Sistema de recomendación inteligente para mejorar la toma de decisiones en la fijación de precios de productos hortícolas en las microempresa

Abstract

Este proyecto tiene como finalidad implementar un Sistema de Recomendación Inteligente para mejorar la fijación de precios de productos hortícolas en las microempresas de Lima. Además, para la gestión del Proyecto se usará la metodología PMBOK y cumplirá con los Student Otucome planteados. Para lograr este objetivo, se organizó el proyecto, planteando la problemática, objetivos principales y específicos, y la gestión del proyecto. Luego se llevó a cabo un análisis sobre qué modelo de predicción debemos usar para las predicciones, en dónde se usó el XGBoostRegressor y teniendo esto en cuenta, se desarrolló de un Sistema de Recomendación utilizando algoritmos de Machine Learning para las predicciones de precios a corto plazo. Teniendo el Sistema desarrollado se procedió a realizar pruebas de la efectividad de predicción, en dónde el promedio de la efectividad deberá superar el 90%. Después de esto, se procedió a probar el Sistema de Recomendación en un entorno real (Gran Mercado Mayorista de Lima), en dónde se realizaron 3 pruebas a diferentes segmentos de microempresarios en base a preguntas relacionadas a indicadores Confiabilidad, Usabilidad y Precisión, los cuales, haciendo un conteo global para cada prueba, deberá superar el 50% de aprobación por parte de los microempresarios. Finalmente, se procedía a realizar un Plan de Continuidad que asegura la vitalidad del Sistema de Recomendación a largo plazo, el cual cuenta con roles asignados para cada plan elaborado, tales como el Plan de Gestión de Incidentes, Plan de Gestión de Problemas, Plan de Gestión de Niveles de Servicio, entre otros.

The purpose of this project is to implement an Intelligent Recommendation System to improve the pricing of horticultural products in microenterprises in Lima. In addition, the PMBOK methodology will be used for the management of the project, and it will comply with the Student Outcome. To achieve this objective, the project was organized, setting out the problems, main and specific objectives, and project management. Then, an analysis was carried out on which prediction model should be used for the predictions, where the XGBoostRegressor was used, and taking this into account, a Recommendation System was developed using Machine Learning algorithms for short-term price predictions. Having the system developed, we proceeded to test the effectiveness of prediction, where the average effectiveness should exceed 90%. After this, we proceeded to test the Recommendation System in a real environment (Gran Mercado Mayorista de Lima), where 3 tests were conducted to different segments of microentrepreneurs based on questions related to indicators Reliability, Usability and Accuracy, which, making a global count for each test, should exceed 50% approval by the microentrepreneurs. Finally, a Continuity Plan was developed to ensure the long-term vitality of the Recommender System, with roles assigned to each plan, such as the Incident Management Plan, Problem Management Plan, Service Level Management Plan, among others.