dc.contributor.author | Vergel Aressi, María Evangelina | |
dc.contributor.author | Guavita Cuta, Andrea del Pilar | |
dc.date.accessioned | 2019-02-11T23:00:14Z | |
dc.date.accessioned | 2020-04-15T14:19:40Z | |
dc.date.accessioned | 2023-05-11T21:30:57Z | |
dc.date.available | 2019-02-11T23:00:14Z | |
dc.date.available | 2020-04-15T14:19:40Z | |
dc.date.available | 2023-05-11T21:30:57Z | |
dc.date.created | 2018 | |
dc.identifier.uri | https://hdl.handle.net/20.500.12032/119756 | |
dc.description.abstract | Los proyectos que incluyen series de tiempo son cada vez más comunes de encontrar en el entorno de la consultoría de analítica, los datos que se pueden obtener tienen cada día un mayor volumen y mayor detalle, lo que hace importante el estudio de estas y las oportunidades de mejorar tanto en tiempos de procesamiento como en la precisión del resultados. El presente proyecto busca comparar dos metodologías, la primera generando clústeres de series de tiempo y la segunda a través de un benchmark para diferentes algoritmos de pronóstico, con el fin de determinar cuál es la mejor alternativa de pronóstico en precisión y tiempo de procesamiento, para los datos entregados por Everis correspondientes a un cliente del sector Retail, con la necesidad de realizar pronósticos de las series desagregadas de las ventas por tienda para el mes de mayo; los resultados se medirán mediante el error absoluto medio (MAD), error porcentual absoluto medio (MAPE) y el error cuadrático medio (MSE). Se utilizará la metodología CRISP-DM como guía para el desarrollo de los objetivos de negocio y de minería de datos identificados. | spa |
dc.format | PDF | spa |
dc.format.mimetype | application/pdf | spa |
dc.language.iso | spa | spa |
dc.publisher | Pontificia Universidad Javeriana | spa |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Analítica | spa |
dc.subject | Series de tiempo | spa |
dc.subject | Pronósticos | spa |
dc.subject | Clusterización | spa |
dc.title | Metodologías para el pronóstico de series de tiempo | spa |