Modelo de segmentación para crear estrategias de publicidad y venta en el sector inmobiliario empleando análisis de datos

El objetivo principal de este estudio es diseñar un modelo con implementación tecnológica que permita crear segmentación, estrategias comerciales y personalizadas de los clientes interesados en adquirir vivienda. Asimismo, la compañía está interesado en identificar cual es el género que realizo la m...

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:10336/42568
Acceso en línea:
https://repository.urosario.edu.co/handle/10336/42568
Palabra clave:
Segmentación
Identificación cliente
Análisis de negocios
Análisis de datos
Sector inmobiliario
Segmentation
Customer identification
Business analysis
Data analysis
Real estate sector
Rights
License
Attribution-NonCommercial-ShareAlike 4.0 International
id EDOCUR2_8d280b878324916553b288ed22eb310c
oai_identifier_str oai:repository.urosario.edu.co:10336/42568
network_acronym_str EDOCUR2
network_name_str Repositorio EdocUR - U. Rosario
repository_id_str
dc.title.none.fl_str_mv Modelo de segmentación para crear estrategias de publicidad y venta en el sector inmobiliario empleando análisis de datos
dc.title.TranslatedTitle.none.fl_str_mv Segmentation model to create advertising and sales strategies in the real estate sector using data analysis
title Modelo de segmentación para crear estrategias de publicidad y venta en el sector inmobiliario empleando análisis de datos
spellingShingle Modelo de segmentación para crear estrategias de publicidad y venta en el sector inmobiliario empleando análisis de datos
Segmentación
Identificación cliente
Análisis de negocios
Análisis de datos
Sector inmobiliario
Segmentation
Customer identification
Business analysis
Data analysis
Real estate sector
title_short Modelo de segmentación para crear estrategias de publicidad y venta en el sector inmobiliario empleando análisis de datos
title_full Modelo de segmentación para crear estrategias de publicidad y venta en el sector inmobiliario empleando análisis de datos
title_fullStr Modelo de segmentación para crear estrategias de publicidad y venta en el sector inmobiliario empleando análisis de datos
title_full_unstemmed Modelo de segmentación para crear estrategias de publicidad y venta en el sector inmobiliario empleando análisis de datos
title_sort Modelo de segmentación para crear estrategias de publicidad y venta en el sector inmobiliario empleando análisis de datos
dc.contributor.advisor.none.fl_str_mv Maldonado, Ferney Alonso
dc.subject.none.fl_str_mv Segmentación
Identificación cliente
Análisis de negocios
Análisis de datos
Sector inmobiliario
topic Segmentación
Identificación cliente
Análisis de negocios
Análisis de datos
Sector inmobiliario
Segmentation
Customer identification
Business analysis
Data analysis
Real estate sector
dc.subject.keyword.none.fl_str_mv Segmentation
Customer identification
Business analysis
Data analysis
Real estate sector
description El objetivo principal de este estudio es diseñar un modelo con implementación tecnológica que permita crear segmentación, estrategias comerciales y personalizadas de los clientes interesados en adquirir vivienda. Asimismo, la compañía está interesado en identificar cual es el género que realizo la mayor compra de inmuebles, teniendo en cuenta que la base de datos no contiene esta información detallada por lo cual se procedió a identificar el género a partir de los nombres de los compradores. En este sentido, para desarrollar este trabajo se utilizó la metodología de Crisp-DM a través de Algoritmo clustering usando el método K-Means, una de las ventajas que tiene este método es que tiene la capacidad de analizar bases de datos con más de diez mil registros. Se pudo concluir que, el análisis en este apartado muestra que la manufactura es una industria con ciertas ventajas competitivas en fortaleza económica, lo que no significa que la empresa sea líder en ciertos cambios, por lo que compañía enmarca la situación actual de lo que sucede en el mercado.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-05-15T16:05:27Z
