Método Cluster-RNA para Clasificar, Caracterizar y Pronosticar Perfiles Competitivos del Sector Tiendas Minoristas en la Ciudad de Barranquilla

Objetivo– Desarrollar un método para clasificar, caracterizar y pronosticar perfiles competitivos del sector tiendas minoristas a partir de la integración de la técnica de análisis de cluster y las redes neuronales artificiales. Metodología– Para lo anterior se revisó la literatura relacionada con l...

Full description

Autores:
De La Hoz G, Efrain
Iglesias, Maria Auxiliadora
Perez Coronell, Leidy Haidy
Tipo de recurso:
Article of journal
Fecha de publicación:
2020
Institución:
Corporación Universidad de la Costa
Repositorio:
REDICUC - Repositorio CUC
Idioma:
spa
OAI Identifier:
oai:repositorio.cuc.edu.co:11323/12258
Acceso en línea:
https://hdl.handle.net/11323/12258
https://doi.org/10.17981/ingecuc.16.1.2020.17
Palabra clave:
cluster analysis
artificial neural network
retail
análisis de conglomerado
red neuronal artificial
comercio minorista
Rights
openAccess
License
INGE CUC - 2020
id RCUC2_e2b70d2b460b2443411749f5cab301f9
oai_identifier_str oai:repositorio.cuc.edu.co:11323/12258
network_acronym_str RCUC2
network_name_str REDICUC - Repositorio CUC
repository_id_str
dc.title.spa.fl_str_mv Método Cluster-RNA para Clasificar, Caracterizar y Pronosticar Perfiles Competitivos del Sector Tiendas Minoristas en la Ciudad de Barranquilla
dc.title.translated.eng.fl_str_mv Cluster-RNA Method to Classify, Characterize and Predict Competitive Profiles of the Retail Stores Sector in the City of Barranquilla
title Método Cluster-RNA para Clasificar, Caracterizar y Pronosticar Perfiles Competitivos del Sector Tiendas Minoristas en la Ciudad de Barranquilla
spellingShingle Método Cluster-RNA para Clasificar, Caracterizar y Pronosticar Perfiles Competitivos del Sector Tiendas Minoristas en la Ciudad de Barranquilla
cluster analysis
artificial neural network
retail
análisis de conglomerado
red neuronal artificial
comercio minorista
title_short Método Cluster-RNA para Clasificar, Caracterizar y Pronosticar Perfiles Competitivos del Sector Tiendas Minoristas en la Ciudad de Barranquilla
title_full Método Cluster-RNA para Clasificar, Caracterizar y Pronosticar Perfiles Competitivos del Sector Tiendas Minoristas en la Ciudad de Barranquilla
title_fullStr Método Cluster-RNA para Clasificar, Caracterizar y Pronosticar Perfiles Competitivos del Sector Tiendas Minoristas en la Ciudad de Barranquilla
title_full_unstemmed Método Cluster-RNA para Clasificar, Caracterizar y Pronosticar Perfiles Competitivos del Sector Tiendas Minoristas en la Ciudad de Barranquilla
title_sort Método Cluster-RNA para Clasificar, Caracterizar y Pronosticar Perfiles Competitivos del Sector Tiendas Minoristas en la Ciudad de Barranquilla
dc.creator.fl_str_mv De La Hoz G, Efrain
Iglesias, Maria Auxiliadora
Perez Coronell, Leidy Haidy
dc.contributor.author.spa.fl_str_mv De La Hoz G, Efrain
Iglesias, Maria Auxiliadora
Perez Coronell, Leidy Haidy
dc.subject.eng.fl_str_mv cluster analysis
artificial neural network
retail
topic cluster analysis
artificial neural network
retail
análisis de conglomerado
red neuronal artificial
comercio minorista
dc.subject.spa.fl_str_mv análisis de conglomerado
red neuronal artificial
comercio minorista
description Objetivo– Desarrollar un método para clasificar, caracterizar y pronosticar perfiles competitivos del sector tiendas minoristas a partir de la integración de la técnica de análisis de cluster y las redes neuronales artificiales. Metodología– Para lo anterior se revisó la literatura relacionada con la competitividad de tiendas minoristas a partir de lo cual se identificaron variables asociadas a esta investigación. La información analizada corresponde a 224 tiendas de comercio minorista de la ciudad de Barranquilla. Resultados– El análisis de cluster permitió caracterizar 4 perfiles competitivos del sector que mostraron ser homogéneos intragrupo y heterogéneos extragrupo, El modelo de red neuronal artificial mostró un 91,3% de clasificación correcta en la muestra de reserva, con lo cual se infiere la capacidad de clasificación del modelo de red y la capacidad discriminante de las variables relacionadas con el conocimiento de productos y precios, las prácticas de inventario y ventas, presencia en el mercado, atención diferenciada, ubicación y variedad de productos en los perfiles identificados. Conclusiones– Los resultados de la investigación muestran alta capacidad del método cluster-RNA, para clasificar y proyectar perfiles competitivos a partir de los cuales se pueden diseñar procesos de mejoramiento.
