Look-up in Google Scholar
Full metadata record
Atoche Díaz, Wilmer Jhonny (es_ES)
Zavala Jacinto, Anggela del Rosario
2013-10-10T16:43:43Z
2013-10-10T16:43:43Z (es_ES)
2013-10-10T16:43:43Z
2013-10-10T16:43:43Z (es_ES)
2013 (es_ES)
2013-10-10 (es_ES)
http://hdl.handle.net/20.500.12404/4816
El presente trabajo trata sobre el análisis de la demanda de efectivo en las oficinas de provincia de una entidad bancaria tomando como base la metodología que se sigue actualmente a fin de identificar oportunidades de mejora que permitan tener resultados óptimos en los indicadores establecidos. Este análisis está centrado en la evaluación de la exactitud y precisión que son necesarias en el cálculo de los pronósticos de demanda para cada tipo de oficina existente, de manera que se puedan aplicar los modelos y la metodología que permitan obtener información más cercana a la realidad. En los primeros capítulos se definen los conceptos y etapas del proceso de extracción del conocimiento, para luego, por medio de estos, describir y explicar las redes neuronales, método elegido para la solución de la problemática expuesta. Asimismo, se detalla la situación actual del proceso que es objeto de análisis, identificando los factores que serían relevantes para la ejecución del modelo. En los capítulos posteriores, se procedió con el análisis de los datos obtenidos, de modo que se puedan identificar las variables relevantes que se incluirían dentro del modelo. De igual forma, se describe la lógica y los parámetros a tomar en cuenta para el mismo, y que dan origen a las diferentes etapas de prueba y error para llegar a los resultados esperados. Para ello, se recopilaron los datos necesarios de los movimientos en las oficinas los cuales sirvieron como datos de entrada para las redes neuronales generadas. El software empleado fue NeuralTools 5.7, debido a los beneficios que éste proporciona, desde el manejo de datos en hojas de cálculo, las cuales utilizan la interfaz de MS Excel, hasta el uso de herramientas y aplicaciones dinámicas que permiten manipular los datos de forma más sencilla optimizando tiempos. Finalmente, se procedió con la evaluación de los resultados obtenidos, haciendo la comparación de los valores predichos con los resultados reales, logrando alcanzar un porcentaje de exactitud de 93.18% para los pronósticos de una oficina mixta y de 91.98% para los de una oficina captadora, generando una expectativa de ahorro de S/. 25,000.00 anuales. (es_ES)
spa (es_ES)
Pontificia Universidad Católica del Perú (es_ES)
Atribución-NoComercial-SinDerivadas 2.5 Perú (*)
info:eu-repo/semantics/openAccess (es_ES)
http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ (*)
Bancos--Perú (es_ES)
Pronóstico (es_ES)
Redes neuronales (Computación) (es_ES)
Modelo de pronóstico de demanda de efectivo para las oficinas de una entidad bancaria en una ciudad del interior del pais (es_ES)
info:eu-repo/semantics/bachelorThesis (es_ES)
Pontificia Universidad Católica del Perú. Facultad de Ciencias e Ingeniería (es_ES)
Ingeniería Industrial (es_ES)
Título Profesional (es_ES)
Ingeniero Industrial (es_ES)
PE (es_ES)
https://purl.org/pe-repo/ocde/ford#2.11.04 (es_ES)
https://purl.org/pe-repo/renati/level#tituloProfesional (es_ES)
08134370
https://orcid.org/0000-0002-0923-7608 (es_ES)
722026 (es_ES)
https://purl.org/pe-repo/renati/type#tesis (es_ES)
Privada asociativa



This item is licensed under a Creative Commons License Creative Commons