación del inmueble.

El proyecto propone desarrollar un modelo predictivo de desistimiento para una constructora colombiana enfocada en proyectos de vivienda. Utilizando análisis de datos y minería de información, se identificarán patrones y relaciones relevantes relacionados con el desistimiento de compra de inmuebles....

Full description

Autores:
Tipo de recurso:
Fecha de publicación:
2024
Institución:
Universidad del Rosario
Repositorio:
Repositorio EdocUR - U. Rosario
Idioma:
spa
OAI Identifier:
oai:repository.urosario.edu.co:10336/43090
Acceso en línea:
https://repository.urosario.edu.co/handle/10336/43090
Palabra clave:
Análitica de Datos
Gobierno de datos
Modelo predictivo
Desistimiento
Predictive model
Business Analytics
Withdrawal
Rights
License
Attribution 4.0 International
id EDOCUR2_1008c9ffa1ab48f6bec52b25f9b92f05
oai_identifier_str oai:repository.urosario.edu.co:10336/43090
network_acronym_str EDOCUR2
network_name_str Repositorio EdocUR - U. Rosario
repository_id_str
dc.title.none.fl_str_mv Modelo predictivo de desistimiento aplicado a una constructora Colombiana para proyectos de vivienda, un año después de la separación del inmueble.
dc.title.TranslatedTitle.none.fl_str_mv Predictive model of withdrawal applied to a Colombian construction company for housing projects, one year after the separation of the property
title Modelo predictivo de desistimiento aplicado a una constructora Colombiana para proyectos de vivienda, un año después de la separación del inmueble.
spellingShingle Modelo predictivo de desistimiento aplicado a una constructora Colombiana para proyectos de vivienda, un año después de la separación del inmueble.
Análitica de Datos
Gobierno de datos
Modelo predictivo
Desistimiento
Predictive model
Business Analytics
Withdrawal
title_short Modelo predictivo de desistimiento aplicado a una constructora Colombiana para proyectos de vivienda, un año después de la separación del inmueble.
title_full Modelo predictivo de desistimiento aplicado a una constructora Colombiana para proyectos de vivienda, un año después de la separación del inmueble.
title_fullStr Modelo predictivo de desistimiento aplicado a una constructora Colombiana para proyectos de vivienda, un año después de la separación del inmueble.
title_full_unstemmed Modelo predictivo de desistimiento aplicado a una constructora Colombiana para proyectos de vivienda, un año después de la separación del inmueble.
title_sort Modelo predictivo de desistimiento aplicado a una constructora Colombiana para proyectos de vivienda, un año después de la separación del inmueble.
dc.contributor.advisor.none.fl_str_mv Cruz Castro, Daniel Leonardo
dc.subject.none.fl_str_mv Análitica de Datos
Gobierno de datos
Modelo predictivo
Desistimiento
topic Análitica de Datos
Gobierno de datos
Modelo predictivo
Desistimiento
Predictive model
Business Analytics
Withdrawal
dc.subject.keyword.none.fl_str_mv Predictive model
Business Analytics
Withdrawal
description El proyecto propone desarrollar un modelo predictivo de desistimiento para una constructora colombiana enfocada en proyectos de vivienda. Utilizando análisis de datos y minería de información, se identificarán patrones y relaciones relevantes relacionados con el desistimiento de compra de inmuebles. El modelo clasificará a los clientes según su riesgo de desistimiento, permitiendo a la empresa tomar decisiones estratégicas y diseñar acciones preventivas para mitigar estos riesgos, optimizando así recursos y fortaleciendo la relación con los clientes.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-07-19T20:56:05Z
dc.date.available.none.fl_str_mv 2024-07-19T20:56:05Z
dc.date.created.none.fl_str_mv 2024-07-18
dc.type.none.fl_str_mv bachelorThesis
