Clasificación y recomendación de compra aplicadas a clientes empresariales a través de técnicas de machine learning
Las técnicas de machine learning han sido ampliamente usadas demostrando resultados inmejorables hasta ahora en diversas áreas como el reconocimiento facial, diagnóstico de patologías, riesgo de default, entre otras. En el consumo masivo, la extensa variedad de factores cambiantes del mercado, hacen...
- Autores:
-
Díaz Méndez, Andrés Felipe
Soto Novoa, Nicolás
- Tipo de recurso:
- Fecha de publicación:
- 2021
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/55241
- Acceso en línea:
- http://hdl.handle.net/1992/55241
- Palabra clave:
- Técnicas de machine learning
Clasificación de clientes
Administración de ventas
Relaciones con los clientes
Administración
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
id |
UNIANDES2_4bc7d6fb83b396cd77b5cf843f7aa5fe |
---|---|
oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/55241 |
network_acronym_str |
UNIANDES2 |
network_name_str |
Séneca: repositorio Uniandes |
repository_id_str |
|
spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Torres Cadena, Gonzalovirtual::1847-1Díaz Méndez, Andrés Felipe48e57e75-458b-46b7-92b3-e6c2ae0085b8500Soto Novoa, Nicolás652c85ec-d69b-4c6e-b9ee-1ef6bf11f81f500Montes Jimenez, FelipeOrtiz Sanchez, Daniela MariaOrtiz Sánchez, Daniela MaríaTorres Cadena, Gonzalo2022-02-22T19:53:48Z2030-12-072022-02-22T19:53:48Z2021http://hdl.handle.net/1992/5524125409.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Las técnicas de machine learning han sido ampliamente usadas demostrando resultados inmejorables hasta ahora en diversas áreas como el reconocimiento facial, diagnóstico de patologías, riesgo de default, entre otras. En el consumo masivo, la extensa variedad de factores cambiantes del mercado, hacen cada vez más evidente la necesidad del uso de modelos de machine learning que capturen la complejidad del contexto y den soporte a la toma de decisiones corporativas. Este trabajo explora el uso de técnicas de machine learning, para lograr una clasificación más eficiente de clientes empresariales y de su comportamiento de compra en el sector del cuidado de las mascotas; aplica una metodología analítica a la solución del problema y describe como se desempeña cada modelo, dando recomendaciones finales apoyadas en sus resultados.Machine learning techniques have been widely used, showing unbeatable results so far in various areas such as facial recognition, diagnosis of pathologies, default risk, among others. In mass consumption, the changing market factors, the need of machine learning models that capture context's complexity and support corporate decision making is increasingly evident. This work explores the use of machine learning techniques to achieve a more efficient classification of business customers and their purchasing behavior in the pet care sector; applies an analytical methodology to the solution of the problem and describes how each model performs, giving final recommendations supported by its results.Magíster en Inteligencia Analítica para la Toma de DecisionesMaestría36 páginasapplication/pdfspaUniversidad de los AndesMaestría en Inteligencia Analítica para la Toma de DecisionesFacultad de IngenieríaDepartamento de Ingeniería IndustrialClasificación y recomendación de compra aplicadas a clientes empresariales a través de técnicas de machine learningTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMTécnicas de machine learningClasificación de clientesAdministración de ventasRelaciones con los clientesAdministración200814680Publication561484fa-853b-4f34-8f40-eb99470b951cvirtual::1847-1561484fa-853b-4f34-8f40-eb99470b951cvirtual::1847-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000157902virtual::1847-1TEXT25409.pdf.txt25409.pdf.txtExtracted texttext/plain78119https://repositorio.uniandes.edu.co/bitstreams/61a39ffc-957a-4755-849f-208e7fd5f943/download5574d52f5ed0e8675f721deadb41d8e2MD52ORIGINAL25409.pdfapplication/pdf1919731https://repositorio.uniandes.edu.co/bitstreams/1dc95870-a73e-47f7-9fdd-6c4d9192010e/downloada371919470b15447416d32de848566c7MD51THUMBNAIL25409.pdf.jpg25409.pdf.jpgIM Thumbnailimage/jpeg23392https://repositorio.uniandes.edu.co/bitstreams/0a1f9673-a2d0-4282-9adb-dd71078812f5/download91ac324a01c4960a56a4dce83288e836MD531992/55241oai:repositorio.uniandes.edu.co:1992/552412024-03-13 12:03:46.548https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfrestrictedhttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |
