Return to search

Framework usando un componente de preprocesamiento y MARS para la predicción de ventas en las pymes del Perú

Se propone un framework utilizando un componente de pre-procesamiento y MARS para obtener una predicción de ventas de forma precisa y confiable reduciendo el tiempo y costos. Para ello lo primero que se realizo fue obtener las ventas mensuales de los productos “Resorte Toy Corolla” y “Resorte Toy Corolla Gasol” de una empresa llamada “Franco” dedicada a la venta de autopartes, luego se procesó esta información con un componente de pre-procesamiento en donde se detectó y elimino valores atípicos. Posteriormente se seleccionó las variables de predicción y la variable objetivo, por último se construyó los modelos de predicción y se calculó las medidas de error con la ayuda del software "Salford Predictive Modeler 8.0". Luego de realizar las pruebas se llegó a la conclusión que el framework propuesto se ajusta mejor a las necesidades de una pyme ya que se obtiene predicciones de ventas más precisas. Por otro lado no es necesario que el usuario sea un experto ni que tenga conocimientos muy avanzados con respecto a las técnicas o métodos de predicción, porque cuando usamos el software “Salford Predictive Modeler 8.0”, esta misma selecciona las variables de predicción más importantes y crea el modelo de predicción con sus respectivas funciones base además también se encarga del cálculo de las medidas de error. / Tesis

Identiferoai:union.ndltd.org:Cybertesis/oai:cybertesis.unmsm.edu.pe:cybertesis/8895
Date January 2018
CreatorsBerto Castro, Felix Ricardo
ContributorsLeón Fernández, Cayo Víctor
PublisherUniversidad Nacional Mayor de San Marcos
Source SetsUniversidad Nacional Mayor de San Marcos - SISBIB PERU
LanguageSpanish
Detected LanguageSpanish
Typeinfo:eu-repo/semantics/bachelorThesis
Formatapplication/pdf
SourceUniversidad Nacional Mayor de San Marcos, Repositorio de Tesis - UNMSM
Rightsinfo:eu-repo/semantics/openAccess, https://creativecommons.org/licenses/by-nc/4.0/

Page generated in 0.0018 seconds