Look-up in Google Scholar
Title: Aplicación de BIG Data para mejorar la toma de decisiones en el área logística de la Empresa Océano SEAFOOD S.A.
Advisor(s): Reyna Rojas, Kene
Issue Date: 2022
Institution: Universidad Nacional del Santa
Abstract: El objetivo principal de esta tesis contempla la aplicación de un modelo de Big Data para mejorar la toma de decisiones del área logística de la Empresa Océano Seafood S.A. Se caracterizó por presentar un enfoque cuantitativo con un nivel descriptivo correlacional, El diseño de estudio fue mediante la post prueba con un grupo de control, con una población total de 300 clientes y proveedores, con una muestra aleatoria simple de 169 personas a quienes se les aplicó un instrumento de preguntas cerradas con alternativas de respuestas de escala de Likert. Su confiabilidad fue calculada, aplicando el Alpha de Cronbach, obteniéndose un resultado de 0.773666, ubicándose al instrumento en una escala de alta confiabilidad El área logística de la empresa es encargada de gestionar el transporte de la mercadería desde su punto de recojo hasta el terminal de desembarque que el cliente solicite. Actualmente el área logística está basada en el criterio humano para la toma de decisiones al momento de contratar un proveedor para el traslado de su mercadería, el cual conlleva a no presenciar el panorama completo de posibilidades para el mejor proveedor a contratar. Por esto se puede concluir que, al no tener un panorama completo de los proveedores, no se está tomando la mejor decisión al momento de la elección del proveedor con menor tiempo y costo de servicio. Por ello consideraremos aplicar Big data apoyado de un modelo de machine Learning para procesar la información de cada uno de los proveedores con los que se trabaja y poder predecir la mejor toma de decisiones en el área logística
Discipline: Ingeniería de Sistemas e Informática
Grade or title grantor: Universidad Nacional del Santa. Facultad de Ingeniería
Grade or title: Ingeniero de Sistemas e Informática
Register date: 30-Mar-2022; 30-Mar-2022



This item is licensed under a Creative Commons License Creative Commons