dc.title.spa.fl_str_mv |
Clasificación y recomendación de compra aplicadas a clientes empresariales a través de técnicas de machine learning |
title |
Clasificación y recomendación de compra aplicadas a clientes empresariales a través de técnicas de machine learning |
spellingShingle |
Clasificación y recomendación de compra aplicadas a clientes empresariales a través de técnicas de machine learning Técnicas de machine learning Clasificación de clientes Administración de ventas Relaciones con los clientes Administración |
title_short |
Clasificación y recomendación de compra aplicadas a clientes empresariales a través de técnicas de machine learning |
title_full |
Clasificación y recomendación de compra aplicadas a clientes empresariales a través de técnicas de machine learning |
title_fullStr |
Clasificación y recomendación de compra aplicadas a clientes empresariales a través de técnicas de machine learning |
title_full_unstemmed |
Clasificación y recomendación de compra aplicadas a clientes empresariales a través de técnicas de machine learning |
title_sort |
Clasificación y recomendación de compra aplicadas a clientes empresariales a través de técnicas de machine learning |
dc.creator.fl_str_mv |
Díaz Méndez, Andrés Felipe Soto Novoa, Nicolás |
dc.contributor.advisor.none.fl_str_mv |
Torres Cadena, Gonzalo |
dc.contributor.author.spa.fl_str_mv |
Díaz Méndez, Andrés Felipe Soto Novoa, Nicolás |
dc.contributor.jury.spa.fl_str_mv |
Montes Jimenez, Felipe Ortiz Sanchez, Daniela Maria Ortiz Sánchez, Daniela María |
dc.contributor.jury.none.fl_str_mv |
Torres Cadena, Gonzalo |
dc.subject.keyword.none.fl_str_mv |
Técnicas de machine learning Clasificación de clientes Administración de ventas Relaciones con los clientes |
topic |
Técnicas de machine learning Clasificación de clientes Administración de ventas Relaciones con los clientes Administración |
dc.subject.themes.none.fl_str_mv |
Administración |
description |
Las técnicas de machine learning han sido ampliamente usadas demostrando resultados inmejorables hasta ahora en diversas áreas como el reconocimiento facial, diagnóstico de patologías, riesgo de default, entre otras. En el consumo masivo, la extensa variedad de factores cambiantes del mercado, hacen cada vez más evidente la necesidad del uso de modelos de machine learning que capturen la complejidad del contexto y den soporte a la toma de decisiones corporativas. Este trabajo explora el uso de técnicas de machine learning, para lograr una clasificación más eficiente de clientes empresariales y de su comportamiento de compra en el sector del cuidado de las mascotas; aplica una metodología analítica a la solución del problema y describe como se desempeña cada modelo, dando recomendaciones finales apoyadas en sus resultados. |
publishDate |
2021 |
dc.date.issued.none.fl_str_mv |
2021 |
dc.date.accessioned.none.fl_str_mv |
2022-02-22T19:53:48Z |
dc.date.available.none.fl_str_mv |
2022-02-22T19:53:48Z |
dc.date.available.spa.fl_str_mv |
2030-12-07 |
dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
status_str |
acceptedVersion |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/55241 |
dc.identifier.pdf.spa.fl_str_mv |
25409.pdf |
dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
url |
http://hdl.handle.net/1992/55241 |
identifier_str_mv |
25409.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.uri.*.fl_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf |
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 |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.extent.spa.fl_str_mv |
36 páginas |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.spa.fl_str_mv |
Universidad de los Andes |
dc.publisher.program.spa.fl_str_mv |
Maestría en Inteligencia Analítica para la Toma de Decisiones |
dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería |
dc.publisher.department.spa.fl_str_mv |
Departamento de Ingeniería Industrial |
institution |
Universidad de los Andes |
bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/61a39ffc-957a-4755-849f-208e7fd5f943/download https://repositorio.uniandes.edu.co/bitstreams/1dc95870-a73e-47f7-9fdd-6c4d9192010e/download https://repositorio.uniandes.edu.co/bitstreams/0a1f9673-a2d0-4282-9adb-dd71078812f5/download |
bitstream.checksum.fl_str_mv |
5574d52f5ed0e8675f721deadb41d8e2 a371919470b15447416d32de848566c7 91ac324a01c4960a56a4dce83288e836 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio institucional Séneca |
repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
_version_ |
1812133822210244608 |