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....
- 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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 |