Maestría en Analítica de Negocios

Permanent URI for this community

http://52.190.9.31//handle/123456789/12708

Browse

Now showing 1 - 4 of 4

Análisis de sentimiento basado en los aspectos de las reseñas de una cadena de restaurantes en Honduras
(Universidad Tecnológica Centroamericana UNITEC, 2023-12-04) Roy Eduardo Coello Vallecillo; Alba Gabriela Garay Romero; Kevin Eduardo Funéz Funéz
El presente trabajo tiene como propósito realizar un análisis del sentimiento y clasificación de aspectos en reseñas obtenidas desde Google Maps de la cadena de restaurantes Denny’s localizados en Honduras. El análisis del sentimiento es el proceso automático de identificar si la retroalimentación de un cliente es positiva o negativa, obteniendo una única fuente que permite evaluar las reseñas por contenido y contexto, no solo por la calificación general. El análisis de sentimiento basado en aspectos se puede utilizar para analizar los comentarios de los clientes asociándolos con diferentes aspectos del restaurante. En este trabajo, se implementaron diferentes modelos desarrollados en Python. Se obtuvo las reseñas haciendo uso de la plataforma Apify. Se realizo un preprocesamiento para obtener un conjunto de datos más legible para el algoritmo al momento de realizar la clasificación del sentimiento y la categorización de aspectos culinarios definidos como: precio, comida, lugar y servicio. El modelo con una mejor ponderación F1-Score fue el de regresión logística (LR), con un 95.56%. Los resultados muestran que la clasificación del sentimiento varía según los aspectos del restaurante. Se identifico que el aspecto del ‘Lugar’ es el mejor calificado con un 93% de positividad, seguidamente del ‘Precio’ (90%), ‘Comida (65%) y ‘Servicio’ (64%). Se recomienda a negocios, con una presencia activa en línea, a hacer el uso de métodos de análisis de sentimientos en las interacciones que obtienen en las redes sociales. Esta es una información valiosa que ayudara a identificar tendencias y tomar decisiones de negocio certeras que incrementen el nivel de lealtad en sus clientes y sus ganancias.
Diseño e implementación de un modelo de aprendizaje automático para predecir la cartera en mora de tarjetas de crédito en el sector bancario comercial de Honduras dic-2018 a sept-2023
(Universidad Tecnológica Centroamericana UNITEC, 2024-03-14) Álvaro Luis Medina Almendares; Oscar Eduardo Godoy Salgado; Alba Gabriela Garay Romero
El presente estudio se enfoca en el desarrollo y aplicación de un modelo predictivo de aprendizaje automático para examinar la relación entre las siguientes variables: La colocación de las tarjetas de crédito, la cantidad de tarjetas de crédito activas por periodo y el comportamiento de la cartera de tarjetas de crédito en mora en el sector bancario comercial de Honduras, así mismo el modelo a desarrollar realizará predicciones en data set para ofrecer una herramienta funcional en la toma de decisiones basada en datos para periodos posteriores. Esto se realizará a partir del análisis de conjuntos de datos detallados y de carácter “open source” obtenidos de la página web de la Comisión Nacional de Bancos y Seguros, (en adelante CNBS); se implementarán técnicas avanzadas de Machine Learning en busca de proporcionar una compresión de cómo las variables anteriormente mencionadas pueden influir en la dinámica financiera de las entidades bancarias en este contexto específico. Este enfoque investigativo se alinea con la necesidad de anticipar y comprender las tendencias del mercado financiero para tomar decisiones estratégicas informadas.
Modelo predictivo de venta cruzada en productos de auto y vida en una aseguradora
(Universidad Tecnológica Centroamericana UNITEC, 2023-12-04) Roberto Enrique Meza Villeda; Alba Gabriela Garay Romero; Antonio Sandres
El presente estudio pretendía determinar la factibilidad técnica de diseñar e implantar un modelo numérico de predicción de venta cruzada de clientes de seguros de autos y vida en una entidad aseguradora en Honduras, evidenciando el auge y valor agregado del análisis de datos como herramienta de impulso comercial para la organización, influyendo en el aumento de colocación de productos y permitiendo un incremento en la generación de utilidad por cliente. El estudio ha sujetado un enfoque cuantitativo y causal, ya que ha requerido de análisis y transformación de datos estadísticos asociados a las ventas de seguros sucedidas durante los años 2020 y 2023 en MAPFRE Seguros Honduras y la experimentación a través de distintos algoritmos de predicción, a fin de conocer el modelo idóneo para predecir los candidatos al seguro adicional de forma asertiva, y los recursos necesarios para implantar el modelo dentro de la organización.
Modelo predictivo del comportamiento de la cuenta total activo de los balances generales de los bancos comerciales de Honduras del periodo enero a septiembre 2023
(Universidad Tecnológica Centroamericana UNITEC, 2024-03-14) Elías Ariel Ortíz Flores; Kerlim Escarleth Varela Palma; Alba Gabriela Garay Romero; Julio Esteban Ramos
El objetivo final de nuestra investigación fue proponer un modelo de aprendizaje automático para predecir los resultados de la cuenta total activo de los balances generales de los bancos comerciales de Honduras para el periodo de enero a septiembre de 2023. Nuestro proyecto de investigación final mediante un modelo de aprendizaje automático de auto regresión estará en la capacidad de beneficiar a las autoridades financieras, bancos comerciales, inversionistas y clientes del sector bancario comercial de Honduras a: detectar anomalías, optimizar recursos, eficientar la toma de decisiones, mejorar la gestión financiera, identificar y evaluar riesgos financieros futuros. El proceso metodológico implementado para el cumplimento de nuestro objetivo de investigación fue el modelo CRISP-DM (Cross-industry standard process for data mining), el objetivo de aplicar CRISP–DM es para desarrollar un modelo de machine learning aplicando las seis fases de: compresión del negocio, compresión de los datos, preparación de los datos, modelado, evaluación y despliegue. El aplicar un modelo de machine learning permitió reforzar el análisis que se obtiene con las observaciones de las series de tiempo, a su vez logra obtener resultados a futuros de una forma matemática valida, estos resultados ayudan al nete regulador de los bancos, clientes, inversiones y los mismos bancos replantear sus estrategias y tomar mejores decisiones.

Browse

Browsing Maestría en Analítica de Negocios by Subject "Aprendizaje automático"

Results Per Page

Sort Options