Mostrar el registro sencillo del ítem

dc.contributor.advisorCalvo Pascual, Luis Ángeles-ES
dc.contributor.authorÍñiguez Rodríguez, Sergioes-ES
dc.contributor.otherUniversidad Pontificia Comillas, Facultad de Ciencias Económicas y Empresarialeses_ES
dc.date.accessioned2023-06-16T11:19:20Z
dc.date.available2023-06-16T11:19:20Z
dc.date.issued2024es_ES
dc.identifier.urihttp://hdl.handle.net/11531/79218
dc.descriptionGrado en Administración y Dirección de Empresas y Grado en Análisis de Negocios/Business Analyticses_ES
dc.description.abstractEstudio realizado para Manos Unidas con el objetivo de optimizar la gestión de los recursos disponibles y de aumentar el impacto de las campañas. Se realiza un análisis exhaustivo de los mensajes recibidos a través de un buzón en la página web de la organización. Se implementaron diferentes técnicas avanzadas de procesamiento de datos y análisis de texto para prevenir los mensajes de spam mediante un modelo de Random Forest. También se particionó la población según el tipo de mensajes mediante el método de clustering, analizando los sentimientos de los donantes e identificando patrones y tendencias para cada grupo de mensajes (o cluster). Este estudio ha podido identificar los períodos de alta actividad de mensaje, para poder realizar una mejor planificación y asignación de los recursos disponibles, y también mejorar su relación con los socios y colaboradores.es-ES
dc.description.abstractStudy conducted for Manos Unidas with the aim to optimize the management of available resources and increase the impact of campaigns. An exhaustive analysis of messages received through a mailbox on the organization's website was carried out. Various advanced data processing and text analysis techniques were implemented to prevent spam messages using a Random Forest model. Additionally, population partitions were made based on the type of messages using the clustering method, analyzing the sentiments of donors and identifying patterns and trends for each group of messages (or cluster). This study has been able to identify periods of high message activity, allowing for better planning and allocation of available resources, as well as improving the relationship with members and collaborators.en-GB
dc.format.mimetypeapplication/pdfes_ES
dc.language.isoes-ESes_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/es_ES
dc.subject.otherK2Nes_ES
dc.titleAnálisis cuantitativo de las campañas contra el hambre de MANOS UNIDAS.ODS (1,2,3,16)es_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES
dc.keywordsManos Unidas, ONG, mensajes, análisis de clustering, cluster, detección de spam, análisis de sentimiento, transformador BERT, polaridad, series temporales, PCA, bosque aleatorio.es-ES
dc.keywordsManos Unidas, NGO, messages, clustering analysis, cluster, spam detection, sentiment análisis, BERT transformer, polarity, time series, PCA, Random Forest.en-GB


Ficheros en el ítem

Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivs 3.0 United States
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivs 3.0 United States