Modelo híbrido para la toma de decisiones y predicción de ingresos en empresas del rubro de tragamonedas aplicando XGBoost”

Abstract

Debido a la reciente pandemia COVID 19, el sector de casinos y máquinas tragamonedas se ha visto obligado a incorporar nuevas técnicas para el análisis de la información. Actualmente existen empresas que siguen realizando el tratamiento de la información y obtención de reportes de manera manual, lo cual dificulta en gran escala la toma de decisiones estratégicas y operativas. Se han realizado diferentes investigaciones sobre la toma de decisiones en el proceso de ventas, pero estas no se han enfocado en el rubro de casinos. Se propone un Modelo híbrido para la toma de decisiones y predicción de ingresos en empresas del rubro de tragamonedas aplicando XGBoost. La propuesta se desarrolló aplicando la metodología Ralph Kimball, conformado por 6 fases: Planificación del Proyecto, Definición de Requerimientos del Negocio, Implementación de procesos ETL, Diseño del Modelado Dimensional, Diseño del Modelo Power BI, Predicción y pronostico. El modelo propuesto fue validado a través de un caso de estudio de una empresa del rubro de casinos en Lima, Perú. Se elaboró paneles en Power BI para mostrar los ingresos por empresa y marca. Para la obtención de la precisión se realizó la comparación de 3 algoritmos de Machine Learning: XGBoost, Regresión Lineal y Support Vector Regression. Los resultados demostraron que el algoritmo de XGBoost obtuvo mejor rendimiento para la predicción y pronóstico de ingresos obteniendo una precisión de 0.93.

Due to the recent COVID 19 pandemic, the casino and slot machine sector has been forced to incorporate new techniques for information analysis. Currently, there are companies that continue to process information and obtain reports manually, which makes strategic and operational decision-making difficult on a large scale. Different investigations have been carried out on decision-making in the sales process, but these have not focused on the casino business. A hybrid model is proposed for decision making and income prediction in companies in the slots industry applying XGBoost. The proposal was developed applying the Ralph Kimball methodology, made up of 6 phases: Project Planning, Definition of Business Requirements, Implementation of ETL processes, Design of Dimensional Modeling, Design of the Power BI Model, Prediction and forecast. The proposed model was validated through a case study of a casino company in Lima, Peru. Dashboards were created in Power BI to show revenue by company and brand. To obtain the precision, the comparison of 3 Machine Learning algorithms was made: XGBoost, Linear Regression and Support Vector Regression. The results showed that the XGBoost algorithm obtained better performance for the prediction and forecast of income, obtaining an accuracy of 0.93.