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.document.none.fl_str_mv Trabajo de grado
dc.type.spa.none.fl_str_mv Trabajo de grado
dc.identifier.uri.none.fl_str_mv https://repository.urosario.edu.co/handle/10336/43090
url https://repository.urosario.edu.co/handle/10336/43090
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.*.fl_str_mv Attribution 4.0 International
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.acceso.none.fl_str_mv Abierto (Texto Completo)
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by/4.0/
rights_invalid_str_mv Attribution 4.0 International
Abierto (Texto Completo)
http://creativecommons.org/licenses/by/4.0/
http://purl.org/coar/access_right/c_abf2
dc.format.extent.none.fl_str_mv 95 PP
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad del Rosario
dc.publisher.department.none.fl_str_mv Escuela de Administración
Escuela de Ingeniería, Ciencia y Tecnología
dc.publisher.program.none.fl_str_mv Maestría en Business Analytics
publisher.none.fl_str_mv Universidad del Rosario
institution Universidad del Rosario
dc.source.bibliographicCitation.none.fl_str_mv Collins, G. S., & Moons, K. G. (2019). Reporting of artificial intelligence prediction models. The Lancet, 393(10181), 1577-1579. https://doi.org/10.1016/S0140-6736(19)30037-6
Fernández Hurtado, S. R., Martínez Martínez, L. Á., & Ngono Fouda, R. A. (2019). Barreras que dificultan la planeación estratégica en las organizaciones. Tendencias, 20(1), 254-279. https://doi.org/10.22267/rtend.192001.108
Grömping, U. (2015). Variable importance in regression models. Wiley interdisciplinary reviews: Computational statistics, 7(2), 137-152. https://doi.org/10.1002/wics.1346
Guerrero, D. (1 de Abril de 2023) ¿Por qué la construcción es clave para que el PIB de Colombia sea bueno en 2023?. Bloomberg Linea. https://www.bloomberglinea.com/2023/04/01/por-que-la-construccion-es-clave-para-que el-pib-de-colombia-sea-bueno-en-2023/
Hanslo, R., & Tanner, M. (2020, September). Machine learning models to predict agile methodology adoption. In 2020 15th Conference on Computer Science and Information Systems (pp. 697-704). IEEE. https://doi.org/10.15439/2020F214
Jin, D. H., & Kim, H. J. (2018). Integrated understanding of big data, big data analysis, and business intelligence: A case study of logistics. Sustainability, 10(10), 3778. https://doi.org/10.3390/su10103778
Kumar, P., Sehgal, V. K., & Chauhan, D. S. (2012). A benchmark to select data mining based classification algorithms for business intelligence and decision support systems. International Journal of Data Mining & Knowledge Management Process 2 (5), https://doi.org/10.5121/ijdkp.2012.2503
Lesmes, L. (21 de Junio de 2023) ¿De qué manera se puede terminar el contrato con una constructora?). El Tiempo. https://www.eltiempo.com/economia/finanzas-personales/asi puede-terminar-un-contrato-con-una-constructora-779393
Merino Araujo, I. (2023). Gestión e implementación de un modelo predictivo para la optimización de los beneficios de una empresa (Universitat Politècnica de Catalunya). http://hdl.handle.net/2117/398431
Montes, S. (26 de Febrero de 2024). Así es como el sector construcción pone manos a la obra para salir adelante en 2024.Forbes Colombia. https://forbes.co/2024/02/26/negocios/asi es-como-el-sector-construccion-pone-manos-a-la-obra-para-salir-adelante-en-2024
Morandini, M., Coleti, T. A., Oliveira Jr, E., & Corrêa, P. L. P. (2021). Considerations about the efficiency and sufficiency of the utilization of the Scrum methodology: A survey for analyzing results for development teams. Computer Science Review, 39, 100314. https://doi.org/10.1016/j.cosrev.2020.100314
Northcott, R. (2017). When are purely predictive models best?. Disputatio, 9(47), 631-656.