dc.date.available.none.fl_str_mv 2024-05-15T16:05:27Z
dc.date.created.none.fl_str_mv 2024-05-06
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/10336/42568
url https://repository.urosario.edu.co/handle/10336/42568
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.*.fl_str_mv Attribution-NonCommercial-ShareAlike 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-nc-sa/4.0/
rights_invalid_str_mv Attribution-NonCommercial-ShareAlike 4.0 International
Abierto (Texto Completo)
http://creativecommons.org/licenses/by-nc-sa/4.0/
http://purl.org/coar/access_right/c_abf2
dc.format.extent.none.fl_str_mv 99 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 Alayon, R. A., Moncada, D. A., Medina, V. H., & Rodríguez, J. E. (s/f). Estimación de rendimiento académico a través de técnicas para minería de datos. Alberto, C., Cardona, E., & Saint-Priest Velásquez, Y. (s/f). Characterization model of customer profile adapted to building sector with data mining: case study building company. Alejandra, P., Camargo, G., De, U., Andes, L., & De Ingeniería, F. (s/f). IMPLEMENTACIÓN DE UN MODELO MACHINE LEARNING PARA LA ESTIMACIÓN DEL VALOR DEL METRO CUADRADO DE UN INMUEBLE UBICADO EN CUNDINAMARCA. Business Intelligence aplicado al área de compras en la empresa. (s/f). Frank Oscar Gamarra Valencia. Cesar Moyano-Alulema, J. I. (s/f). Modelo de gestión por procesos para la comercialización de bienes inmuebles en urbanizaciones Ciencias económicas y empresariales Artículo de investigación. 6, 395–417. https://doi.org/10.23857/dc.v6i3.1225 Ghazzawi, A., & Alharbi, B. (2019). Analysis of Customer Complaints Data using Data Mining Techniques. Procedia Computer Science, 163, 62–69. https://doi.org/10.1016/j.procs.2019.12.087 Haya Pablo. (2021). https://www.iic.uam.es/innovacion/metodologia-crisp-dm-ciencia-de-datos/. Kaur, p., & Singh, M. (2023). Modelo de segmentación de clientes usando K-means. Kyocera. (2017). Diferencia entre datos estructurados y no estructurados. https://www.kyoceradocumentsolutions.es/es/smarter-workspaces/insights-hub/articles/datos-de-personas-como-conseguirlos.html#:~:text=En%20resumen%2C%20mientras%20que%20los,de%20objetos%20valiosos%20pero%20desordenados. La necesidad de la evolución de la gerencia en el sector de la construcción en Colombia en la cuarta revolución industrial. (s/f). Marzal Varó, A., & Gracia Luengo, I. (2009). Introducción a la programación con Python. Universitat Jaume I. Servei de Comunicació i Publicacions. Ncr, (, & Clinton, J. (2000). Step-by-step data mining guide. DaimlerChrysler. San, A., & Cabrero, J. (s/f). El futuro de la valoración inmobiliaria Big Data y modelos AVM. Sociedad, U. Y., Jorge, M., Rivero Pérez, L., Yaimara, D. C., Santana, P., Harenton, I. P., & López, M. (2016). Volumen 8 | Número 2 | Mayo-agosto. http://rus.ucf.edu.cu/ Vázquez Rodríguez, S., Sergio, L., & Torres, E. (s/f). LOS MERCADOS INMOBILIARIOS EN LA ÉPOCA DEL BIG DATA. Zuur, A. F., Ieno, E. N., & Elphick, C. S. (2010). A protocol for data exploration to avoid common statistical problems. Methods in Ecology and Evolution, 1(1), 3–14. https://doi.org/10.1111/j.2041-210x.2009.00001.x
Alayon, R. A., Moncada, D. A., Medina, V. H., & Rodríguez, J. E. (s/f). Estimación de rendimiento académico a través de técnicas para minería de datos.
Alberto, C., Cardona, E., & Saint-Priest Velásquez, Y. (s/f). Characterization model of customer profile adapted to building sector with data mining: case study building company.
