Uso de redes bayesianas para calcular la variable que más influye en la decisión de compra de repuestos automotrices

This project studies the best way to calculate the variable that allows analyzing strategies to increase the sales of spare parts in the automotive industry, by collecting data on what happens when a person arrives at the warehouse and asks for a product, several groups of variables according to cha...

Full description

Autores:
Muñoz Pineda, Juan David
Tipo de recurso:
Fecha de publicación:
2020
Institución:
Universidad de San Buenaventura
Repositorio:
Repositorio USB
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.usb.edu.co:10819/7984
Acceso en línea:
http://hdl.handle.net/10819/7984
Palabra clave:
Estadística bayesiana
Redes bayesianas
Probabilidad
Variable
Ventas
Bayesian statistics
Bayesian networks
Probability
Variable
Sales
Rights
License
Atribución-NoComercial-SinDerivadas 2.5 Colombia
id SANBUENAV2_319cf3ab47ac7af2f2790d7b22f74e7b
oai_identifier_str oai:bibliotecadigital.usb.edu.co:10819/7984
network_acronym_str SANBUENAV2
network_name_str Repositorio USB
repository_id_str
dc.title.spa.fl_str_mv Uso de redes bayesianas para calcular la variable que más influye en la decisión de compra de repuestos automotrices
title Uso de redes bayesianas para calcular la variable que más influye en la decisión de compra de repuestos automotrices
spellingShingle Uso de redes bayesianas para calcular la variable que más influye en la decisión de compra de repuestos automotrices
Estadística bayesiana
Redes bayesianas
Probabilidad
Variable
Ventas
Bayesian statistics
Bayesian networks
Probability
Variable
Sales
title_short Uso de redes bayesianas para calcular la variable que más influye en la decisión de compra de repuestos automotrices
title_full Uso de redes bayesianas para calcular la variable que más influye en la decisión de compra de repuestos automotrices
title_fullStr Uso de redes bayesianas para calcular la variable que más influye en la decisión de compra de repuestos automotrices
title_full_unstemmed Uso de redes bayesianas para calcular la variable que más influye en la decisión de compra de repuestos automotrices
title_sort Uso de redes bayesianas para calcular la variable que más influye en la decisión de compra de repuestos automotrices
dc.creator.fl_str_mv Muñoz Pineda, Juan David
dc.contributor.advisor.none.fl_str_mv Úsuga Rueda, Robinson Martín
dc.contributor.author.none.fl_str_mv Muñoz Pineda, Juan David
dc.subject.spa.fl_str_mv Estadística bayesiana
Redes bayesianas
Probabilidad
Variable
Ventas
Bayesian statistics
Bayesian networks
Probability
Variable
Sales
topic Estadística bayesiana
Redes bayesianas
Probabilidad
Variable
Ventas
Bayesian statistics
Bayesian networks
Probability
Variable
Sales
description This project studies the best way to calculate the variable that allows analyzing strategies to increase the sales of spare parts in the automotive industry, by collecting data on what happens when a person arrives at the warehouse and asks for a product, several groups of variables according to characteristics that may affect the likelihood of the sale occurring and according to the contribution of each variable to success, different proposals are filtered; until identifying the most relevant when buying automotive parts such as: the price, product availability, level of customer service, presentation or aesthetics of the product, warranty, durability, brand and after-sales service. Then, Bayesian networks are used to know which of these mentioned variables increases the probability that the sale will occur, next, with the help of a software specialized in Bayesian networks called Genie, the data is simulated according to evidence of successful sales or product availability. Finally, it is concluded that the most important variable is customer service.