Porter, M. E. (1991). Techniques for Analyzing Industries and Competitors. 8a ed. Rio de Janeiro: Campus, 49-58. Free Press
Roy-García, I., Rivas-Ruiz, R., Pérez-Rodríguez, M., & Palacios-Cruz, L. (2019). Correlación: no toda correlación implica causalidad. Revista Alergia México, 66(3), 354-360. https://doi.org/10.29262/ram.v66i3.651
Vargas, A. M. C. (2019). El gobierno de datos: un referente entre el gobierno de TI y la inteligencia de negocios. Revista Científica Ecociencia, 6(1), 1- 19.https://doi.org/10.21855/ecociencia.61.186
Zhao, Y. (2023). Design of a corporate financial crisis prediction model based on improved ABC-RNN+ Bi-LSTM algorithm in the context of sustainable development. PeerJ Computer Science, 9, e1287. https://doi.org/10.7717/peerj-cs.1287
dc.source.instname.none.fl_str_mv instname:Universidad del Rosario
dc.source.reponame.none.fl_str_mv reponame:Repositorio Institucional EdocUR
bitstream.url.fl_str_mv https://repository.urosario.edu.co/bitstreams/90b45ad8-9659-4ca9-950c-4607c4b80a48/download
https://repository.urosario.edu.co/bitstreams/8f696f3a-f7d9-42de-b9b4-f17f878d4aef/download
https://repository.urosario.edu.co/bitstreams/ffebbcd7-b9df-4513-9433-0db32a290507/download
https://repository.urosario.edu.co/bitstreams/4820dc4b-50fe-4063-8df7-222973f3fd12/download
https://repository.urosario.edu.co/bitstreams/6279aa13-19e7-4a42-9a2a-b7031945e70d/download
bitstream.checksum.fl_str_mv b2825df9f458e9d5d96ee8b7cd74fde6
313ea3fe4cd627df823c57a0f12776e5
0cbb62ff55c8bf6b2d2a8764e892b5b8
873e5fe8555baa0fe3561b7fcd148df3
67fa241d42ad333f7ae104c691e6c6e4
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional EdocUR
repository.mail.fl_str_mv edocur@urosario.edu.co
_version_ 1814167720628846592
spelling Cruz Castro, Daniel Leonardo16668e30-c290-45d2-aa2e-876e67adc06c-1Rincón Castiblanco, Angie CarolinaVásquez Peña, Juan FelipeVelandia López, Yineth JulianaMagíster en Business AnalyticsFull timef16c2152-dedf-4c09-b58c-7782ca25afa4-1e2c0fb28-515d-4aab-965b-181a862affef-1a38da61e-bb28-4530-b0f3-bd6d92d88c15-12024-07-19T20:56:05Z2024-07-19T20:56:05Z2024-07-18El proyecto propone desarrollar un modelo predictivo de desistimiento para una constructora colombiana enfocada en proyectos de vivienda. Utilizando análisis de datos y minería de información, se identificarán patrones y relaciones relevantes relacionados con el desistimiento de compra de inmuebles. El modelo clasificará a los clientes según su riesgo de desistimiento, permitiendo a la empresa tomar decisiones estratégicas y diseñar acciones preventivas para mitigar estos riesgos, optimizando así recursos y fortaleciendo la relación con los clientes.The project proposes to develop a predictive model for withdrawal for a Colombian construction company focused on Social Interest Housing (VIS) projects. Using data analysis and information mining, relevant patterns and relationships related to property purchase withdrawals will be identified. The model will classify customers according to their withdrawal risk, enabling the company to make strategic decisions and design preventive actions to mitigate these risks, thereby optimizing resources and strengthening customer relations.95 PPapplication/pdfhttps://repository.urosario.edu.co/handle/10336/43090spaUniversidad del RosarioEscuela de AdministraciónEscuela de Ingeniería, Ciencia y TecnologíaMaestría en Business AnalyticsAttribution 4.0 InternationalAbierto (Texto Completo)http://creativecommons.org/licenses/by/4.0/http://purl.org/coar/access_right/c_abf2Collins, G. S., & Moons, K. G. (2019). Reporting of artificial intelligence prediction models. The Lancet, 393(10181), 1577-1579. https://doi.org/10.1016/S0140-6736(19)30037-6Fernández Hurtado, S. R., Martínez Martínez, L. Á., & Ngono Fouda, R. A. (2019). Barreras que dificultan la planeación estratégica en las organizaciones. Tendencias, 20(1), 254-279. https://doi.org/10.22267/rtend.192001.108Grömping, U. (2015). Variable importance in regression models. Wiley interdisciplinary reviews: Computational statistics, 7(2), 137-152. https://doi.org/10.1002/wics.1346Guerrero, D. (1 de Abril de 2023) ¿Por qué la construcción es clave para que el PIB de Colombia sea bueno en 2023?. Bloomberg Linea. https://www.bloomberglinea.com/2023/04/01/por-que-la-construccion-es-clave-para-que el-pib-de-colombia-sea-bueno-en-2023/Hanslo, R., & Tanner, M. (2020, September). Machine learning models to predict agile methodology adoption. In 2020 15th Conference on Computer Science and