Aplicación de Técnicas de Análisis de Conglomerados y Redes Neuronales Artificiales en la Evaluación del Potencial Exportador de una Empresa
Se presenta una metodología para el análisis de las condiciones competitivas en el comercio exterior de organizaciones empresariales. El análisis abarca las etapas de medición, evaluación y clasificación de las empresas, a partir de la propuesta de 16 factores clave del potencial exportador. También...
- Autores:
-
De La Hoz, Efraín
López Polo, Ludys
- Tipo de recurso:
- Fecha de publicación:
- 2017
- Institución:
- Universidad Simón Bolívar
- Repositorio:
- Repositorio Digital USB
- Idioma:
- spa
- OAI Identifier:
- oai:bonga.unisimon.edu.co:20.500.12442/1891
- Acceso en línea:
- http://hdl.handle.net/20.500.12442/1891
- Palabra clave:
- Potencial exportador
Orientación exportadora
Competitividad
Export potential
Export orientation
Competitiveness
- Rights
- License
- licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional
| id |
USIMONBOL2_885fc552153875fcf137d6de63261b9a |
|---|---|
| oai_identifier_str |
oai:bonga.unisimon.edu.co:20.500.12442/1891 |
| network_acronym_str |
USIMONBOL2 |
| network_name_str |
Repositorio Digital USB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Aplicación de Técnicas de Análisis de Conglomerados y Redes Neuronales Artificiales en la Evaluación del Potencial Exportador de una Empresa |
| dc.title.alternative.eng.fl_str_mv |
Application of Cluster Analysis Techniques and Artificial Neural Networks for the Evaluation of the Exporting Capability of a Company |
| title |
Aplicación de Técnicas de Análisis de Conglomerados y Redes Neuronales Artificiales en la Evaluación del Potencial Exportador de una Empresa |
| spellingShingle |
Aplicación de Técnicas de Análisis de Conglomerados y Redes Neuronales Artificiales en la Evaluación del Potencial Exportador de una Empresa Potencial exportador Orientación exportadora Competitividad Export potential Export orientation Competitiveness |
| title_short |
Aplicación de Técnicas de Análisis de Conglomerados y Redes Neuronales Artificiales en la Evaluación del Potencial Exportador de una Empresa |
| title_full |
Aplicación de Técnicas de Análisis de Conglomerados y Redes Neuronales Artificiales en la Evaluación del Potencial Exportador de una Empresa |
| title_fullStr |
Aplicación de Técnicas de Análisis de Conglomerados y Redes Neuronales Artificiales en la Evaluación del Potencial Exportador de una Empresa |
| title_full_unstemmed |
Aplicación de Técnicas de Análisis de Conglomerados y Redes Neuronales Artificiales en la Evaluación del Potencial Exportador de una Empresa |
| title_sort |
Aplicación de Técnicas de Análisis de Conglomerados y Redes Neuronales Artificiales en la Evaluación del Potencial Exportador de una Empresa |
| dc.creator.fl_str_mv |
De La Hoz, Efraín López Polo, Ludys |
| dc.contributor.author.none.fl_str_mv |
De La Hoz, Efraín López Polo, Ludys |
| dc.subject.spa.fl_str_mv |
Potencial exportador Orientación exportadora Competitividad |
| topic |
Potencial exportador Orientación exportadora Competitividad Export potential Export orientation Competitiveness |
| dc.subject.eng.fl_str_mv |
Export potential Export orientation Competitiveness |
| description |
Se presenta una metodología para el análisis de las condiciones competitivas en el comercio exterior de organizaciones empresariales. El análisis abarca las etapas de medición, evaluación y clasificación de las empresas, a partir de la propuesta de 16 factores clave del potencial exportador. También se evalúa la aplicación del análisis de conglomerados para identificar y caracterizar perfiles competitivos y de redes neuronales artificiales para clasificar el potencial exportador. Los resultados muestran la capacidad del análisis de conglomerados y de las redes neuronales artificiales para discriminar niveles competitivos en el potencial exportador. Su aplicación en el sector químico permitió agrupar las empresas en cuatro perfiles competitivos que asocian sus características. Las redes neuronales artificiales mostraron un 85,7% de capacidad para discriminar y clasificar las empresas según su perfil competitivo. |
