En la actualidad, las empresas manejan una gran cantidad de información, el cual era inimaginable años atrás, la capacidad de recolectarla es muy impresionante. En consecuencia, para varias empresas esta información se ha convertido en un tema difícil de manejar. Diariamente, las empresas sea del sector, tipo o tamaño que sea, toman decisiones, las cuales la mayoría son decisiones estratégicas que pueden afectar el correcto funcionamiento de la empresa. Es aquí, donde ingresa una de las herramientas más mencionadas en el área de TI: Business Intelligence, este término se refiere al uso de datos en una empresa para facilitar la toma de decisiones, explotar su información, y mejor aún, plantear o predecir escenarios a futuro. El presente trabajo permitirá al área de Marketing de la empresa Iasacorp International, obtener información sobre el comportamiento y hábitos de compra de los clientes, mediante técnicas de minería de datos como Árbol de Decisión y técnicas de análisis predictivo, la cual ayudará a la toma de decisiones para establecer estrategias de venta de las líneas (bisutería, complementos de vestir, accesorios de cabello, etc.) que maneja la empresa y de las próximas compras. De acuerdo a lo planteado anterior mente, la implementación de este tipo de sistemas de información ofrece a la empresa ventajas competitivas, permite a la gerencia analizar y entender mejor la información y por consecuencia tomar mejores decisiones de negocio. At present, companies handle a lot of information, which was unimaginable years ago, the ability to collect it is very impressive. Consequently, for many companies this information has become a difficult issue to handle. Due to the large volume of information we have, instead of being useful you can fall in a failed attempt to give proper use. Every day, companies in any sector, type or size, make decisions, most of which are strategic decisions that may affect the proper functioning of the company. It´s here, where we talk about the most mentioned tools in the area of IT: Business Intelligence, this term refers to the use of data in an enterprise to facilitate decision-making, exploit their information, and better yet, raise or predict scenarios future. This work will allow the area Iasacorp Marketing Company International, information on the behavior and buying habits of customers, through predictive analysis techniques, which will help the decision to establish sales strategies lines (jewelry, clothing, hair accessories, etc.) that manages the company and nearby shopping. According to the points made above, the implementation of such information systems offers companies competitive advantages, allows management to better analyze and understand information and consequently make better business decisions.

En la actualidad, el rol que cumplen los bancos en la economía del país y el impacto que tienen en las diferentes clases sociales es cada vez más importante. Estos siempre han sido un mercado que históricamente ha recibido un gran número de quejas y reclamaciones. Es por ello que, un mal servicio por parte del proveedor, una deficiente calidad de los productos y un precio fuera de mercado son las principales razones por las que los clientes abandonan una entidad bancaria. Esta situación va aumentando cada vez más y los bancos muestran su preocupación por este problema intentando implementar modelos que hasta el momento no han logrado cumplir con los objetivos. Además, existe un elevado nivel de competencia que obliga a las entidades financieras a velar por la lealtad de sus clientes para intentar mantenerlos e incrementar su rentabilidad. Este proyecto propone un Modelo de Análisis Predictivo soportado con la herramienta SAP Predictive Analytics, con el fin de ayudar en la toma de decisiones para la retención o fidelización de los clientes potenciales con tendencia a la deserción en la entidad bancaria. Esta propuesta se realizó mediante la necesidad de los mismos de conocer la exactitud de deserción de sus clientes categorizados potenciales. Se desarrolló una interfaz web como canal entre el Modelo de Análisis Predictivo propuesto y la entidad bancaria, con el fin de mostrar el resultado obtenido por el modelo indicando la exactitud, en porcentaje, de los clientes con tendencia a desertar. Además, como Plan de continuidad se propone 2 proyectos en base a la escalabilidad del Modelo de análisis predictivo propuesto, apoyándonos en la información obtenida en la etapa de análisis del modelo mismo. / Currently, the role played by banks in the country's economy and the impact they have on different social classes is increasingly important. These have always been a market that has historically received a large number of complaints and claims. It is therefore, poor service by the supplier, poor product quality and a price outside the market are the main reasons why customers leave a bank. This situation is increasingly and banks. In addition, there is a high level of competition that forces financial institutions and the loyalty of their customers to try to maintain them and increase their profitability. This project proposes a Predictive Analysis Model supported with the SAP Predictive Analytics tool, in order to help in making decisions for the retention or loyalty of clients with the tendency to drop out in the bank. This proposal was made through the need to know the accuracy of the desertion of its categorized clients. A web interface is shown as a channel between the Predictive Analysis Model and the bank, in order to show the result by the model that indicates the accuracy, in percentage, of clients with a tendency to defect. In addition, as a continuity plan, 2 projects are proposed based on the scalability of the Predictive Analysis Model, based on the information in the analysis stage of the model itself. / Tesis