publishDate 2020
dc.date.accessioned.none.fl_str_mv 2020-01-27 00:00:00
2024-04-09T20:17:42Z
dc.date.available.none.fl_str_mv 2020-01-27 00:00:00
2024-04-09T20:17:42Z
dc.date.issued.none.fl_str_mv 2020-01-27
dc.type.spa.fl_str_mv Artículo de revista
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_6501
http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/article
dc.type.local.eng.fl_str_mv Journal article
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/ART
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.coarversion.spa.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
format http://purl.org/coar/resource_type/c_6501
status_str publishedVersion
dc.identifier.issn.none.fl_str_mv 0122-6517
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/11323/12258
dc.identifier.url.none.fl_str_mv https://doi.org/10.17981/ingecuc.16.1.2020.17
dc.identifier.doi.none.fl_str_mv 10.17981/ingecuc.16.1.2020.17
dc.identifier.eissn.none.fl_str_mv 2382-4700
identifier_str_mv 0122-6517
10.17981/ingecuc.16.1.2020.17
2382-4700
url https://hdl.handle.net/11323/12258
https://doi.org/10.17981/ingecuc.16.1.2020.17
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.ispartofjournal.spa.fl_str_mv Inge Cuc
dc.relation.references.spa.fl_str_mv  E. L. Aldana, “Imagen y Posicionamiento de las Tiendas de Barrio en Colombia, aplicando el análisis factorial de correspondencias AFC”, Panorama Económico U. de C., vol. 225, no. 15, pp. 255–281, Jan. 2015. Disponible en http://hdl.handle.net/11227/3742
 J. Córdoba & L. Cano, “Estudio de hábitos y valores de los consumidores del canal tradicional tiendas de barrio de la ciudad de Cali”, Entramado, vol. 5, no. 2, pp. 44–63, Dec. 2009. Disponible en https://revistas.unilibre.edu.co/index.php/entramado/article/view/3354
 C. Martínez & M. Vergara, “Marketing relacional y su contribución a la competitividad en las tiendas de barrio del sur oriente de Barranquilla”. M.S. Thesis, UAC, BQ, CO, 2018.
 Q. Martin, M. Cabero & Y. De Paz, Tratamiento Estadístico de Datos con SPSS. Madrid, ES: Thomson Editores, pp. 145–156, 2008.
 D. Peña, Análisis de datos multivariantes. Madrid, ES: McGraw Hill, pp. 137–235, 2002.
 M. Ato, J. López, A. Velandrino & J. Sánchez, Estadística Avanzada con el paquete Systat. Murcia, ES: UMU, 1990.
 P. Arroyo & J. Borja, Análisis Multivariante para la inteligencia de Mercados. Monterrey, MX: Editorial Digital del ITESM, 2018.
 J. De la Garza, B. Morales & B. González, Análisis Estadístico Multivariante. Un enfoque teórico y práctico. México, D.F. MX: McGraw Hill, 2013.
 A. Catena, M. Ramos & H. Trujillo, Análisis Multivariado. Un manual para investigadores (Primera). Madrid, ES: Editorial Biblioteca Nueva, 2003.
