Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 30 vistas

    Uso de Técnicas de Machine Learning para Predicción de Mercado en Industria Panadera

    Cargado por

    Diego Alvarez
    Este documento describe el uso de técnicas de machine learning para predecir el mercado de una panadería tradicional en Ecuador. Los autores desarrollaron un modelo de regresión lineal utilizando variables como la edad, género, pan favorito y cantidad de panes comprados de los clientes para predecir las preferencias del mercado meta y mejorar las estrategias de marketing. Los resultados permitieron identificar las fortalezas y debilidades de la panadería y recomendar mejoras basadas en el análisis de puntos críticos. El documento concluye

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Uso de Técnicas de Machine Learning para Predicción de Mercado en Industria Panadera

    Cargado por

    Diego Alvarez
    30 vistas2 páginas
    Este documento describe el uso de técnicas de machine learning para predecir el mercado de una panadería tradicional en Ecuador. Los autores desarrollaron un modelo de regresión lineal utilizando variables como la edad, género, pan favorito y cantidad de panes comprados de los clientes para predecir las preferencias del mercado meta y mejorar las estrategias de marketing. Los resultados permitieron identificar las fortalezas y debilidades de la panadería y recomendar mejoras basadas en el análisis de puntos críticos. El documento concluye

    Título original

    Uso de Técnicas de Machine Learning Para Predicción de Mercado en Industria Panadera (1)

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe el uso de técnicas de machine learning para predecir el mercado de una panadería tradicional en Ecuador. Los autores desarrollaron un modelo de regresión lineal utilizando variables como la edad, género, pan favorito y cantidad de panes comprados de los clientes para predecir las preferencias del mercado meta y mejorar las estrategias de marketing. Los resultados permitieron identificar las fortalezas y debilidades de la panadería y recomendar mejoras basadas en el análisis de puntos críticos. El documento concluye

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    30 vistas2 páginas

    Uso de Técnicas de Machine Learning para Predicción de Mercado en Industria Panadera

    Cargado por

    Diego Alvarez
    Este documento describe el uso de técnicas de machine learning para predecir el mercado de una panadería tradicional en Ecuador. Los autores desarrollaron un modelo de regresión lineal utilizando variables como la edad, género, pan favorito y cantidad de panes comprados de los clientes para predecir las preferencias del mercado meta y mejorar las estrategias de marketing. Los resultados permitieron identificar las fortalezas y debilidades de la panadería y recomendar mejoras basadas en el análisis de puntos críticos. El documento concluye

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 2

    Uso de técnicas de Machine Learning para predicción de mercado en

    industria panadera.
    Álvarez Diego, Jaramillo Elissa, Zumba Bryam.
    Universidad de Cuenca, Facultad de Ciencias Químicas, Carrera de Ingeniería Industrial
    Cuenca – Ecuador,

    Objetivos.
     Desarrollar modelos estadísticos que permitan obtener predicciones de un mercado
    especifico.
     Emplear machine learning para la mejora de procesos estratégicos como marketing.
     Interpretar resultados para proponer metodologías de posicionamiento.
     Demostrar la importancia del uso de machine learning dentro de los procesos de
    automatización con visión al futuro.

    Resumen.
    La necesidad de obtener un desarrollo de nuevas estrategias para marketing nos lleva al
    cuestionamiento de si se emplean las adecuadas para la empresa. En este caso la empresa
    analizada es la panadería tradicional “Horno de leña” donde se realizó una petición de sus
    registros. Los datos entregados mostraban las ventas que tiene la panadería por semanas para
    facilitar el análisis estadístico, y a su vez se opto por una interaccion directa con los clientes
    a través de encuestas; aqui se definió variables de importancia para conocer el mercado meta,
    y el inexplorado, o poco considerado de la empresa; el cual nos proporciona predicciones, y
    nos abre camino a la propuesta de herramientas para mejorar condiciones de las mismas. Las
    variables de la base de datos son:
    - Edad.
    - Genero.
    - Pan favorito.
    - Razones por la que prefiere el pan.
    - Red social que más usa.
    - Cantidades de panes comprados.
    En base a estas variables se desarrolla un modelo de machine learning del tipo controlado,
    específicamente regresión lineal, las cuales se tratan en forma cuantitativa para facilitar el
    análisis.
    Posteriormente se determina el nivel de correlación que existe, esto define los campos donde
    podemos realizar el análisis. Una vez determinada las variables para relacionar se realiza la
    regresión para obtener predicciones. Todo esto nos permite determinar las fortalezas y
    debilidades que posee la empresa, y según el comportamiento del mercado identificar las
    mejores alternativas para la toma de decisiones.
    En el caso del algoritmo Edad vs Pan favorito se ingresa el tipo de pan favorito que la empresa
    desea saber y el algoritmo nos indica las edades de las personas que más consumen este tipo
    de pan. Una vez enfocado el mercado podemos realizar el análisis de otras variables que nos
    entregan más información. Si observamos esto es vital, teniendo otro ejemplo como la red
    social que más utilizan los jóvenes de 18-25 años, el cual podría ser un segmento abandonado
    sabremos por donde llegar a él. Con todo esto se evalúan los puntos críticos como defectos.
    Utilizando Diagramas de Pareto podríamos identificar aquellos que son vitales, para darles
    prioridad. El momento que se resuelvan se debería recomendar a la empresa que los
    estandarice para no cometer los mismos errores. Por último se va solucionando defectos o
    puntos críticos a medida que lo ameriten.
    Machine learning es importante con visón al futuro por la era digital en la que estamos, es
    aplicable en el sector financiero para prevenir fraudes, y conocer oportunidades de inversión.
    En el área de servicio al cliente se pueden desarrollar asistentes virtuales que respondan de
    manera automatizada los requerimientos del cliente. Otra de sus aplicaciones es una
    predicción de la cantidad de tráfico del GPS para transportarse de un lugar a otro.

    También podría gustarte