Look-up in Google Scholar
Title: Sistema de recomendaciones para identificar a los mejores clientes potenciales en el proceso de alquiler de locales en un centro comercial
Advisor(s): Bernuy Alva, Augusto Ernesto; Acuña Flores, Carlos Christian
OCDE field: http://purl.org/pe-repo/ocde/ford#2.02.04
Issue Date: 2020
Institution: Universidad de San Martín de Porres
Abstract: Este proyecto tiene como objetivo diseñar un sistema de recomendaciones basado en la generación de pronósticos de ventas que sea económicamente eficiente para la toma de decisiones del Centro Comercial, esta eficiencia se logra a partir de que el sistema está programado para pronosticar las ventas de cada arrendatario actual y las ventas de cada potencial arrendatario del Centro Comercial, con ese conocimiento el arrendador se encuentra en capacidad de tomar mejores decisiones con respecto a la negociación de los contratos de arrendamiento, su renovación a plazo determinado o indeterminado, o su resolución. El proyecto tiene como guía la metodología CRISP-DM, compatible con proyectos de investigación de Machine Learning. La generación de proyecciones de ventas fue posible utilizando el algoritmo XGBoost de Machine Learning, que es reconocido por elaborar soluciones sobre proyecciones de ventas para tiendas y tener técnicas de optimización de datos que le permite procesarlos diez veces más rápido que otras soluciones de Machine Learning. En este proyecto, para que el algoritmo procese los datos de las ventas fue necesario crear un dataset que pueda ser interpretado por el algoritmo, luego al dataset se le agregaron variables de serie de tiempo para que se generen mejores proyecciones de ventas, las cuales al final de este proyecto llegaron a superar el 70% de acierto, lo que significa que son una herramienta útil para el Centro Comercial.
Discipline: Ingeniería de Computación y Sistemas
Grade or title grantor: Universidad de San Martín de Porres. Facultad de Ingeniería y Arquitectura
Grade or title: Ingeniero de Computación y Sistemas
Register date: 17-Nov-2020; 17-Nov-2020



This item is licensed under a Creative Commons License Creative Commons