Pacific Feeder Services (PFS) es un agente general de venta de espacios aéreos de distintas aerolíneas; por ejemplo, Korean Air, Aeroméxico, Alitalia, Aerolíneas Argentinas y Gol. Estas aerolíneas no cuentan con infraestructura propia en el Perú, de modo que PFS actúa como representante de estas aerolíneas ante sus clientes. En el presente trabajo de investigación se utilizará la metodología iterativa de la ciencia de datos para abordar el problema relacionado a la demanda, puesto que esta es incierta en algunos meses del año. Para ello, se plantea la siguiente hipótesis: ¿Será una regresión lineal simple el modelo adecuado para realizar el pronóstico de los volúmenes de la demanda que tendrá PFS en los próximos meses? El objetivo por alcanzar será proyectar la demanda mediante una regresión lineal simple, para lo cual se está tomando como base los datos de los kilos exportados por PFS en el año 2019. Asimismo, el presente trabajo de investigación académico presenta una arquitectura de datos funcional y una arquitectura de datos tecnológica que da soporte al modelo de regresión lineal simple. La primera explica cuáles son los insumos, almacenamiento y consumo que se requieren para implementar el mencionado modelo, mientras que la segunda expone las herramientas del modelo. Finalmente, el trabajo acaba con las conclusiones y recomendaciones asociadas a la correcta implementación del modelo de regresión lineal simple en el caso específico de PFS. / Pacific Feeder Services (PFS) is a general sales service agent (GSSA) whose main duty is to commercialize air freight capacity of different airlines; for example, Korean Air, Aeroméxico, Alitalia, Aerolineas Argentinas and Gol. These airlines do not have their own infrastructure in the country, so PFS acts as a representative of these airlines to their customers. In this research paper, the iterative methodology of data science will be used to address the problem related to demand, inasmuch as this is uncertain in some months of the year. To do this, the following hypothesis is proposed: Will a simple linear regression be the appropriate model to forecast the volumes of demand that PFS will have in the coming months? The objective to be achieved will be to project the demand through a simple linear regression, for which the data of the kilos exported by PFS in 2019 is being taken as a basis. Likewise, this academic research paper presents a functional data architecture and a technological data architecture that supports the simple linear regression model. The first explains what the inputs, storage and consumption required to implement the mentioned model are, while the second exposes the tools of the model. Finally, the research paper ends with the conclusions and recommendations associated with the correct implementation of the simple linear regression model in the specific case of PFS. / Trabajo de investigación

En el siguiente trabajo de investigación se utilizó la metodología de Ciencia de datos para buscar posibles soluciones al problema que tiene el programa de Arizona de la Universidad de Ciencias Aplicadas (UPC) ya que no se logra llegar a la meta de alumnos inscritos y admitidos a pesar de presentar grandes beneficios en el aspecto profesional y educativo. Se analizó la data histórica de los años 2019, 2020 y 2021 la cual fue recolectada directamente de la universidad y se estableció el enfoque prescriptivo. Se identificaron las variables más relevantes de la base de datos como el nivel de inglés, la carrera elegida, el ingreso familiar promedio, entre otras, con la finalidad realizas el análisis descriptivo para crear visualizaciones y generar gráficos que muestren y nos ayuden a contar la historia. La arquitectura de datos se desarrolló con la finalidad de ver el proceso de análisis para que luego se pueda desarrollar e implementar un modelo que nos ayude a predecir el comportamiento de los alumnos frente al programa mediante el árbol de decisiones. Los resultados más resaltantes del estudio fueron que el nivel de inglés es una de las limitantes para la inscripción de los alumnos. Asimismo, el factor económico influye en la decisión, ya que es más probable que un alumno con ingreso promedio familiar mayor a 10,000.00 soles se matricule y, por último, que el modelo mediante el árbol de decisiones nos permite identificar si un alumno se matricula o no en el programa de Arizona. / In the following research work, the Data Science methodology was used to find possible solutions to the problem that the Arizona program of the University of Applied Sciences (UPC) has since it is not possible to reach the goal of students enrolled and admitted to despite presenting great benefits in the professional and educational aspect. The historical data of the years 2019, 2020 and 2021 was analyzed, which was collected directly from the university and the prescriptive approach was established. The most relevant variables of the database were identified such as the level of English, the chosen career, the average family income, among others, in order to carry out the descriptive analysis to create visualizations and generate graphs to help us to count the story. The data architecture was developed in order to see the analysis process so that later a model can be developed and implemented that helps us predict the behavior of students in front of the program through the decision tree. The most outstanding results of the study were that the level of English is one of the limitations for the enrollment of students. Likewise, the economic factor influences the decision, since it is more likely that a student with an average family income greater than 10,000.00 soles will enroll and, finally, that the model through the decision tree allows us to identify whether a student enrolls or not on the Arizona show. / Trabajo de investigación