 H. Alaka, L. Oyedele, H. Owolabi, V. Kumar, S. Ajayie, O. Akinade & M. Bilalf, “Systematic Review of Bankruptcy Prediction Models: Towards a Framework for Tool Selection”, Expert Syst. with Appl., vol. 94, pp. 164–184, Mar. 2018. https://doi.org/10.1016/j.eswa.2017.10.040
 G. McMillan, Process/Industrial Instruments and Controls Handbook. USA: McGraw Hill, 2013.
 O. García & A. Morales, “Desempeño financiero de las empresas: una propuesta de clasificación por RNA”. Dimensión Empresarial, vol. 14, no. 2, pp. 11–23. 2016. https://dx.doi.org/10.15665/rde.v14i2.686
 L. Álvarez, Fundamentos de inteligencia artificial. Murcia, ES: EDITUM, 1994.
 R. Flórez & J. Fernández, “Las Redes Neuronales Artificiales. Fundamentos teóricos y aplicaciones prácticas”. Madrid, ES: Netbiblo, 2008.
 C. Pérez, Redes Neuronales a través de ejemplos. Aplicaciones con Matlab. Scotts Valley, USA: CreateSpace Independent Publishing Platform, 2017.
 E. Caicedo & J. López, Una Aproximación Práctica a las Redes Neuronales Artificiales (Primera). Cali, CO: Programa Editorial Univalle, 2009. https://doi.org/10.25100/peu.64
 A. Ong, B. Uchino & E. Wethington, “Loneliness and health in older adults: A mini-review and synthesis”, Gerontology, vol. 62, pp. 4434–4449, Jun. 2016. https://doi.org/10.1159/000441651
 E. De la Hoz & L. López, “Aplicación de Técnicas de Análisis de Conglomerados y Redes Neuronales Artificiales en la Evaluación del Potencial Exportador de una Empresa”. Inf. Tecnol., vol. 28, no. 4, pp. 67–74, Jan. 2017. https://doi.org/10.4067/S0718-07642017000400009
 E. De La Hoz, T. Fontalvo & L. López, “Análisis Envolvente de Datos y Cálculo Multivariado para Valorar, Clasificar y Predecir la Eficiencia Productiva y de Innovación de las Empresas del Sector Químico”, Inf. Tecnol, vol. 30, no. 5, pp. 213–220, Oct. 2019. https://doi.org/10.4067/S0718-07642019000500213
 E. De la Hoz, J. Morelos & T. Fontalvo, “Methodology with multivariate calculation to define and evaluate financial productivity profiles of the chemical sector in Colombia”, IJPQM, vol. 27, no. 2, pp. 144–160, Jun. 2019. https://doi.org/10.1504/IJPQM.2019.100141
E. De la Hoz, J. Morelos & L. López, “Evaluación de la competitividad comercial del sector industrial colombiano mediante el coeficiente de apertura exportadora”, Aglala, vol. 10, no. 1, pp. 180–195, 2019. Disponible en https://revistas.curn.edu.co/index.php/aglala/article/view/1343
dc.relation.citationendpage.none.fl_str_mv 240
dc.relation.citationstartpage.none.fl_str_mv 234
dc.relation.citationissue.spa.fl_str_mv 1
dc.relation.citationvolume.spa.fl_str_mv 16
dc.relation.bitstream.none.fl_str_mv https://revistascientificas.cuc.edu.co/ingecuc/article/download/2700/2698
https://revistascientificas.cuc.edu.co/ingecuc/article/download/2700/3481
https://revistascientificas.cuc.edu.co/ingecuc/article/download/2700/3523
dc.relation.citationedition.spa.fl_str_mv Núm. 1 , Año 2020 : (Enero-Junio)
dc.rights.spa.fl_str_mv INGE CUC - 2020
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv INGE CUC - 2020
http://creativecommons.org/licenses/by-nc-nd/4.0
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
text/html
application/xml
dc.publisher.spa.fl_str_mv Universidad de la Costa
dc.source.spa.fl_str_mv https://revistascientificas.cuc.edu.co/ingecuc/article/view/2700
institution Corporación Universidad de la Costa
bitstream.url.fl_str_mv https://repositorio.cuc.edu.co/bitstreams/c4bbf0d2-83bb-4f9f-8a93-f411b168910f/download
bitstream.checksum.fl_str_mv b4cd0927ce232bfd774a46586460dc89
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositorio de la Universidad de la Costa CUC
repository.mail.fl_str_mv repdigital@cuc.edu.co
_version_ 1811760809097822208
