ntegración de la Analítica de Datos POS y el Machine Learning para la Gestión Estratégica de Categorías en Comercial Nutresa S.A.S : Desarrollo de un Dashboard para Recomendación de Productos y Predicción de Ventas Utilizando Metodología CRISP-DM. Semestre de industria

RESUMEN : El objetivo de este proyecto fue construir un Dashboard que integre la analítica de datos POS con algoritmos de Machine Learning para mejorar la toma de decisiones empresariales en Comercial Nutresa S.A.S, una empresa líder en la distribución y venta de productos de consumo masivo. Utilizando la metodología CRISP-DM, se desarrollaron varios objetivos específicos: asegurar la calidad de los datos mediante técnicas de limpieza y preprocesamiento, realizar un análisis exploratorio de los datos POS, desarrollar un algoritmo de recomendación de productos y crear un modelo inicial para la predicción de ventas a nivel de categorías. La metodología incluyó fases de entendimiento del negocio, entendimiento de los datos, preparación de los datos, modelado, evaluación y despliegue, empleando herramientas como Python, Microsoft Excel y Power BI ®. Los resultados muestran avances significativos en la recomendación de productos, con un modelo que recomendó 837 productos en 19 categorías con alta precisión y evitando duplicaciones. Sin embargo, el modelo de predicción de ventas presentó resultados insatisfactorios, con altos márgenes de error en varias categorías, indicando la necesidad de mejoras. Las conclusiones destacan que la integración efectiva de analítica de datos POS y algoritmos de Machine Learning proporciona herramientas valiosas para la toma de decisiones empresariales. El análisis exploratorio y el modelo de recomendación demostraron ser eficientes y precisos, mientras que el modelo de predicción de ventas requiere ajustes para capturar mejor las tendencias y variabilidades en los datos de ventas históricos. Este proyecto evidencia el potencial de la analítica de negocios para generar valor y optimizar el modelo de negocio de la organización.

• Autores: Mejía Torres, Luis Fernando
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/41726
• Acceso en línea: https://hdl.handle.net/10495/41726
• Palabra clave: Análisis de datos; Data analysis; Aprendizaje automático (inteligencia artificial); Machine learning; Gestión de negocios; Negotiorum gestio; Comercio electrónico; Electronic commerce; http://vocabularies.unesco.org/thesaurus/concept2214
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-sa/4.0/