Alejandra, P., Camargo, G., De, U., Andes, L., & De Ingeniería, F. (s/f). IMPLEMENTACIÓN DE UN MODELO MACHINE LEARNING PARA LA ESTIMACIÓN DEL VALOR DEL METRO CUADRADO DE UN INMUEBLE UBICADO EN CUNDINAMARCA
Business Intelligence aplicado al área de compras en la empresa. (s/f). Frank Oscar Gamarra Valencia.
Cesar Moyano-Alulema, J. I. (s/f). Modelo de gestión por procesos para la comercialización de bienes inmuebles en urbanizaciones Ciencias económicas y empresariales Artículo de investigación. 6, 395–417. https://doi.org/10.23857/dc.v6i3.1225
Ghazzawi, A., & Alharbi, B. (2019). Analysis of Customer Complaints Data using Data Mining Techniques. Procedia Computer Science, 163, 62–69. https://doi.org/10.1016/j.procs.2019.12.087
Haya Pablo. (2021). https://www.iic.uam.es/innovacion/metodologia-crisp-dm-ciencia-de-datos/
Kaur, p., & Singh, M. (2023). Modelo de segmentación de clientes usando K-means.
Kyocera. (2017). Diferencia entre datos estructurados y no estructurados. https://www.kyoceradocumentsolutions.es/es/smarter-workspaces/insightshub/articles/datos-de-personas-comoconseguirlos.html#:~:text=En%20resumen%2C%20mientras%20que%20los,de%20objetos %20valiosos%20pero%20desordenados.
La necesidad de la evolución de la gerencia en el sector de la construcción en Colombia en la cuarta revolución industrial. (s/f).
Marzal Varó, A., & Gracia Luengo, I. (2009). Introducción a la programación con Python. Universitat Jaume I. Servei de Comunicació i Publicacions.
Ncr, (, & Clinton, J. (2000). Step-by-step data mining guide. DaimlerChrysler.
San, A., & Cabrero, J. (s/f). El futuro de la valoración inmobiliaria Big Data y modelos AVM
Sociedad, U. Y., Jorge, M., Rivero Pérez, L., Yaimara, D. C., Santana, P., Harenton, I. P., & López, M. (2016). Volumen 8 | Número 2 | Mayo-agosto. http://rus.ucf.edu.cu/
Vázquez Rodríguez, S., Sergio, L., & Torres, E. (s/f). LOS MERCADOS INMOBILIARIOS EN LA ÉPOCA DEL BIG DATA.
Zuur, A. F., Ieno, E. N., & Elphick, C. S. (2010). A protocol for data exploration to avoid common statistical problems. Methods in Ecology and Evolution, 1(1), 3–14. https://doi.org/10.1111/j.2041-210x.2009.00001.x
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/7beaf792-ac47-4f95-810b-96947b909e03/download
https://repository.urosario.edu.co/bitstreams/8662f584-9bbd-458e-bb62-088713321c1f/download
https://repository.urosario.edu.co/bitstreams/f6bf33e5-4be2-4bd7-82c3-e2be1ffa7f69/download
https://repository.urosario.edu.co/bitstreams/2becea25-a98b-4942-a2e2-96d2300f10e8/download
https://repository.urosario.edu.co/bitstreams/a03418b3-449c-4574-8244-c603efcea03f/download
bitstream.checksum.fl_str_mv b2825df9f458e9d5d96ee8b7cd74fde6
3bfb51063d7993250783955db47b98ba
5643bfd9bcf29d560eeec56d584edaa9
2e34c208d93849dfba5f134615970ac0
bf6a2e492a231ffcdd31177a9055628d
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_ 1814167426488598528