spelling De La Hoz G, EfrainIglesias, Maria AuxiliadoraPerez Coronell, Leidy Haidy2020-01-27 00:00:002024-04-09T20:17:42Z2020-01-27 00:00:002024-04-09T20:17:42Z2020-01-270122-6517https://hdl.handle.net/11323/12258https://doi.org/10.17981/ingecuc.16.1.2020.1710.17981/ingecuc.16.1.2020.172382-4700Objetivo– Desarrollar un método para clasificar, caracterizar y pronosticar perfiles competitivos del sector tiendas minoristas a partir de la integración de la técnica de análisis de cluster y las redes neuronales artificiales. Metodología– Para lo anterior se revisó la literatura relacionada con la competitividad de tiendas minoristas a partir de lo cual se identificaron variables asociadas a esta investigación. La información analizada corresponde a 224 tiendas de comercio minorista de la ciudad de Barranquilla. Resultados– El análisis de cluster permitió caracterizar 4 perfiles competitivos del sector que mostraron ser homogéneos intragrupo y heterogéneos extragrupo, El modelo de red neuronal artificial mostró un 91,3% de clasificación correcta en la muestra de reserva, con lo cual se infiere la capacidad de clasificación del modelo de red y la capacidad discriminante de las variables relacionadas con el conocimiento de productos y precios, las prácticas de inventario y ventas, presencia en el mercado, atención diferenciada, ubicación y variedad de productos en los perfiles identificados. Conclusiones– Los resultados de la investigación muestran alta capacidad del método cluster-RNA, para clasificar y proyectar perfiles competitivos a partir de los cuales se pueden diseñar procesos de mejoramiento.Objective– To develop a method to classify, characterize and forecast competitive profiles of the retail stores sector based on the integration of the cluster analysis technique and artificial neural networks. Methodology– For the above, the literature related to the competitiveness of retail stores was reviewed, from which variables associated with this research were identified. The information analyzed corresponds to 224 retail stores in the city of Barranquilla. Results– The cluster analysis allowed to characterize 4 competitive profiles of the sector that showed to be homogeneous intragroup and heterogeneous extragroup. The artificial neural network model showed a 91.3% correct classification in the reserve sample, which inferred the capacity of classification of the network model and the discriminant capacity of the variables related to the knowledge of products and prices, the practices of inventory and sales, presence in the market, differentiated attention, location and variety of products in the identified profiles. Conclusions– The results of the research show high capacity of the cluster-RNA method, to classify and project competitive profiles from which improvement processes can be designed.application/pdftext/htmlapplication/xmlspaUniversidad de la CostaINGE CUC - 2020http://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.http://purl.org/coar/access_right/c_abf2https://revistascientificas.cuc.edu.co/ingecuc/article/view/2700cluster analysisartificial neural networkretailanálisis de conglomeradored neuronal artificialcomercio minoristaMétodo Cluster-RNA para Clasificar, Caracterizar y Pronosticar Perfiles Competitivos del Sector Tiendas Minoristas en la Ciudad de BarranquillaCluster-RNA Method to Classify, Characterize and Predict Competitive Profiles of the Retail Stores Sector in the City of BarranquillaArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articleJournal articlehttp://purl.org/redcol/resource_type/ARTinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85Inge Cuc E. L. Aldana, “Imagen y Posicionamiento de las Tiendas de Barrio en Colombia, aplicando el análisis factorial de correspondencias AFC”, Panorama Económico U. de C., vol. 225, no. 15, pp. 255–281, Jan. 2015. Disponible en http://hdl.handle.net/11227/3742 J. Córdoba & L. Cano, “Estudio de hábitos y valores de los consumidores del canal tradicional tiendas de barrio de la ciudad de Cali”, Entramado, vol. 5, no. 2, pp. 44–63, Dec. 2009. Disponible en https://revistas.unilibre.edu.co/index.php/entramado/article/view/3354 