| publishDate |
2017 |
| dc.date.issued.none.fl_str_mv |
2017-08 |
| dc.date.accessioned.none.fl_str_mv |
2018-03-21T16:34:28Z |
| dc.date.available.none.fl_str_mv |
2018-03-21T16:34:28Z |
| dc.type.spa.fl_str_mv |
article |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
| dc.identifier.issn.none.fl_str_mv |
07180764 |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12442/1891 |
| identifier_str_mv |
07180764 |
| url |
http://hdl.handle.net/20.500.12442/1891 |
| 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.license.spa.fl_str_mv |
licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional |
| rights_invalid_str_mv |
licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional http://purl.org/coar/access_right/c_abf2 |
| dc.publisher.eng.fl_str_mv |
Scientific Electronic Library Online |
| dc.source.spa.fl_str_mv |
Centro de Información Tecnológica Vol. 28, No.4 (2017) |
| institution |
Universidad Simón Bolívar |
| dc.source.uri.none.fl_str_mv |
https://scielo.conicyt.cl/pdf/infotec/v28n4/art09.pdf |
| bitstream.url.fl_str_mv |
https://bonga.unisimon.edu.co/bitstreams/13f22426-829d-4f79-9beb-5a07ac697d1f/download |
| bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
| repository.name.fl_str_mv |
DSpace UniSimon |
| repository.mail.fl_str_mv |
bibliotecas@biteca.com |
| _version_ |
1814076158761762816 |
| spelling |
licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacionalhttp://purl.org/coar/access_right/c_abf2De La Hoz, Efraín0865edf6-4785-4a34-8b46-3ebe8bde29b2-1López Polo, Ludysc2d41d54-a184-4b8e-b430-1e48f07f1e60-12018-03-21T16:34:28Z2018-03-21T16:34:28Z2017-0807180764http://hdl.handle.net/20.500.12442/1891Se presenta una metodología para el análisis de las condiciones competitivas en el comercio exterior de organizaciones empresariales. El análisis abarca las etapas de medición, evaluación y clasificación de las empresas, a partir de la propuesta de 16 factores clave del potencial exportador. También se evalúa la aplicación del análisis de conglomerados para identificar y caracterizar perfiles competitivos y de redes neuronales artificiales para clasificar el potencial exportador. Los resultados muestran la capacidad del análisis de conglomerados y de las redes neuronales artificiales para discriminar niveles competitivos en el potencial exportador. Su aplicación en el sector químico permitió agrupar las empresas en cuatro perfiles competitivos que asocian sus características. Las redes neuronales artificiales mostraron un 85,7% de capacidad para discriminar y clasificar las empresas según su perfil competitivo.A methodology for the analysis of competitive conditions in foreign trade business organizations is presented. The analysis includes the steps of measuring, evaluation and classification of enterprises considering 16 key factors in export potential. Also, the application of cluster analysis to identify and characterize profiles in the competitive potential is done, and artificial neural networks were employed to classify the export potential. The results show the ability of the cluster analysis and of the artificial neural networks to discriminate competitive levels in export potential. The application of this methodology in the chemical sector, allowed classifying companies in four competitive groups. Also, artificial neural network showed to be capable of classifying and discriminating the competitive profile of a company with a probability of 85.7%.spaScientific Electronic Library OnlineCentro de Información TecnológicaVol. 