spelling Maldonado, Ferney Alonso4522a952-41ac-40a9-ad2e-a24c7519c7b2-1Hernández Herrera, John AlexanderMagíster en Business AnalyticsPart time9478fc62-e94b-4068-87df-cb53b13fb757-12024-05-15T16:05:27Z2024-05-15T16:05:27Z2024-05-06El objetivo principal de este estudio es diseñar un modelo con implementación tecnológica que permita crear segmentación, estrategias comerciales y personalizadas de los clientes interesados en adquirir vivienda. Asimismo, la compañía está interesado en identificar cual es el género que realizo la mayor compra de inmuebles, teniendo en cuenta que la base de datos no contiene esta información detallada por lo cual se procedió a identificar el género a partir de los nombres de los compradores. En este sentido, para desarrollar este trabajo se utilizó la metodología de Crisp-DM a través de Algoritmo clustering usando el método K-Means, una de las ventajas que tiene este método es que tiene la capacidad de analizar bases de datos con más de diez mil registros. Se pudo concluir que, el análisis en este apartado muestra que la manufactura es una industria con ciertas ventajas competitivas en fortaleza económica, lo que no significa que la empresa sea líder en ciertos cambios, por lo que compañía enmarca la situación actual de lo que sucede en el mercado.The main objective of this study is to design a model with technological implementation that allows creating segmentation, commercial and personalized strategies of clients interested in acquiring living place. Likewise, the company is interested in identifying which gender made the largest purchase of real estate, taking into account that the database does not contain this detailed information, which is why the gender was identified from the names of the buyers. In this sense, to develop this work the Crisp-DM methodology was used through a clustering algorithm using the K-Means method. One of the advantages of this method is that it has the ability to analyze databases with more than ten thousand records. It was concluded that the analysis in this section shows that manufacturing is an industry with certain competitive advantages in economic strength, which does not mean that the company is a leader in certain changes, which is why the company. It frames the current situation of what is happening in the market.Amarilo99 ppapplication/pdfhttps://repository.urosario.edu.co/handle/10336/42568spaUniversidad del RosarioEscuela de AdministraciónEscuela de Ingeniería, Ciencia y TecnologíaMaestría en Business AnalyticsAttribution-NonCommercial-ShareAlike 4.0 InternationalAbierto (Texto Completo)http://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_abf2Alayon, R. A., Moncada, D. A., Medina, V. H., & Rodríguez, J. E. (s/f). Estimación de rendimiento académico a través de técnicas para minería de datos. Alberto, C., Cardona, E., & Saint-Priest Velásquez, Y. (s/f). Characterization model of customer profile adapted to building sector with data mining: case study building company. Alejandra, P., Camargo, G., De, U., Andes, L., & De