C. Martínez & M. Vergara, “Marketing relacional y su contribución a la competitividad en las tiendas de barrio del sur oriente de Barranquilla”. M.S. Thesis, UAC, BQ, CO, 2018. Q. Martin, M. Cabero & Y. De Paz, Tratamiento Estadístico de Datos con SPSS. Madrid, ES: Thomson Editores, pp. 145–156, 2008. D. Peña, Análisis de datos multivariantes. Madrid, ES: McGraw Hill, pp. 137–235, 2002. M. Ato, J. López, A. Velandrino & J. Sánchez, Estadística Avanzada con el paquete Systat. Murcia, ES: UMU, 1990. P. Arroyo & J. Borja, Análisis Multivariante para la inteligencia de Mercados. Monterrey, MX: Editorial Digital del ITESM, 2018. J. De la Garza, B. Morales & B. González, Análisis Estadístico Multivariante. Un enfoque teórico y práctico. México, D.F. MX: McGraw Hill, 2013. A. Catena, M. Ramos & H. Trujillo, Análisis Multivariado. Un manual para investigadores (Primera). Madrid, ES: Editorial Biblioteca Nueva, 2003. H. Alaka, L. Oyedele, H. Owolabi, V. Kumar, S. Ajayie, O. Akinade & M. Bilalf, “Systematic Review of Bankruptcy Prediction Models: Towards a Framework for Tool Selection”, Expert Syst. with Appl., vol. 94, pp. 164–184, Mar. 2018. https://doi.org/10.1016/j.eswa.2017.10.040 G. McMillan, Process/Industrial Instruments and Controls Handbook. USA: McGraw Hill, 2013. O. García & A. Morales, “Desempeño financiero de las empresas: una propuesta de clasificación por RNA”. Dimensión Empresarial, vol. 14, no. 2, pp. 11–23. 2016. https://dx.doi.org/10.15665/rde.v14i2.686 L. Álvarez, Fundamentos de inteligencia artificial. Murcia, ES: EDITUM, 1994. R. Flórez & J. Fernández, “Las Redes Neuronales Artificiales. Fundamentos teóricos y aplicaciones prácticas”. Madrid, ES: Netbiblo, 2008. C. Pérez, Redes Neuronales a través de ejemplos. Aplicaciones con Matlab. Scotts Valley, USA: CreateSpace Independent Publishing Platform, 2017. E. Caicedo & J. López, Una Aproximación Práctica a las Redes Neuronales Artificiales (Primera). Cali, CO: Programa Editorial Univalle, 2009. https://doi.org/10.25100/peu.64 A. Ong, B. Uchino & E. Wethington, “Loneliness and health in older adults: A mini-review and synthesis”, Gerontology, vol. 62, pp. 4434–4449, Jun. 2016. https://doi.org/10.1159/000441651 E. De la Hoz & L. López, “Aplicación de Técnicas de Análisis de Conglomerados y Redes Neuronales Artificiales en la Evaluación del Potencial Exportador de una Empresa”. Inf. Tecnol., vol. 28, no. 4, pp. 67–74, Jan. 2017. https://doi.org/10.4067/S0718-07642017000400009 E. De La Hoz, T. Fontalvo & L. López, “Análisis Envolvente de Datos y Cálculo Multivariado para Valorar, Clasificar y Predecir la Eficiencia Productiva y de Innovación de las Empresas del Sector Químico”, Inf. Tecnol, vol. 30, no. 5, pp. 213–220, Oct. 2019. https://doi.org/10.4067/S0718-07642019000500213 E. De la Hoz, J. Morelos & T. Fontalvo, “Methodology with multivariate calculation to define and evaluate financial productivity profiles of the chemical sector in Colombia”, IJPQM, vol. 27, no. 2, pp. 144–160, Jun. 2019. https://doi.org/10.1504/IJPQM.2019.100141E. De la Hoz, J. Morelos & L. López, “Evaluación de la competitividad comercial del sector industrial colombiano mediante el coeficiente de apertura exportadora”, Aglala, vol. 10, no. 1, pp. 180–195, 2019. Disponible en https://revistas.curn.edu.co/index.php/aglala/article/view/1343240234116https://revistascientificas.cuc.edu.co/ingecuc/article/download/2700/2698https://revistascientificas.cuc.edu.co/ingecuc/article/download/2700/3481https://revistascientificas.cuc.edu.co/ingecuc/article/download/2700/3523Núm. 1 , Año 2020 : (Enero-Junio)PublicationOREORE.xmltext/xml2774https://repositorio.cuc.edu.co/bitstreams/c4bbf0d2-83bb-4f9f-8a93-f411b168910f/downloadb4cd0927ce232bfd774a46586460dc89MD5111323/12258oai:repositorio.cuc.edu.co:11323/122582024-09-17 12:47:43.234http://creativecommons.org/licenses/by-nc-nd/4.0INGE CUC - 2020metadata.onlyhttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.co