Las empresas en la actualidad necesitan explotar la información que tienen de sus clientes. En particular caja Prymera necesita identificar grupos de clientes para orientar sus recursos y esfuerzos a cada grupo de manera individual. Las técnicas de clustering son de gran utilidad para obtener grupos que compartan características similares internamente y a su vez que los grupos que sean heterogéneos entre sí, es por ello que se realiza un estudio para seleccionar la técnica más adecuada para el problema de la segmentación de clientes, siendo el algoritmo K-Means en complementación con el índice de Rose Turi la técnica a utilizar por su bajo costo computacional, facilidad de implementación y porque permite obtener la cantidad óptima de clusters. Adicionalmente, para validar la eficiencia de la técnica propuesta se implementa el índice de Davies-Bouldin para contrastarlas con la de Rose Turi. Los resultados obtenidos indican que la técnica propuesta obtuvo los de clusters con una eficacia superior en 25% a lo obtenido por el índice de Davies-Bouldin, a su vez en cuanto a eficiencia en tiempo de procesamiento la técnica propuesta es superior en 17%. / Trabajo de suficiencia profesional
| Identifer | oai:union.ndltd.org:Cybertesis/oai:cybertesis.unmsm.edu.pe:20.500.12672/12131 |
| Date | January 2012 |
| Creators | Angeles Bocanegra, Oscar Raúl, Melgarejo Quispe, Cesar Abel |
| Contributors | Huayna Dueñas, Ana María |
| Publisher | Universidad Nacional Mayor de San Marcos |
| Source Sets | Universidad Nacional Mayor de San Marcos - SISBIB PERU |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/bachelorThesis |
| Format | application/pdf |
| Source | Repositorio de Tesis - UNMSM, Universidad Nacional Mayor de San Marcos |
| Rights | info:eu-repo/semantics/restrictedAccess |
Page generated in 0.0013 seconds