publishDate 2020
dc.date.accessioned.none.fl_str_mv 2020-10-30T16:06:03Z
dc.date.available.none.fl_str_mv 2020-10-30T16:06:03Z
dc.date.issued.none.fl_str_mv 2020
dc.date.submitted.none.fl_str_mv 2020-10-23
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.spa.spa.fl_str_mv Trabajo de Grado
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.identifier.citation.spa.fl_str_mv J. Muñoz Pineda, “Uso de redes bayesianas para calcular la variable que más influye en la decisión de compra de repuestos automotrices.”, Trabajo de grado Ingeniería Industrial, Universidad de San Buenaventura, Facultad de Ingenierías, Medellín, 2020
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10819/7984
identifier_str_mv J. Muñoz Pineda, “Uso de redes bayesianas para calcular la variable que más influye en la decisión de compra de repuestos automotrices.”, Trabajo de grado Ingeniería Industrial, Universidad de San Buenaventura, Facultad de Ingenierías, Medellín, 2020
url http://hdl.handle.net/10819/7984
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.cc.spa.fl_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
http://purl.org/coar/access_right/c_abf2
dc.format.spa.fl_str_mv pdf
dc.format.extent.spa.fl_str_mv 65 páginas
dc.format.medium.spa.fl_str_mv Recurso en linea
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.faculty.spa.fl_str_mv Ingenierias
dc.publisher.program.spa.fl_str_mv Ingeniería Industrial
dc.publisher.sede.spa.fl_str_mv Medellín
institution Universidad de San Buenaventura
dc.source.instname.spa.fl_str_mv Universidad de San Buenaventura - Medellín
dc.source.other.spa.fl_str_mv Biblioteca USB (San Benito) CD-5483t
dc.source.reponame.spa.fl_str_mv Biblioteca Digital Universidad de San Buenaventura
bitstream.url.fl_str_mv https://bibliotecadigital.usb.edu.co/bitstreams/df7284ef-9541-4c67-96ca-21115c6d985d/download
https://bibliotecadigital.usb.edu.co/bitstreams/9c0b5644-7fcb-481b-bd42-8adca8729a7b/download
https://bibliotecadigital.usb.edu.co/bitstreams/228141a8-de0b-4c89-b3ff-a723b3f210f4/download
https://bibliotecadigital.usb.edu.co/bitstreams/7cee57a3-fd22-4401-9b2d-9463fa90846f/download
bitstream.checksum.fl_str_mv 2931ed30a2999483d969ae16ae6575aa
0c7b7184e7583ec671a5d9e43f0939c0
0bbd8d7d2dd16b4e5fce1778ed8c5bcf
5177298e356f9dc95b8077bd993e6678
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad de San Buenaventura Colombia
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1837099257812746240
spelling Comunidad Científica y AcadémicaÚsuga Rueda, Robinson Martíncf37b27c-a9a9-4b57-8c33-9027dc057db7-1Muñoz Pineda, Juan David8342cc93-1dec-4365-95ef-d494d7637652-12020-10-30T16:06:03Z2020-10-30T16:06:03Z20202020-10-23This project studies the best way to calculate the variable that allows analyzing strategies to increase the sales of spare parts in the automotive industry, by collecting data on what happens when a person arrives at the warehouse and asks for a product, several groups of variables according to characteristics that may affect the likelihood of the sale occurring and according to the contribution of each variable to success, different proposals are filtered; until identifying the most relevant when buying automotive parts such as: the price, product availability, level of customer service, presentation or aesthetics of the product, warranty, durability, brand and after-sales service. Then, Bayesian networks are used to know which of these mentioned variables increases the probability that the sale will occur, next, with the help of a software specialized in Bayesian networks called Genie, the data is simulated according to evidence of successful sales or product availability. Finally, it is concluded that the most important variable is customer service.Este proyecto estudia la mejor forma de calcular la variable que permitan analizar estrategias para aumentar las ventas de repuestos en la industria automotriz, al reunir datos de lo que ocurre al momento que una persona llega al almacén y pide un producto, se miden grupos de variables según características que puedan afectar las probabilidades de que ocurra la venta y según el aporte de cada variable al éxito se filtran diferentes escenarios; hasta identificar las más relevantes al momento de comprar repuestos automotrices como: El precio, servicio al cliente, disponibilidad del producto, presentación o estética del producto, garantía, durabilidad, marca