Mostrar el registro sencillo del ítem

dc.contributor.advisorBorrás Pala, Francisco
dc.contributor.advisorCoronado Vaca, María
dc.contributor.authorTyouss, Inasse
dc.contributor.otherUniversidad Pontificia Comillas, Facultad de Empresariales (ICADE)es_ES
dc.date.accessioned2024-01-23T11:49:12Z
dc.date.available2024-01-23T11:49:12Z
dc.date.issued2023
dc.identifier.urihttp://hdl.handle.net/11531/86461
dc.descriptionGrado en Administración y Dirección de Empresas Mención Internacional (E-4)es_ES
dc.description.abstractLa inteligencia empresarial (BI), los modelos predictivos y el análisis de datos se han convertido en herramientas cruciales para las empresas que buscan obtener una ventaja competitiva en el mercado. Con la creciente disponibilidad de grandes conjuntos de datos y los avances tecnológicos, el uso de algoritmos y datos se ha vuelto cada vez más importante para impulsar estas iniciativas, en las que las empresas pueden aprovechar el aprendizaje automático para extraer ideas y tomar decisiones informadas. Así pues, esta tesis explora el papel de los algoritmos y los datos en la mejora de las estrategias y los objetivos de una empresa, en particular mediante el uso de técnicas de regresión lineal. Por lo tanto, desarrollaré un programa de aprendizaje automático utilizando una base de datos de Kaggle, centrándome en los resultados de las pruebas A/B de una cadena de comida rápida para determinar la mejor estrategia de marketing para promocionar un nuevo elemento del menú, y utilizando RStudio para el preprocesamiento, el análisis exploratorio de datos, la comprobación de hipótesis, el modelado de datos y la evaluación de modelos. El conjunto de datos incluye variables como MarketID, MarketSize, LocationID, AgeOfStore, Promotion, Week y SalesInThousands. Los resultados sugieren que el factor MarketSize tiene un impacto significativo en las ventas, lo que indica que debería ser un elemento central en el diseño e implementación de las campañas de marketing de esta empresa, mientras que AgeOfStore, Promotion, MarketID, LocationID y Week no mostraron efectos significativos en el modelo de regresión lineal. No obstante, es importante señalar que este análisis se basa en un único conjunto de datos y puede no ser generalizable a otros escenarios. De este modo, puedo demostrar el poder de las herramientas y técnicas de análisis de datos en el campo de la previsión de marketing y ventas, pero también, que la información derivada de este análisis puede ayudar a orientar la toma de decisiones y proporcionar una base sólida para la planificación estratégica y los procesos operativos en todas las áreas que dependen de la toma de decisiones basada en datos. Las técnicas y herramientas que se presentan en este documento pueden aplicarse a una gran variedad de ámbitos, además de las previsiones de marketing y ventas. Por lo tanto, este informe ofrece un ejemplo de cómo la toma de decisiones basada en datos y los algoritmos pueden contribuir al éxito general de una empresa.es_ES
dc.format.mimetypeapplication/pdfes_ES
dc.language.isoeses_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subject53 Ciencias económicases_ES
dc.subject5306 Economía del cambio tecnológicoes_ES
dc.subject530602 Innovación tecnológicaes_ES
dc.titleInteligencia empresarial : ¿Cómo pueden ayudar los algoritmos y los datos a mejorar las estrategias y objetivos de una empresa?es_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/closedAccesses_ES


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