Análisis de datos para potenciar las ventas de productos de pesca deportiva

El presente trabajo de tesis desarrolla un pipeline de ingeniería de datos en Python, independiente del sistema de carga de la empresa, para limpieza, transformación y predicción de ventas en un comercio de artículos de pesca. Partiendo de un histórico de más de 120 000 registros sin corregir, se im...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Molina Pascual, Facundo José
Otros Autores: Aballay, Patricia
Formato: acceptedVersion Tesis de grado Trabajo final de grado
Lenguaje:Español
Publicado: Universidad Católica de Salta. Facultad de Ingeniería (Salta) 2024
Materias:
Trabajo final de grado
Informática
Aplicación informática
Análisis de datos
Gestión de ventas
Acceso en línea:https://bibliotecas.ucasal.edu.ar/opac_css/index.php?lvl=cmspage&pageid=24&id_notice=81020
Aporte de:
Repositorio Digital - Universidad Católica de Salta (UCASal) de Universidad Católica de Salta
id I49-R155-81020
record_format dspace
spelling I49-R155-810202026-03-31T14:25:16Z https://bibliotecas.ucasal.edu.ar/opac_css/index.php?lvl=cmspage&pageid=24&id_notice=81020 81020 20260331u u u0frey0103 ba spa Análisis de datos para potenciar las ventas de productos de pesca deportiva Universidad Católica de Salta. Facultad de Ingeniería (Salta) 2024-12-22 info:eu-repo/semantics/acceptedVersion info:eu-repo/semantics/bachelorThesis info:ar-repo/semantics/trabajo final de grado application/pdf 1001514 Salta (province) El presente trabajo de tesis desarrolla un pipeline de ingeniería de datos en Python, independiente del sistema de carga de la empresa, para limpieza, transformación y predicción de ventas en un comercio de artículos de pesca. Partiendo de un histórico de más de 120 000 registros sin corregir, se implementó tres enfoques de modelado de series temporales ARIMA(2,1,1), NAIVE y validación cruzada y se compararon cuantitativamente mediante MAPE, MAE y RMSE . ● El modelo ARIMA(2,1,1) redujo el MAPE en un 35 % frente a NAIVE (pasando de 13,1 % a 8,5 %), lo que se traduce en una precisión de predicción superior al 90 %, permitiendo planificar compras con antelación y minimizar faltantes y sobrestocks. ● El submódulo de preprocesamiento automatizado acelera la limpieza de datos en un 30 % (de 40 h a 28 h mensuales), si bien la calidad de los datos de origen sigue siendo un factor crítico que requiere validación externa. Estos resultados demuestran la robustez y replicabilidad de una solución de ingeniería de datos modular, capaz de ofrecer predicciones fiables aun cuando los sistemas de carga originales proporcionan información incorrecta o incompleta. Fil: Aballay, Patricia. Universidad Católica de Salta. Facultad de Ingeniería; Argentina. Fil: Molina Pascual, Facundo José. Universidad Católica de Salta. Facultad de Ingeniería; Argentina. Molina Pascual, Facundo José Aballay, Patricia Trabajo final de grado Informática Aplicación informática Análisis de datos Gestión de ventas Creative Commons Atribución/Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) https://creativecommons.org/licenses/by-nc-sa/4.0/ info:eu-repo/semantics/openAccess Researchers Students
institution Universidad Católica de Salta
institution_str I-49
repository_str R-155
collection Repositorio Digital - Universidad Católica de Salta (UCASal)
language Español
orig_language_str_mv spa
topic Trabajo final de grado
Informática
Aplicación informática
Análisis de datos
Gestión de ventas
spellingShingle Trabajo final de grado
Informática
Aplicación informática
Análisis de datos
Gestión de ventas
Molina Pascual, Facundo José
Análisis de datos para potenciar las ventas de productos de pesca deportiva
topic_facet Trabajo final de grado
Informática
Aplicación informática
Análisis de datos
Gestión de ventas
description El presente trabajo de tesis desarrolla un pipeline de ingeniería de datos en Python, independiente del sistema de carga de la empresa, para limpieza, transformación y predicción de ventas en un comercio de artículos de pesca. Partiendo de un histórico de más de 120 000 registros sin corregir, se implementó tres enfoques de modelado de series temporales ARIMA(2,1,1), NAIVE y validación cruzada y se compararon cuantitativamente mediante MAPE, MAE y RMSE . ● El modelo ARIMA(2,1,1) redujo el MAPE en un 35 % frente a NAIVE (pasando de 13,1 % a 8,5 %), lo que se traduce en una precisión de predicción superior al 90 %, permitiendo planificar compras con antelación y minimizar faltantes y sobrestocks. ● El submódulo de preprocesamiento automatizado acelera la limpieza de datos en un 30 % (de 40 h a 28 h mensuales), si bien la calidad de los datos de origen sigue siendo un factor crítico que requiere validación externa. Estos resultados demuestran la robustez y replicabilidad de una solución de ingeniería de datos modular, capaz de ofrecer predicciones fiables aun cuando los sistemas de carga originales proporcionan información incorrecta o incompleta.
author2 Aballay, Patricia
author_facet Aballay, Patricia
Molina Pascual, Facundo José
format acceptedVersion
Tesis de grado
Trabajo final de grado
author Molina Pascual, Facundo José
author_sort Molina Pascual, Facundo José
title Análisis de datos para potenciar las ventas de productos de pesca deportiva
title_short Análisis de datos para potenciar las ventas de productos de pesca deportiva
title_full Análisis de datos para potenciar las ventas de productos de pesca deportiva
title_fullStr Análisis de datos para potenciar las ventas de productos de pesca deportiva
title_full_unstemmed Análisis de datos para potenciar las ventas de productos de pesca deportiva
title_sort análisis de datos para potenciar las ventas de productos de pesca deportiva
publisher Universidad Católica de Salta. Facultad de Ingeniería (Salta)
publishDate 2024
url https://bibliotecas.ucasal.edu.ar/opac_css/index.php?lvl=cmspage&pageid=24&id_notice=81020
work_keys_str_mv AT molinapascualfacundojose analisisdedatosparapotenciarlasventasdeproductosdepescadeportiva
_version_ 1861514799407431680

Ejemplares similares