Comunidades
Añadidos recientemente
Aplicación del salario emocional como estrategia para mejorar la satisfacción laboral en el departamento de desarrollo económico de la municipalidad de puerto cortés
(Universidad Tecnológica Centroamericana UNITEC, 2026-01-01) Luis Fernando Henríquez Henrríquez; Karen Fabiola Diaz Domínguez; Mirna Isabel Rivera García
La investigación tuvo como propósito analizar la aplicación del salario emocional como estrategia para mejorar la satisfacción laboral en el Departamento de Desarrollo Económico de la Municipalidad de Puerto Cortés. El estudio se desarrolló bajo un enfoque mixto, combinando técnicas cualitativas y cuantitativas que permitieron obtener información integral sobre la percepción del personal respecto a los beneficios no monetarios y su impacto en la motivación y el desempeño. Se aplicaron encuestas al personal del departamento, lo que facilitó identificar las principales necesidades emocionales y las áreas de oportunidad para fortalecer el clima organizacional. Los resultados evidenciaron que la implementación de prácticas de salario emocional contribuyó significativamente a mejorar la satisfacción laboral, fomentando la lealtad y el compromiso institucional. Asimismo, se establecieron recomendaciones orientadas a consolidar estas estrategias como parte de la gestión del talento humano.
Medición de la efectividad de promociones comerciales de paquetes de datos mediante analítica de datos
(Universidad Tecnológica Centroamericana UNITEC, 2026-03-03) Cristian Antonio Espinoza Banegas; Henry Antonio Osorio
Esta investigación tuvo como objetivo desarrollar un modelo analítico capaz de identificar los factores que influyen en el éxito de las promociones de una empresa de telecomunicaciones en Honduras, así como dar seguimiento al comportamiento de las promociones durante su vigencia diaria y realizar un análisis histórico que permita estudiar los resultados y la evolución de las promociones y de las entidades involucradas. El estudio incluyó procesos rigurosos de análisis y procesamiento de datos, que abarcaron la limpieza, transformación y preparación de la información relevante de las promociones. Posteriormente, se aplicaron algoritmos de aprendizaje para evaluar los resultados a partir de diversos indicadores de desempeño y efectividad de las promociones. Finalmente, se implementaron herramientas de seguimiento que permiten a la empresa monitorear el comportamiento de sus campañas, optimizar estrategias comerciales, mejorar la asignación de recursos y maximizar la efectividad de las acciones de comunicación, contribuyendo así al crecimiento del producto, del negocio y de la empresa en general.
Optimización del inventario en punto de venta de licores mediante modelos predictivos de demanda, periodo febrero 2024 - octubre 2025
(Universidad Tecnológica Centroamericana UNITEC, 2026-03-03) Angela María Castillo Cubas; José Alejandro Martínez Moreno; Jesús Ricardo Rodríguez Rivera
La presente investigación analiza la aplicación de técnicas de analítica predictiva para optimizar la gestión de inventarios en Licorería Josway, una microempresa dedicada a la comercialización de bebidas alcohólicas en Honduras. El estudio surge ante las limitaciones de los métodos empíricos tradicionales de control de inventarios, los cuales generan quiebres de stock y sobreinventarios que afectan el nivel de servicio y la eficiencia del capital de trabajo. Se adoptó un enfoque cuantitativo, aplicado y explicativo, utilizando datos históricos de ventas e inventarios correspondientes al período comprendido entre febrero de 2024 y octubre de 2025. A partir de esta información, se desarrollaron y validaron modelos predictivos basados en técnicas de aprendizaje automático, incorporando variables dinámicas como estacionalidad, promociones y eventos locales. La validación se realizó mediante procesos de backtesting y simulación, evaluando el desempeño del modelo a través de métricas de precisión y de indicadores operativos de inventario. Los resultados evidencian una reducción significativa del error de pronóstico, una disminución de los quiebres de stock y una mejora en la rotación de inventarios, demostrando que la analítica predictiva es viable y efectiva incluso en contextos de micro y pequeñas empresas. El estudio aporta evidencia empírica sobre los beneficios operativos y financieros de la toma de decisiones basada en datos en el sector retail hondureño.
Evaluación de modelo híbrido de calificación de riesgo crediticio para banca empresarial en Honduras, período de enero 2020 - octubre 2024
(Universidad Tecnológica Centroamericana UNITEC, 2026-03-02) Álvaro Moisés De La Rocha Rodríguez; Skarletl Michell Navarro Galeano; Jesús Ricardo Rodríguez Rivera
Esta investigación evaluó el impacto de un modelo híbrido de calificación de riesgo crediticio, que combina aprendizaje automático y reglas de negocio, aplicado a clientes de banca empresarial en Honduras entre enero de 2020-octubre de 2024. Se utilizó un enfoque cuantitativo con la metodología CRISP DM, a partir de una base de 6,903 clientes y 42 variables financieras, conductuales, demográficas y regulatorias. Los datos se dividieron en entrenamiento (2020-2022), validación (2023) y prueba out of time (2024). Se comparó un esquema de reglas, una regresión logística y modelos de ML (Random Forest y XGBoost), evaluando su desempeño mediante AUC ROC, KS y métricas operativas al umbral definido en la validación. En el conjunto de prueba, Random Forest alcanzó AUC ROC 0.87 y KS 0.58, y XGBoost AUC ROC 0.86 y KS 0.55, superando ampliamente al enfoque tradicional (AUC 0.59; KS 0.18) y elevando el recall de la clase morosa de 0.66 a 0.87, con estabilidad temporal (PSI≈0.0066) y buena calibración (Brier≈0.05- 0.06). La reducción de falsos negativos se tradujo en pérdidas evitadas estimadas en L13 millones y un ROI de ≈825.95%. Se recomendó la implementación piloto del modelo híbrido bajo un marco de gobierno de modelo acorde con Basilea III, BCBS 239 y SR 11 7.
Predicción de mora en préstamos de consumo en la cooperativa CAYCSOL, utilizando algoritmos de machine learning, basada en datos históricos del periodo 2021–2024
(Universidad Tecnológica Centroamericana UNITEC, 2026-01-01) Katherine Mabel Fiallos Antúnez; Rony Filander Lainez Pacheco; Jesús Ricardo Rodríguez Rivera
El presente Trabajo Final de Graduación tuvo como propósito desarrollar y validar un modelo predictivo de morosidad aplicado a los préstamos de consumo de la Cooperativa de Ahorro y Crédito Sonaguera Limitada (CAYCSOL), con el fin de fortalecer la gestión institucional del riesgo crediticio. La investigación se orientó a mejorar la identificación oportuna de clientes con probabilidad de incurrir en mora igual o superior a 30 días, mediante el análisis de información histórica sociodemográfica, financiera y crediticia correspondiente al período 2021–2024. Metodológicamente, el estudio se desarrolló bajo un enfoque cuantitativo, con un alcance descriptivo-predictivo y un diseño no experimental, incorporando análisis exploratorio de datos, selección de variables, técnicas de balanceo de clases y la evaluación comparativa de distintos modelos de Machine learning. Los resultados evidenciaron que el modelo Random Forest presentó el mejor desempeño predictivo, destacándose por su mayor capacidad para identificar clientes de alto riesgo y por la reducción de los falsos negativos. Como conclusión principal, se determinó que la aplicación del modelo predictivo aporta un valor significativo a la gestión del riesgo crediticio de CAYCSOL, por lo que se recomienda su implementación operativa y el establecimiento de mecanismos de monitoreo continuo que aseguren su efectividad y sostenibilidad en el tiempo.