El presente proyecto de tesis reúne la información del proceso y los sub procesos involucrados en la gestión de venta de eventuales Central Parking Systems S.A., así mismo, las nuevas ideas propuestas para la mejora de los procesos en el campo de Acción. En el capítulo 1, se expondrá el marco teórico el cual estará constituido por los fundamentos teóricos del negocio y las tendencias y tecnologías actuales, también se presentará a la organización, su estructura organizacional, sus objetivos estratégicos y sus procesos. Para cerrar el capítulo 1 se expondrá su problemática. En el capítulo 2, se presentará los objetivos del proyecto tanto generales como específicos junto a sus respectivos fundamentos. Se expondrá los distintos beneficios que traerá consigo el proyecto. Para terminar, se presentará la evaluación comparativa de nuestra solución versus 3 otras soluciones y un detallado análisis. En el capítulo 3, se expondrá todo el modelado de negocio, tendremos los distintos artefactos del UML como el diagrama de casos de uso del negocio, los distintos actores y trabajadores de negocio para finalizar se presentará las especificaciones de casos de uso asociadas a sus reglas de negocio y representados por su diagrama de actividades. En el capítulo 4, se abordarán los temas de análisis de sistema, se presentarán los distintos requerimientos funcionales y no funcionales, como estos requerimientos funcionales son agrupados en distintos paquetes y casos de uso de sistema. En el capítulo 5, donde se definirá la arquitectura de software, es en este capítulo donde se plantean las metas y restricciones de la arquitectura, se plantean las distintas mecánicas que darán soporte de la arquitectura, por último, se tiene las distintas vistas (lógica, implementación, despliegue). En el capítulo 6, podremos apreciar la construcción de los patrones de la solución propuesta, así como el diagrama de patrones y el diccionario de datos En el capítulo 7, se definirá la calidad de software como nuestro plan de pruebas. Estos planes son la parte fundamental del software, brindaran los lineamientos a seguir para poder garantizar la calidad y buen funcionamiento de nuestro sistema En el capítulo 8, abordaremos temas de la gestión del proyecto, se presentará a los principales interesados, la EDT y por último el cronograma de trabajo en un Gantt. / This thesis project gathers the information of the process and the sub processes involved in the management of the sale of eventual Central Parking Systems S.A., as well as the new ideas proposed for the improvement of the processes in the field of Action. In chapter 1, the theoretical framework will be exposed, which will be constituted by the theoretical foundations of the business and current trends and technologies, it will also be presented to the organization, its organizational structure, its strategic objectives and its processes. To close chapter 1, its problems will be exposed. In Chapter 2, both general and specific project objectives will be presented along with their respective rationale. The different benefits that the project will bring will be exposed. Finally, the benchmarking of our solution versus 3 other solutions and a detailed analysis will be presented. In chapter 3, all the business modeling will be exposed, we will have the different UML artifacts such as the business use case diagram, the different actors and business workers, to finish, the use case specifications associated with their rules will be presented. of business and represented by its activity diagram. In Chapter 4, the issues of system analysis will be addressed, the different functional and non-functional requirements will be presented, as these functional requirements are grouped into different packages and system use cases. In chapter 5, where the software architecture will be defined, it is in this chapter where the goals and constraints of the architecture are raised, the different mechanics that will support the architecture are raised, finally, the different views (logic, implementation, deployment). In chapter 6, we will be able to appreciate the construction of the patterns of the proposed solution, as well as the pattern diagram and the data dictionary In Chapter 7, we will define software quality as our test plan. These plans are the fundamental part of the software, they will provide the guidelines to follow in order to guarantee the quality and proper functioning of our system. In Chapter 8, we will address project management issues, introduce key stakeholders, the WBS, and finally the work schedule in a Gantt. / Tesis

El presente proyecto de investigación es un análisis desde la perspectiva de negocios y estadístico de la empresa Agrokasa. El objetivo principal es encontrar nuevos mercados alternativos en crecimiento que le permitan obtener una mejor rentabilidad por el precio de kilo exportado de palta. Para alcanzar lo mencionado, se llevó a cabo un análisis empresarial que nos permita comprender el contexto y rubro de la empresa. Una vez alcanzado ese objetivo, se aplicó la metodología de la ciencia de datos para encontrar países de destino que son atractivos para Agrokasa. En cuanto al conjunto de datos, se obtuvo de diferentes fuentes públicas y privadas como Veritrade, Trade Map y Adex Data Trade. En consecuencia, se logró identificar 03 mercados alternativos y potenciales, tales como, Rusia, China y Corea Del Sur. En el análisis se utilizaron diferentes herramientas tecnológicas para la compilación, depuración, procesamiento y visualización de los datos, tales como Excel, Power Bi y Python. Con lo cual se demostró la importancia de ver todas las variables en una