28, No.4 (2017)https://scielo.conicyt.cl/pdf/infotec/v28n4/art09.pdfPotencial exportadorOrientación exportadoraCompetitividadExport potentialExport orientationCompetitivenessAplicación de Técnicas de Análisis de Conglomerados y Redes Neuronales Artificiales en la Evaluación del Potencial Exportador de una EmpresaApplication of Cluster Analysis Techniques and Artificial Neural Networks for the Evaluation of the Exporting Capability of a Companyarticlehttp://purl.org/coar/resource_type/c_6501Ahimbisibwe, G., Ntayi, J., y Ngoma, M., Export market orientation, innovation and performance of fruit exporting firms in Uganda, European Scientific Journal, 9(4), 295–313 (2013)Correia, A., Barandas, H., y PIres, P., Applying Artificial Neural Networks to Evaluate Export Performance : A Relational Approach, Review of Onternational Comparative Management, 10(4), 713–734 (2009)Martín, O., López, M., y Martín, F., Artificial neural networks for quality control by ultrasonic testing in resistance spot welding, Process. Techno., 183, 226–233 (2007)Olper, A., Pacca, L., y Curzi, D., Trade, import competition and productivity growth in the food industry, Food Policy, (49), 71–83 (2014)Smith, D., A Neural Network Classification of Export Success in Japanese Service Firms, Services Marketing Quarterly, 26(4), 95–108 (2005)Bonomie, M., y Añez, C., Reflexión teórica de las estrategias flexibilizadoras en el marco de la globalización, Revista Venezolana de Gerencia, 14(48), 592–605 (2009)Cabarcas, J., y Paternina, C., Aplicación del análisis discriminante para identificar diferencias en el perfil productivo de las empresas exportadoras y no exportadoras del Departamento del Atlántico de Colombia, Revista Ingeniare, 6(10), 33–48 (2011)De la Garza, J., Morales, B., y González, B., Análisis Estadístico Mutivariante. Un enfoque teórico y práctico, pp. 150–178, Editorial Mc. Graw Hill, México (2013)De La Hoz, E., González, Á., y Santana, A., Metodología de Medición del Potencial Exportador de las Organizaciones Empresariales, Información Tecnológica, 27(6), 11–18 (2016)Escandón, D., y Hurtado, A., Los determinantes de la orientación exportadora y los resultados en las pymes exportadoras en Colombia, Estudios Gerenciales, 30(133), 430–440 (2014)Fontalvo, T., Vergara, J., y De La Hoz, E., Evaluación del mejoramiento de los indicadores financieros en las empresas del sector almacenamiento y actividades conexas en Colombia por medio de análisis de discriminante, Prospectiva, 10(1), 124-131 (2012)Fontalvo, T., De La Hoz, E., y Cardona, D., Diseño de un plan de mejoramiento para la cadena de suministro de la empresa Drolitoral S.A. aplicando el Modelo SCOR, Rev. Soluciones de Postgrado EIA, 1(6), 33–53 (2010)Narváez, M., y Fernández, G., Estrategias competitivas para fortalecer sectores de actividad empresarial en el mercado global, Revista Venezolana de Gerencia, 13(42), 233–243 (2008)Navarro, A., y Acedo, F., Efectos de la proactividad exportadora y la orientación al mercado en las operaciones de comercio exterior, Revista Española de Investigación de Marketing, 16(1), 113–133 (2012)Obschatko, E., y Blaio, M., El perfil exportador del sector agroalimentario argentino. Las profucciones de alto valor. Estudio 1. EG.33.7. Ministerio de Economía de Argentina (2003)Paredes, D., Elaboración del plan de negocios de exportación. Programa de Plan de Negocio, Exportador- PLANEX. Disponible en: https://goo.gl/oTnARL (2016)Peña, D., Análisis de datos multivariantes, pp. 137–235, Editorial Mc. Graw Hill, Madrid, España (2002)Velásquez, J., Franco, C., y García, H., Un modelo no lineal para la predicción de la demanda mensual de electricidad en Colombia, Estudios Gerenciales, 25(112), 37–54 (2009)LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://bonga.unisimon.edu.co/bitstreams/13f22426-829d-4f79-9beb-5a07ac697d1f/download8a4605be74aa9ea9d79846c1fba20a33MD5220.500.12442/1891oai:bonga.unisimon.edu.co:20.500.12442/18912019-04-11 21:51:27.251metadata.onlyhttps://bonga.unisimon.edu.coDSpace UniSimonbibliotecas@biteca.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 |