Maestría en Business Analytics

URI permanente para esta colección

https://repository.urosario.edu.co/handle/10336/39867

La Maestría en Business Analytics ofrece una formación que combina conocimientos teóricos y prácticos de los elementos de la analítica de negocios, con el desarrollo de competencias en gestión para que sus egresados lleven a cabo procesos de transformación tecnológica y lideren equipos de trabajo dentro de las organizaciones y sus áreas de inteligencia y analítica de negocios.
El programa nace como parte de UR STEAM, el cual se caracteriza por el aprendizaje integrado, experiencial y experimental a través de laboratorios y otros espacios de ideación, creación y práctica en áreas de conocimiento de vanguardia, orientados hacia la cultura maker y la resolución de problemas centrados en el individuo, y con una gran cercanía con el sector empresarial para el desarrollo de proyectos conjuntos de investigación aplicada.


Examinar

Examinando Maestría en Business Analytics por Director "Cruz Castro, Daniel Leonardo"

Mostrando1 - 8 de 8
  • Miniatura
    Ítem
    Acceso Abierto
    Análisis descriptivo y predictivo del comportamiento del PIB en Colombia por departamento y actividad económica del 2005 al 2021
    (2023-06-16) Osorio Leal, Cindy Paola; Zambrano Vargas, Johana Catherin; Morales Aguirre, Sandra Liliana; Cruz Castro, Daniel Leonardo
    El proyecto se centra en el análisis del indicador económico PIB y la definición del perfil económico de cada departamento durante el periodo comprendido entre 2005 y 2021. El objetivo es identificar el comportamiento, los cambios a lo largo del tiempo y la contribución de cada actividad económica y departamento al crecimiento del país, con el propósito de apoyar la toma de decisiones de inversión y la formulación de políticas públicas. Por lo tanto, se realiza un análisis descriptivo del aporte de los departamentos al PIB nacional, por medio del análisis de segmentación k-means, análisis de correspondencia simple y análisis de trayectoria para los años 2005, 2011 y 2021 con el fin de identificar el perfil económico de los departamentos e identificar los cambios en su estructura económica. Adicionalmente, se realiza un análisis predictivo del PIB trimestral del 2023 teniendo en cuenta variables exógenas. Es importante destacar que se empleará la metodología CRISP-DM que sugiere un ciclo de vida orientado a la minería de datos adaptable y flexible de acuerdo con las necesidades del proyecto, asimismo, la metodología Scrum para priorizar la asignación de roles, enfocado en ciclos de creación de valor semanales que permiten obtener entregables incrementales ajustados de acuerdo con la retroalimentación del product owner.
  • Miniatura
    Ítem
    Acceso Abierto
    Modelo de análisis predictivo para la identificación de clientes con tendencia a la deserción.
    (2023-07-18) Patarroyo Velasco, Victor Santiago; Cruz Castro, Daniel Leonardo
    La industria colombiana requiere de una alta oferta de envases y empaques para cubrir las necesidades del sector industrial, por esta razón, en el país existen numerosas empresas que fabrican o comercializan este tipo de productos, lo que genera un mercado altamente dinámico y competitivo. Sin embargo, debido a esta situación, resulta difícil asegurar la fidelidad y continuidad en las compras por parte de los clientes. Lo que lleva a la empresa a perder al año en promedio un 19% de los clientes anualmente. A pesar de esta perdida, también se observa una constante afluencia de nuevos clientes que, en cierta medida, compensan a aquellos que han dejado de comprar.
  • Miniatura
    Ítem
    Acceso Abierto
    Modelo de analítica de negocios con datos públicos: estructura modular para vigilancia y predicciones en el mercado financiero de Colombia
    (2025-06-26) Contreras Paredes, Valentina; García Sarmiento, Camilo; Rodríguez Gaona, Franklyn German; Irreño Cárdenas, Mario Alberto; Cruz Castro, Daniel Leonardo