visualización que nos permite entender el comportamiento de los datos y nos sirve como fundamento para la toma de decisiones. En cuanto a los nuevos mercados, China presento el mayor valor total FOB exportado en el periodo analizado, 2018 -2020. Pese a presentar una tendencia negativa en la Regresión Lineal. Sin embargo, el precio promedio por kilo de palta aun es conveniente. Por otro lado, Rusia fue el mercado con mayores perspectivas de crecimiento y Corea Del Sur con un mejor precio por KG. Finalmente, para todos los mercados se utilizó una técnica de ciencia de datos con aprendizaje supervisado con un enfoque predictivo para pronosticar las importaciones de cada uno de ellos a fin de establecer estrategias comerciales para penetrar en ellos. / This paper is an analysis from a business and statistical perspective of the Agrokasa company in order to find new potential markets that allow it to grow in the volume of its avocado exports and in profitability per Kg exported. To achieve the aforementioned, a previous analysis from a business approach has been used, to understand the context and business area. Once this is understood, the methodology of data science has been applied to find destination countries that are attractive to Agrokasa. The data set was obtained from different public and private sources such as Veritrade and Trademap, with which it was possible to identify 03 potential markets that were China, Russia and South Korea. In the analysis, different technological tools were used to compile, debug, process and visualize the data, such as Excel, Power Bi and Python. With which it was demonstrated the importance of seeing all the variables in a visualization that allows us to understand the behavior of the data and serves as a basis for decision-making. China was the market with the highest total FOB value exported in the analyzed period, which was from 2018 -2020, however, with a negative trend, but with a convenient average price. On the other hand, Russia was the market with the best growth prospects and South Korea with a better price per KG. ​Finally, for all markets, a data science technique with supervised learning with a predictive approach was used to forecast the imports of each of them in order to establish commercial strategies to penetrate them. / Trabajo de investigación

La presente investigación propone un modelo para la automatización de predicción de la deserción de estudiantes universitarios. Esta investigación surge de una problemática existente en el sector educativo peruano: la deserción estudiantil universitaria; es decir, aquellos estudiantes universitarios que abandonan sus estudios de forma parcial o definitiva. La investigación tiene por finalidad brindar una solución que contribuya a reducir la tasa de deserción universitaria, aplicando tecnologías de análisis predictivo y minería de datos, que detecte anticipadamente a estudiantes con posibilidades de abandonar sus estudios, brindando así a las instituciones educativas mayor visibilidad y oportunidades de acción ante esta problemática. Se diseñó un modelo de análisis predictivo, en base al análisis y definición de 15 variables de predicción, 3 fases y la aplicación de algoritmos de predicción, basados en la disciplina del Educational Data Minig (EDM) y soportada por la plataforma IBM SPSS Modeler. Para validar, se evaluó la aplicación de 4 algoritmos de predicción: árboles de decisión, redes bayesianas, regresión lineal y redes neuronales; en un estudio en una institución universitaria de Lima. Los resultados indican que las redes bayesianas se comportan mejor que otros algoritmos, comparados bajo las métricas de precisión, exactitud, especificidad y tasa de error. Particularmente, la precisión de las redes bayesianas alcanza un 67.10% mientras que para los árboles de decisión (el segundo mejor algoritmo) es de un 61,92% en la muestra de entrenamiento para la iteración con razón de 8:2. Además, las variables “persona deportista” (0,29%), “vivienda propia” (0,20%) y “calificaciones de preparatoria” (0,15%) son las que más contribuyen al modelo de predicción. / This research proposes a model for the automation of prediction of university student dropout. This research arises from an existing problem in the Peruvian educational sector: university student dropout; that is, those university students who partially or permanently abandon their studies. The purpose of the research is to provide a solution that contributes to reducing the university dropout rate, applying predictive analysis technologies and data mining, which detects in advance students with the possibility of dropping out of their studies, thus providing educational institutions with greater visibility and opportunities. of action before this problem. A predictive analysis model was designed, based on the analysis and definition of 15 prediction variables, 3 phases and the application of prediction algorithms, based on the Educational Data Mining (EDM) discipline and supported by the IBM SPSS Modeler platform. To validate, the application of 4 prediction algorithms was evaluated: decision trees, Bayesian networks, linear regression, and neural networks; in a study at a university institution in Lima. The results indicate that Bayesian networks perform better than other algorithms, compared under the metrics of precision, accuracy, specificity, and error rate. Particularly, the precision of Bayesian networks reaches 67.10% while for decision trees (the second-best algorithm) it is 61.92% in the training sample for the iteration with a ratio of 8: 2. In addition, the variables "sports person" (0.29%), "own home" (0.20%) and "high school grades" (0.15%) are the ones that contribute the most to the prediction model. / Tesis