Ingeniería, F. (s/f). IMPLEMENTACIÓN DE UN MODELO MACHINE LEARNING PARA LA ESTIMACIÓN DEL VALOR DEL METRO CUADRADO DE UN INMUEBLE UBICADO EN CUNDINAMARCA. Business Intelligence aplicado al área de compras en la empresa. (s/f). Frank Oscar Gamarra Valencia. Cesar Moyano-Alulema, J. I. (s/f). Modelo de gestión por procesos para la comercialización de bienes inmuebles en urbanizaciones Ciencias económicas y empresariales Artículo de investigación. 6, 395–417. https://doi.org/10.23857/dc.v6i3.1225 Ghazzawi, A., & Alharbi, B. (2019). Analysis of Customer Complaints Data using Data Mining Techniques. Procedia Computer Science, 163, 62–69. https://doi.org/10.1016/j.procs.2019.12.087 Haya Pablo. (2021). https://www.iic.uam.es/innovacion/metodologia-crisp-dm-ciencia-de-datos/. Kaur, p., & Singh, M. (2023). Modelo de segmentación de clientes usando K-means. Kyocera. (2017). Diferencia entre datos estructurados y no estructurados. https://www.kyoceradocumentsolutions.es/es/smarter-workspaces/insights-hub/articles/datos-de-personas-como-conseguirlos.html#:~:text=En%20resumen%2C%20mientras%20que%20los,de%20objetos%20valiosos%20pero%20desordenados. La necesidad de la evolución de la gerencia en el sector de la construcción en Colombia en la cuarta revolución industrial. (s/f). Marzal Varó, A., & Gracia Luengo, I. (2009). Introducción a la programación con Python. Universitat Jaume I. Servei de Comunicació i Publicacions. Ncr, (, & Clinton, J. (2000). Step-by-step data mining guide. DaimlerChrysler. San, A., & Cabrero, J. (s/f). El futuro de la valoración inmobiliaria Big Data y modelos AVM. Sociedad, U. Y., Jorge, M., Rivero Pérez, L., Yaimara, D. C., Santana, P., Harenton, I. P., & López, M. (2016). Volumen 8 | Número 2 | Mayo-agosto. http://rus.ucf.edu.cu/ Vázquez Rodríguez, S., Sergio, L., & Torres, E. (s/f). LOS MERCADOS INMOBILIARIOS EN LA ÉPOCA DEL BIG DATA. Zuur, A. F., Ieno, E. N., & Elphick, C. S. (2010). A protocol for data exploration to avoid common statistical problems. Methods in Ecology and Evolution, 1(1), 3–14. https://doi.org/10.1111/j.2041-210x.2009.00001.xAlayon, R. A., Moncada, D. A., Medina, V. H., & Rodríguez, J. E. (s/f). Estimación de rendimiento académico a través de técnicas para minería de datos.Alberto, C., Cardona, E., & Saint-Priest Velásquez, Y. (s/f). Characterization model of customer profile adapted to building sector with data mining: case study building company.Alejandra, P., Camargo, G., De, U., Andes, L., & De Ingeniería, F. (s/f). IMPLEMENTACIÓN DE UN MODELO MACHINE LEARNING PARA LA ESTIMACIÓN DEL VALOR DEL METRO CUADRADO DE UN INMUEBLE UBICADO EN CUNDINAMARCABusiness Intelligence aplicado al área de compras en la empresa. (s/f). Frank Oscar Gamarra Valencia.Cesar Moyano-Alulema, J. I. (s/f). Modelo de gestión por procesos para la comercialización de bienes inmuebles en urbanizaciones Ciencias económicas y empresariales Artículo de investigación. 