Look-up in Google Scholar
Full metadata record
Ullon Ramírez, Agustin Eduardo
Contreras Arteaga, Abel Isaías
Sánchez Cotrina, Frank William
Contreras Arteaga, Abel Isaías
2020-10-09T21:51:23Z
2020-10-09T21:51:23Z
2020-10-09T21:51:23Z
2020-10-09T21:51:23Z
2020
https://hdl.handle.net/20.500.12759/6629
Currently, exploring the data contained in the transactional database of companies with predictive data analytics, makes it easier for us to understand rules that determine consumption patterns and trends that follow the data, which in turn generates knowledge; which will allow us to associate products that have greater rotation with those that do not have it, thus generating cross-selling that results in increased revenues. The company Cienpharma S.A.C. It is basing its decisions on isolated data that are not properly processed and that many times do not reflect the reality of what happens with the information stored in its database. This thesis project is based on obtaining a predictive analytical model to determine customer consumption patterns in the company Cienpharma S.A.C. using data mining techniques. Identifying the requirements and needs of the area through a business model analysis, performing an analysis and preparation of customer data obtained from the transactional system of the company, building a model of customer consumption pattern search based on techniques of mining modeling using IBM SPSS Modeler and finally evaluating the results of the reports that show the Data Mining model. For the Data Mining process the association algorithms, clusters and neural networks were applied by searching for patterns based on data mining modeling techniques using IBM SPSS Modeler (en_US)
En la actualidad explorar los datos contenidos en la base de datos transaccional de las empresas con la analítica predictiva de datos, nos facilita comprender reglas que determinan patrones de consumo y tendencias que siguen los datos, lo que a su vez genera un conocimiento; el cual nos permitirá asociar productos que tengan mayor rotación con aquellos que no la tienen, generando de esta forma venta cruzada que resulte en el incremento de ingresos. La empresa Cienpharma S.A.C. está basando sus decisiones en datos aislados que no están debidamente procesados y que muchas veces no reflejan la realidad de lo que sucede con la información almacenada en su base de datos. El presente proyecto de tesis se basa en obtener un modelo de analítica predictiva para determinar patrones de consumo de los clientes en la empresa Cienpharma S.A.C. utilizando técnicas de minería de datos. Identificando los requerimientos y necesidades del área mediante un análisis de modelo de negocio, realizando un análisis y preparación de datos de los clientes obtenidos desde el sistema transaccional de la empresa, construyendo un modelo de búsqueda de patrones de consumo de los clientes basado en las técnicas de modelado de minería de utilizando IBM SPSS Modeler y finalmente evaluando los resultados de los informes que muestran el modelo de la Minería de Datos. Para el proceso de Minería de Datos se aplicaron los algoritmos de asociación, clústeres y redes neuronales haciendo búsqueda de patrones basado en las técnicas de modelado de minería de Datos utilizando IBM SPSS Modeler (es_PE)
Tesis (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Privada Antenor Orrego - UPAO (es_PE)
T_ING.SIST_1470
info:eu-repo/semantics/openAccess (es_PE)
https://creativecommons.org/licenses/by/4.0/
Universidad Privada Antenor Orrego (es_PE)
Repositorio Institucional - UPAO (es_PE)
Cienpharma (es_PE)
Analítica (es_PE)
Analítica predictiva para conocer el patrón de consumo de los clientes en la Empresa Cienpharma S.A.C. utilizando IBM SPSS Modeler y la metodología CRISP-DM (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Privada Antenor Orrego. Facultad de Ingeniería (es_PE)
Ingeniería de Computación y Sistemas (es_PE)
Título Profesional (es_PE)
Ingeniero de Computación y Sistemas (es_PE)
PE
http://purl.org/pe-repo/ocde/ford#1.02.01
Privada asociativa



This item is licensed under a Creative Commons License Creative Commons