y servicio postventa. Después, se usan redes bayesianas para conocer cuál de estas variables mencionadas aumenta la probabilidad de que la venta ocurra, luego, con la ayuda de un software especializado en redes bayesianas llamado Genie, se simulan los datos según evidencias de ventas exitosas o disponibilidad del producto. finalmente, se concluye que la variable más importante es el servicio al clientepdf65 páginasRecurso en lineaapplication/pdfJ. Muñoz Pineda, “Uso de redes bayesianas para calcular la variable que más influye en la decisión de compra de repuestos automotrices.”, Trabajo de grado Ingeniería Industrial, Universidad de San Buenaventura, Facultad de Ingenierías, Medellín, 2020http://hdl.handle.net/10819/7984spaIngenieriasIngeniería IndustrialMedellínAtribución-NoComercial-SinDerivadas 2.5 ColombiaPor medio de este formato manifiesto mi voluntad de AUTORIZAR a la Universidad de San Buenaventura, Sede Bogotá, Seccionales Medellín, Cali y Cartagena, la difusión en texto completo de manera gratuita y por tiempo indefinido en la Biblioteca Digital Universidad de San Buenaventura, el documento académico-investigativo objeto de la presente autorización, con fines estrictamente educativos, científicos y culturales, en los términos establecidos en la Ley 23 de 1982, Ley 44 de 1993, Decisión Andina 351 de 1993, Decreto 460 de 1995 y demás normas generales sobre derechos de autor. Como autor manifiesto que el presente documento académico-investigativo es original y se realiza sin violar o usurpar derechos de autor de terceros, por lo tanto, la obra es de mi exclusiva autora y poseo la titularidad sobre la misma. La Universidad de San Buenaventura no será responsable de ninguna utilización indebida del documento por parte de terceros y será exclusivamente mi responsabilidad atender personalmente cualquier reclamación que pueda presentarse a la Universidad. Autorizo a la Biblioteca Digital de la Universidad de San Buenaventura convertir el documento al formato que el repositorio lo requiera (impreso, digital, electrónico o cualquier otro conocido o por conocer) o con fines de preservación digital. Esta autorización no implica renuncia a la facultad que tengo de publicar posteriormente la obra, en forma total o parcial, por lo cual podrá, dando aviso por escrito con no menos de un mes de antelación, solicitar que el documento deje de estar disponible para el público en la Biblioteca Digital de la Universidad de San Buenaventura, así mismo, cuando se requiera por razones legales y/o reglas del editor de una revista.http://creativecommons.org/licenses/by-nc-nd/2.5/co/http://purl.org/coar/access_right/c_abf2Universidad de San Buenaventura - MedellínBiblioteca USB (San Benito) CD-5483tBiblioteca Digital Universidad de San BuenaventuraEstadística bayesianaRedes bayesianasProbabilidadVariableVentasBayesian statisticsBayesian networksProbabilityVariableSalesIngeniero IndustrialUso de redes bayesianas para calcular la variable que más influye en la decisión de compra de repuestos automotricesTrabajo de grado - PregradoTrabajo de Gradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fPublicationORIGINALRedes_Bayesianas_Calcular_Munoz_2020.pdfRedes_Bayesianas_Calcular_Munoz_2020.pdfapplication/pdf1428367https://bibliotecadigital.usb.edu.co/bitstreams/df7284ef-9541-4c67-96ca-21115c6d985d/download2931ed30a2999483d969ae16ae6575aaMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82071https://bibliotecadigital.usb.edu.co/bitstreams/9c0b5644-7fcb-481b-bd42-8adca8729a7b/download0c7b7184e7583ec671a5d9e43f0939c0MD52TEXTRedes_Bayesianas_Calcular_Munoz_2020.pdf.txtRedes_Bayesianas_Calcular_Munoz_2020.pdf.txtExtracted texttext/plain92193https://bibliotecadigital.usb.edu.co/bitstreams/228141a8-de0b-4c89-b3ff-a723b3f210f4/download0bbd8d7d2dd16b4e5fce1778ed8c5bcfMD53THUMBNAILRedes_Bayesianas_Calcular_Munoz_2020.pdf.jpgRedes_Bayesianas_Calcular_Munoz_2020.pdf.jpgGenerated Thumbnailimage/jpeg6233https://bibliotecadigital.usb.edu.co/bitstreams/7cee57a3-fd22-4401-9b2d-9463fa90846f/download5177298e356f9dc95b8077bd993e6678MD5410819/7984oai:bibliotecadigital.usb.edu.co:10819/79842023-02-24 11:31:39.657http://creativecommons.org/licenses/by-nc-nd/2.5/co/https://bibliotecadigital.usb.edu.coRepositorio Institucional Universidad de San Buenaventura Colombiabdigital@metabiblioteca.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