6, 395–417. https://doi.org/10.23857/dc.v6i3.1225Ghazzawi, A., & Alharbi, B. (2019). Analysis of Customer Complaints Data using Data Mining Techniques. Procedia Computer Science, 163, 62–69. https://doi.org/10.1016/j.procs.2019.12.087Haya Pablo. (2021). https://www.iic.uam.es/innovacion/metodologia-crisp-dm-ciencia-de-datos/Kaur, p., & Singh, M. (2023). Modelo de segmentación de clientes usando K-means.Kyocera. (2017). Diferencia entre datos estructurados y no estructurados. https://www.kyoceradocumentsolutions.es/es/smarter-workspaces/insightshub/articles/datos-de-personas-comoconseguirlos.html#:~:text=En%20resumen%2C%20mientras%20que%20los,de%20objetos %20valiosos%20pero%20desordenados.La necesidad de la evolución de la gerencia en el sector de la construcción en Colombia en la cuarta revolución industrial. (s/f).Marzal Varó, A., & Gracia Luengo, I. (2009). Introducción a la programación con Python. Universitat Jaume I. Servei de Comunicació i Publicacions.Ncr, (, & Clinton, J. (2000). Step-by-step data mining guide. DaimlerChrysler.San, A., & Cabrero, J. (s/f). El futuro de la valoración inmobiliaria Big Data y modelos AVMSociedad, U. Y., Jorge, M., Rivero Pérez, L., Yaimara, D. C., Santana, P., Harenton, I. P., & López, M. (2016). Volumen 8 | Número 2 | Mayo-agosto. http://rus.ucf.edu.cu/Vázquez Rodríguez, S., Sergio, L., & Torres, E. (s/f). LOS MERCADOS INMOBILIARIOS EN LA ÉPOCA DEL BIG DATA.Zuur, A. F., Ieno, E. N., & Elphick, C. S. (2010). A protocol for data exploration to avoid common statistical problems. Methods in Ecology and Evolution, 1(1), 3–14. https://doi.org/10.1111/j.2041-210x.2009.00001.xinstname:Universidad del Rosarioreponame:Repositorio Institucional EdocURSegmentaciónIdentificación clienteAnálisis de negociosAnálisis de datosSector inmobiliarioSegmentationCustomer identificationBusiness analysisData analysisReal estate sectorModelo de segmentación para crear estrategias de publicidad y venta en el sector inmobiliario empleando análisis de datosSegmentation model to create advertising and sales strategies in the real estate sector using data analysisbachelorThesisTrabajo de gradoTrabajo de gradohttp://purl.org/coar/resource_type/c_7a1fEscuela de AdministraciónBogotáLICENSElicense.txtlicense.txttext/plain1483https://repository.urosario.edu.co/bitstreams/7beaf792-ac47-4f95-810b-96947b909e03/downloadb2825df9f458e9d5d96ee8b7cd74fde6MD52ORIGINALModelo_de_segmentacion_para_crear_estrategias_de_publicidad_y_venta_HernandezHerrera-JohnAlexander-2024.pdfModelo_de_segmentacion_para_crear_estrategias_de_publicidad_y_venta_HernandezHerrera-JohnAlexander-2024.pdfapplication/pdf2905541https://repository.urosario.edu.co/bitstreams/8662f584-9bbd-458e-bb62-088713321c1f/download3bfb51063d7993250783955db47b98baMD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81160https://repository.urosario.edu.co/bitstreams/f6bf33e5-4be2-4bd7-82c3-e2be1ffa7f69/download5643bfd9bcf29d560eeec56d584edaa9MD54TEXTModelo_de_segmentacion_para_crear_estrategias_de_publicidad_y_venta_HernandezHerrera-JohnAlexander-2024.pdf.txtModelo_de_segmentacion_para_crear_estrategias_de_publicidad_y_venta_HernandezHerrera-JohnAlexander-2024.pdf.txtExtracted