Information Systems (pp. 697-704). IEEE. https://doi.org/10.15439/2020F214Jin, D. H., & Kim, H. J. (2018). Integrated understanding of big data, big data analysis, and business intelligence: A case study of logistics. Sustainability, 10(10), 3778. https://doi.org/10.3390/su10103778Kumar, P., Sehgal, V. K., & Chauhan, D. S. (2012). A benchmark to select data mining based classification algorithms for business intelligence and decision support systems. International Journal of Data Mining & Knowledge Management Process 2 (5), https://doi.org/10.5121/ijdkp.2012.2503Lesmes, L. (21 de Junio de 2023) ¿De qué manera se puede terminar el contrato con una constructora?). El Tiempo. https://www.eltiempo.com/economia/finanzas-personales/asi puede-terminar-un-contrato-con-una-constructora-779393Merino Araujo, I. (2023). Gestión e implementación de un modelo predictivo para la optimización de los beneficios de una empresa (Universitat Politècnica de Catalunya). http://hdl.handle.net/2117/398431Montes, S. (26 de Febrero de 2024). Así es como el sector construcción pone manos a la obra para salir adelante en 2024.Forbes Colombia. https://forbes.co/2024/02/26/negocios/asi es-como-el-sector-construccion-pone-manos-a-la-obra-para-salir-adelante-en-2024Morandini, M., Coleti, T. A., Oliveira Jr, E., & Corrêa, P. L. P. (2021). Considerations about the efficiency and sufficiency of the utilization of the Scrum methodology: A survey for analyzing results for development teams. Computer Science Review, 39, 100314. https://doi.org/10.1016/j.cosrev.2020.100314Northcott, R. (2017). When are purely predictive models best?. Disputatio, 9(47), 631-656.Porter, M. E. (1991). Techniques for Analyzing Industries and Competitors. 8a ed. Rio de Janeiro: Campus, 49-58. Free PressRoy-García, I., Rivas-Ruiz, R., Pérez-Rodríguez, M., & Palacios-Cruz, L. (2019). Correlación: no toda correlación implica causalidad. Revista Alergia México, 66(3), 354-360. https://doi.org/10.29262/ram.v66i3.651Vargas, A. M. C. (2019). El gobierno de datos: un referente entre el gobierno de TI y la inteligencia de negocios. Revista Científica Ecociencia, 6(1), 1- 19.https://doi.org/10.21855/ecociencia.61.186Zhao, Y. (2023). Design of a corporate financial crisis prediction model based on improved ABC-RNN+ Bi-LSTM algorithm in the context of sustainable development. PeerJ Computer Science, 9, e1287. https://doi.org/10.7717/peerj-cs.1287instname:Universidad del Rosarioreponame:Repositorio Institucional EdocURAnálitica de DatosGobierno de datosModelo predictivoDesistimientoPredictive modelBusiness AnalyticsWithdrawalModelo predictivo de desistimiento aplicado a una constructora Colombiana para proyectos de vivienda, un año después de la separación del inmueble.Predictive model of withdrawal applied to a Colombian construction company for housing projects, one year after the separation of the propertybachelorThesisTrabajo de gradoTrabajo de gradohttp://purl.org/coar/resource_type/c_7a1fEscuela de AdministraciónBogotáLICENSElicense.txtlicense.txttext/plain1483https://repository.urosario.edu.co/bitstreams/90b45ad8-9659-4ca9-950c-4607c4b80a48/downloadb2825df9f458e9d5d96ee8b7cd74fde6MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81019https://repository.urosario.edu.co/bitstreams/8f696f3a-f7d9-42de-b9b4-f17f878d4aef/download313ea3fe4cd627df823c57a0f12776e5MD52ORIGINALConstructora_colombiana_Rincon_Castiblanco_Angie_Carolina.pdfConstructora_colombiana_Rincon_Castiblanco_Angie_Carolina.pdfapplication/pdf2445465https://repository.urosario.edu.co/bitstreams/ffebbcd7-b9df-4513-9433-0db32a290507/download0cbb62ff55c8bf6b2d2a8764e892b5b8MD53TEXTConstructora_colombiana_Rincon_Castiblanco_Angie_Carolina.pdf.txtConstructora_colombiana_Rincon_Castiblanco_Angie_Carolina.pdf.txtExtracted texttext/plain101464https://repository.urosario.edu.co/bitstreams/4820dc4b-50fe-4063-8df7-222973f3fd12/download873e5fe8555baa0fe3561b7fcd148df3MD54THUMBNAILConstructora_colombiana_Rincon_Castiblanco_Angie_Carolina.pdf.jpgConstructora_colombiana_Rincon_Castiblanco_Angie_Carolina.pdf.jpgGenerated Thumbnailimage/jpeg2498https://repository.urosario.edu.co/bitstreams/6279aa13-19e7-4a42-9a2a-b7031945e70d/download67fa241d42ad333f7ae104c691e6c6e4MD5510336/43090oai:repository.urosario.edu.co:10336/430902024-07-20 03:05:01.644http://creativecommons.org/licenses/by/4.0/Attribution 4.0 Internationalhttps://repository.urosario.edu.coRepositorio institucional EdocURedocur@urosario.edu.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