Implementación de técnicas de Machine Learning para la segmentación de clientes en una empresa del sector farmacéutico

Simple item page
dc.contributor.advisorFabian Arteaga, Junior Jhon
dc.contributor.authorInga Llacza, Fabricio Gustavo
dc.contributor.authorMiranda Manrique, Kevin Miguel Angel
dc.contributor.authorQuispe Zuñiga, Dennys
dc.contributor.authorReyna Torres, July Mabel
dc.contributor.authorTurriate Naveda, Santiago
dc.date.accessioned2024-04-06T00:39:52Z
dc.date.available2024-04-06T00:39:52Z
dc.date.issued2023
dc.description.abstractLa presente tesis se enfocó en la investigación e implementación de técnicas de Machine Learning para una empresa del sector farmacéutico, utilizando un conjunto de datos con más de 30 mil transacciones comerciales del período de junio a agosto de 2023. Esta investigación abarcó la recopilación, procesamiento, modelado y evaluación de los datos proporcionados por la empresa, para lo cual se emplearon técnicas de aprendizaje no supervisado como el modelo K-Means y Jerárquico, lo que llevó a la exitosa identificación de cuatro segmentos distintos de clientes. Estos hallazgos resaltan la efectividad de Machine Learning en la segmentación de clientes, lo que permitió poder identificar grupos con similitudes en sus características y patrones de comportamientos. Asimismo, se llevaron a cabo evaluaciones comparativas entre diferentes técnicas para determinar cuál se adaptaba mejor a las necesidades de la empresa. Tras un análisis detallado, se concluyó que el modelo K-Means era el más adecuado en este contexto, debido a que las agrupaciones se ajustaban más a la realidad del negocio. En consecuencia, se formularon estrategias personalizadas para aumentar la retención y satisfacción del cliente, con lo cual se tendrá mayor certeza en la toma de decisiones estratégicas y análisis de datos comerciales.
dc.formatapplication/pdf
dc.identifier.urihttps://hdl.handle.net/20.500.12640/3881
dc.language.isospa
dc.publisherUniversidad ESAN
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/openAccessen
dc.rights.urihttp://creativecommons.org/licenses/by-sa/3.0/us/
dc.subjectAprendizaje automáticoes_ES
dc.subjectSegmentación del mercadoes_ES
dc.subjectAnálisis de datoses_ES
dc.subjectIndustria farmacéuticaes_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#5.02.04
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.11.04
dc.titleImplementación de técnicas de Machine Learning para la segmentación de clientes en una empresa del sector farmacéutico
dc.typeinfo:eu-repo/semantics/bachelorThesis
dc.type.otherTrabajo de suficiencia profesional
renati.advisor.dni44749148
renati.advisor.orcidhttps://orcid.org/0000-0001-9804-7795
renati.author.dni72692319
renati.author.dni72261053
renati.author.dni71926943
renati.author.dni77471309
renati.author.dni71624501
renati.discipline722056
renati.discipline613066
renati.discipline521236
renati.jurorCalsina Miramira, Willy
renati.jurorCastro Gamarra, Giannina
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesional
renati.typehttps://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional
thesis.degree.disciplineIngeniería de Tecnologías de Información y Sistemas
thesis.degree.disciplineIngeniería Industrial y Comercial
thesis.degree.disciplineIngeniería en Gestión Ambiental
thesis.degree.grantorUniversidad ESAN. Facultad de Ingeniería
thesis.degree.nameIngeniero de Tecnologías de Información y Sistemas
thesis.degree.nameIngeniero Industrial y Comercial
thesis.degree.nameIngeniero en Gestión Ambiental
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
2023_ITIS_23-2_04_TC.pdf
Size:
5.96 MB
Format:
Adobe Portable Document Format
Description:
Texto completo
Download
No Thumbnail Available
Name:
2023_ITIS_23-2_04_F.pdf
Size:
285.54 KB
Format:
Adobe Portable Document Format
Description:
Autorización (acceso restringido)
Download
No Thumbnail Available
Name:
2023_ITIS_23-2_04_TU.pdf
Size:
24.48 MB
Format:
Adobe Portable Document Format
Description:
Informe turnitin (acceso restringido)
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Ingeniería de Tecnologías de Información y Sistemas
Ingeniería en Gestión Ambiental
Ingeniería Industrial Comercial