texttext/plain101551https://repository.urosario.edu.co/bitstreams/2becea25-a98b-4942-a2e2-96d2300f10e8/download2e34c208d93849dfba5f134615970ac0MD55THUMBNAILModelo_de_segmentacion_para_crear_estrategias_de_publicidad_y_venta_HernandezHerrera-JohnAlexander-2024.pdf.jpgModelo_de_segmentacion_para_crear_estrategias_de_publicidad_y_venta_HernandezHerrera-JohnAlexander-2024.pdf.jpgGenerated Thumbnailimage/jpeg2438https://repository.urosario.edu.co/bitstreams/a03418b3-449c-4574-8244-c603efcea03f/downloadbf6a2e492a231ffcdd31177a9055628dMD5610336/42568oai:repository.urosario.edu.co:10336/425682024-05-16 03:00:21.405http://creativecommons.org/licenses/by-nc-sa/4.0/Attribution-NonCommercial-ShareAlike 4.0 Internationalhttps://repository.urosario.edu.coRepositorio institucional EdocURedocur@urosario.edu.coRUwoTE9TKSBBVVRPUihFUyksIG1hbmlmaWVzdGEobWFuaWZlc3RhbW9zKSBxdWUgbGEgb2JyYSBvYmpldG8gZGUgbGEgcHJlc2VudGUgYXV0b3JpemFjacOzbiBlcyBvcmlnaW5hbCB5IGxhIHJlYWxpesOzIHNpbiB2aW9sYXIgbyB1c3VycGFyIGRlcmVjaG9zIGRlIGF1dG9yIGRlIHRlcmNlcm9zLCBwb3IgbG8gdGFudG8gbGEgb2JyYSBlcyBkZSBleGNsdXNpdmEgYXV0b3LDrWEgeSB0aWVuZSBsYSB0aXR1bGFyaWRhZCBzb2JyZSBsYSBtaXNtYS4KPGJyLz4KUEFSQUdSQUZPOiBFbiBjYXNvIGRlIHByZXNlbnRhcnNlIGN1YWxxdWllciByZWNsYW1hY2nDs24gbyBhY2Npw7NuIHBvciBwYXJ0ZSBkZSB1biB0ZXJjZXJvIGVuIGN1YW50byBhIGxvcyBkZXJlY2hvcyBkZSBhdXRvciBzb2JyZSBsYSBvYnJhIGVuIGN1ZXN0acOzbiwgRUwgQVVUT1IsIGFzdW1pcsOhIHRvZGEgbGEgcmVzcG9uc2FiaWxpZGFkLCB5IHNhbGRyw6EgZW4gZGVmZW5zYSBkZSBsb3MgZGVyZWNob3MgYXF1w60gYXV0b3JpemFkb3M7IHBhcmEgdG9kb3MgbG9zIGVmZWN0b3MgbGEgdW5pdmVyc2lkYWQgYWN0w7phIGNvbW8gdW4gdGVyY2VybyBkZSBidWVuYSBmZS4KPGhyLz4KRUwgQVVUT1IsIGF1dG9yaXphIGEgTEEgVU5JVkVSU0lEQUQgREVMIFJPU0FSSU8sICBwYXJhIHF1ZSBlbiBsb3MgdMOpcm1pbm9zIGVzdGFibGVjaWRvcyBlbiBsYSBMZXkgMjMgZGUgMTk4MiwgTGV5IDQ0IGRlIDE5OTMsIERlY2lzacOzbiBhbmRpbmEgMzUxIGRlIDE5OTMsIERlY3JldG8gNDYwIGRlIDE5OTUgeSBkZW3DoXMgbm9ybWFzIGdlbmVyYWxlcyBzb2JyZSBsYSBtYXRlcmlhLCAgdXRpbGljZSB5IHVzZSBsYSBvYnJhIG9iamV0byBkZSBsYSBwcmVzZW50ZSBhdXRvcml6YWNpw7NuLgoKLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0KClBPTElUSUNBIERFIFRSQVRBTUlFTlRPIERFIERBVE9TIFBFUlNPTkFMRVMuIERlY2xhcm8gcXVlIGF1dG9yaXpvIHByZXZpYSB5IGRlIGZvcm1hIGluZm9ybWFkYSBlbCB0cmF0YW1pZW50byBkZSBtaXMgZGF0b3MgcGVyc29uYWxlcyBwb3IgcGFydGUgZGUgTEEgVU5JVkVSU0lEQUQgREVMIFJPU0FSSU8gIHBhcmEgZmluZXMgYWNhZMOpbWljb3MgeSBlbiBhcGxpY2FjacOzbiBkZSBjb252ZW5pb3MgY29uIHRlcmNlcm9zIG8gc2VydmljaW9zIGNvbmV4b3MgY29uIGFjdGl2aWRhZGVzIHByb3BpYXMgZGUgbGEgYWNhZGVtaWEsIGNvbiBlc3RyaWN0byBjdW1wbGltaWVudG8gZGUgbG9zIHByaW5jaXBpb3MgZGUgbGV5LiBQYXJhIGVsIGNvcnJlY3RvIGVqZXJjaWNpbyBkZSBtaSBkZXJlY2hvIGRlIGhhYmVhcyBkYXRhICBjdWVudG8gY29uIGxhIGN1ZW50YSBkZSBjb3JyZW8gaGFiZWFzZGF0YUB1cm9zYXJpby5lZHUuY28sIGRvbmRlIHByZXZpYSBpZGVudGlmaWNhY2nDs24gIHBvZHLDqSBzb2xpY2l0YXIgbGEgY29uc3VsdGEsIGNvcnJlY2Npw7NuIHkgc3VwcmVzacOzbiBkZSBtaXMgZGF0b3MuCg==