Ingeniería Industrial Comercial
URI permanente para esta colecciónhttps://hdl.handle.net/20.500.12640/3739
Examinar
3 resultados
Resultados de la búsqueda
Ítem Restringido Evaluación de la implementación de Customer Relationship Management (CRM) y su impacto en la optimización de la gestión comercial del área de Educación Continua de la Instituto Carrión(Universidad ESAN, 2024) Arana Torpoco, Jean Fred; Cosio Chavez, Karen Valeria; Gonzalez Riva, Christian Isaias; Paredes Solano, Angela Karin; Polar Velasquez, Diego AlonsoEn un entorno educativo cada vez más dinámico, es crucial que las instituciones educativas tengan herramientas tecnológicas que les permitan mantener una gestión ágil y personalizada de las relaciones con los clientes para desarrollar una ventaja competitiva en el mercado. El presente trabajo de investigación busca evaluar la efectividad del sistema de gestión de relación con los clientes (CRM) que fue implementado en el Instituto Carrión en julio del 2022 y su impacto en la gestión comercial del Área de Educación Continua. Para ello se evaluó el impacto del CRM en la optimización de los tiempos de procesos, los niveles de ventas y la influencia en las estrategias comerciales, comparando los valores obtenidos antes y después de la implementación. Se identificó que el CRM generó en el Instituto Carrión un impacto positivo en los niveles de ventas (13.4% más), mejora en los tiempos de los procesos comerciales (8.20% menos) y la efectividad de las estrategias comerciales (16.13% más). Este trabajo aporta como un antecedente importante en el campo del sector educativo al proporcionar un caso práctico de tecnología aplicada para mejorar la gestión comercial en instituciones de educación superior.Ítem Restringido Propuesta de mejora en la gestión de inventarios para incrementar la rentabilidad de Multimedical Supplies SAC mediante innovación tecnológica incremental(Universidad ESAN, 2024) Aucca Zuñiga, Dayana Nashly; Cabezas Chavez, Paulo Cesar; Cozar Yaranga, Anthony Jhimy; Diaz Silva, Yazuly Meyleen; Valdivia Solis, Diego WilderEl presente trabajo tiene como finalidad brindar una propuesta de mejora en la gestión de inventarios que permita incrementar la rentabilidad de Multimedical Supplies S.A.C.; donde se aplicará innovación incremental. La investigación posee un enfoque cuantitativo, de alcance explicativo y diseño no experimental de tipo transversal, debido a que se analizaron datos numéricos correspondientes al periodo 2017-2023 que permitieron identificar los problemas y sus causas. La metodología propuesta para estructurar la solución es DMAIC. Esta consiste en la innovación del proceso de reposición mediante su automatización con el uso de business intelligence que permitirá un correcto análisis de la información del inventario total aplicando formulación correspondiente al sistema P y clasificación ABC en Excel, y la visualización de indicadores de gestión relevantes mediante un dashboard en Power BI para realizar un monitoreo y control de los inventarios en tiempo real que a su vez proporcionará información confiable para la toma de decisiones. Finalmente, se obtiene como resultado de la propuesta que se tuvo un incremento de 17.21% en el nivel de servicio, 1.29 en el índice de rotación y 11% en el margen bruto, que denota la efectividad de la propuesta para cumplir el objetivo plasmado.Ítem Embargo Propuesta de segmentación de clientes aplicando técnicas de Machine Learning para mejorar la estrategia de ventas de productos de bebidas en el departamento de Ica(Universidad ESAN, 2023) Alikhan Trujillo, Kledy Fiorella; Aspiazu Neyra, Luis Eduardo; Auccapiña Guillen, Juan Abner; Ayna Benegas, Irene; Cardenas Pijo, Melisa ConsueloLa investigación se centra en el mercado de bebidas en el departamento de Ica, con el objetivo de automatizar la segmentación de clientes y, por consiguiente, mejorar las estrategias comerciales de ventas. Al implementar las fases de la metodología, las primeras etapas se dedicarán al procesamiento y tratamiento riguroso de los datos, preparando así el terreno para la construcción del modelo en la fase subsiguiente. Se emplearán técnicas de aprendizaje no supervisado de Machine Learning, como K-Means, K-Medoids, Agrupación Jerárquica, DBSCAN y HDBSCAN, con parámetros óptimos. En las últimas fases, se realizarán las agrupaciones de perfiles de tipo clúster basándose en un análisis detenido de la información recopilada y las variables pertinentes. El resultado será un reporte consolidado que proporcionará una visión detallada por cada perfil de cliente. Con esta información clave el gestor comercial de ventas podrá tomar decisiones comerciales estratégicas sobre ventas. De forma complementaria, se realizará una validación con un experto del rubro para verificar el tipo de clúster adecuado como candidato óptimo de la automatización de la segmentación de clientes.