    Este proyecto tiene como objetivo desarrollar una solución analítica integral para una entidad financiera colombiana, basada en datos públicos abiertos, con el fin de fortalecer su competitividad y capacidad de respuesta en el mercado. La propuesta contempla el diseño de una arquitectura modular que permite recolectar, procesar y visualizar de forma automatizada información clave del sistema financiero, incluyendo variables como colocación de créditos, captación, cartera, tarjetas y tasas de interés. Asimismo, se construyó un modelo predictivo georreferenciado para estimar la colocación de créditos por región, con el fin de anticipar tendencias y apoyar decisiones estratégicas. Esta solución busca optimizar la gestión comercial, reducir los tiempos de reacción y fomentar una cultura organizacional basada en datos.
  • Miniatura
    Ítem
    Acceso Abierto
    Modelo predictivo de desistimiento aplicado a una constructora Colombiana para proyectos de vivienda, un año después de la separación del inmueble.
    (2024-07-18) Rincón Castiblanco, Angie Carolina; Vásquez Peña, Juan Felipe; Velandia López, Yineth Juliana; Cruz Castro, Daniel Leonardo
    El proyecto propone desarrollar un modelo predictivo de desistimiento para una constructora colombiana enfocada en proyectos de vivienda. Utilizando análisis de datos y minería de información, se identificarán patrones y relaciones relevantes relacionados con el desistimiento de compra de inmuebles. El modelo clasificará a los clientes según su riesgo de desistimiento, permitiendo a la empresa tomar decisiones estratégicas y diseñar acciones preventivas para mitigar estos riesgos, optimizando así recursos y fortaleciendo la relación con los clientes.
  • Miniatura
    Ítem
    Acceso Abierto
    Prueba de Concepto de Machine Learning para Identificar Empresas Colombianas Próximas a Exportar
    (2025-07-18) Sánchez Rojas, Jose Vicente; Escárraga Vargas, Marco Jeisson; Cruz Castro, Daniel Leonardo
    En un entorno jurídico altamente competitivo como el colombiano, donde las firmas líderes en propiedad intelectual enfrentan dificultades para captar nuevos clientes debido a la fidelidad de las empresas a sus proveedores legales, una firma legal con más de 70 años de trayectoria busca fortalecer su estrategia de crecimiento internacional mediante alianzas con firmas extranjeras. Esta estrategia se basa en identificar empresas colombianas con alto potencial de exportación para ofrecerles asesoría legal antes de que consoliden vínculos con firmas competidoras. El proyecto propone una solución analítica predictiva, basada en técnicas avanzadas de machine learning, para anticipar qué empresas, actualmente no exportadoras, iniciarán exportaciones en el siguiente año. Para ello, se construyó una base de datos integrada a partir de fuentes financieras (EMIS) y de comercio exterior (DIAN), aplicando ingeniería de características temporales y un riguroso proceso de limpieza y filtrado de datos. El modelo final se desarrolló mediante una estrategia de ensamblado (stacking) y validación cruzada estratificada, maximizando métricas como el recall y el AUC-PR en un contexto de fuerte desbalance de clases. Los resultados demostraron la viabilidad de identificar señales precursoras de exportación en datos históricos, permitiendo priorizar prospectos con alto potencial de internacionalización. Esta herramienta representa un aporte estratégico para la firma, al permitir la prospección de clientes basada en datos y no solo en intuición o relaciones preexistentes. Además, valida empíricamente una hipótesis inspirada en teorías de internacionalización empresarial y demuestra el valor de la analítica predictiva en contextos jurídicos, tradicionalmente analógicos. En conclusión, esta prueba de concepto sienta las bases para una futura implementación operativa que puede mejorar significativamente la eficiencia comercial y el posicionamiento global de la firma.
  • Miniatura
    Ítem
    Desconocido
    Segmentación de tiendas y pronóstico de ventas en una empresa del sector retail en Colombia integrando factores macroeconómicos (2019-2023)
    (2024-07-25) Bueno Contreras, Yilinet Angélica; Contreras Guerrero, Cintia Madelin; Parra Beltrán, Laura Gabriela; Cruz Castro, Daniel Leonardo
    El presente proyecto tiene como finalidad brindar herramientas que apoyen el proceso de proyección de las ventas totales mensuales y segmentación de tiendas de una multinacional de origen Holandés del sector retail, teniendo en cuenta los datos históricos de finanzas, en conjunto con variables del contexto macroeconómico nacional de los años 2018 – 2023 y pronósticos del 2024, con el fin de facilitar la toma de decisiones estratégicas en la compañía a corto y mediano plazo, permitiendo tomar las medidas necesarias sobre el uso eficiente de los recursos empleados por la organización, así como las diferentes estrategias necesarias que le permitan reaccionar de manera oportuna a los cambios de la coyuntura nacional. La solución plantea el uso de analítica descriptiva y predictiva enfocada en modelos no supervisados y de series de tiempo bajo el marco metodológico CRISPDM.
  • Miniatura
    Ítem
    Embargo
    Sistema analítico de decisión para la identificación temprana de rotación voluntaria y la retención de talento en roles tácticos y operativos en una compañía del sector retail
    (2026-02-13) Aguilera Bustamante, Natalia Andrea; Guerra Riaño, Carolina; Guerra Romero, Jenny Tatiana; Chalapud Pistala, Evelyn Viviana Vanessa; Cruz Castro, Daniel Leonardo
    Evaluar la rotación voluntaria de personal en las empresas del sector retail en Colombia es fundamental, ya que una alta rotación puede afectar negativamente la productividad y competitividad de la organización. En este contexto, el presente trabajo de grado tuvo como objetivo desarrollar un sistema analítico de apoyo a la toma de decisiones que facilite la identificación temprana de colaboradores en roles operativos y tácticos con alto riesgo de rotación voluntaria. El proyecto se estructuró bajo la metodología CRISP-DM, lo que permitió abordar de manera sistemática las fases de entendimiento del negocio, comprensión y preparación de los datos, modelado, evaluación e integración de la solución analítica Shearer, 2000. Para ello, se analizaron datos históricos de la organización, incluyendo información sobre plantas de personal, ausentismos, clima organizacional, desempeño, salarios, horas extras y variables sociodemográficas. El sistema de decisión analítica desarrollado integra un tablero descriptivo de indicadores clave de Talento Humano, un modelo de clustering para la identificación de perfiles homogéneos de colaboradores, un modelo predictivo de retiro voluntario con un horizonte de anticipación de 180 días y una matriz Nine Box para evaluar el desempeño y el potencial del talento. Estas herramientas permiten contextualizar los resultados analíticos dentro del enfoque de Total Rewards y apoyar la implementación de estrategias de retención más focalizadas. Los resultados obtenidos evidencian que la rotación voluntaria está asociada a factores relacionados con la trayectoria laboral, las condiciones operativas y el contexto organizacional. En este sentido, el sistema analítico desarrollado proporciona un marco robusto para la toma de decisiones estratégicas, contribuyendo a la reducción de la rotación 15 voluntaria, la optimización de costos asociados al reemplazo de personal y el fortalecimiento de la sostenibilidad operativa de la organización.
  • Miniatura
    Ítem
    Acceso Abierto
    Transformación de la industria retail en centros comerciales: modelos avanzados de clasificación y predicción
    (2024-07-10) Cardona Nieto, Juan Sebastián; Marulanda Pérez, Juan Pablo; Morales Ortíz, María Camila; Cantillo Rocha, David José; Cruz Castro, Daniel Leonardo
    Parque Arauco es una empresa dedicada al sector de rentas inmobiliarias, enfocada en maximizar las ventas en sus centros comerciales y outlets mediante la oferta de productos, servicios y experiencias adaptadas a los nuevos hábitos de consumo de sus visitantes. Este trabajo se centra en dos pilares organizacionales: aumentar la rentabilidad de los activos inmobiliarios y ser el operador de Real Estate recomendado por clientes y locatarios. La pandemia ha generado cambios significativos en los patrones de consumo, impulsando el desarrollo de nuevos canales de compra. Utilizando datos de una encuesta aplicada en 2023 a cinco de sus centros comerciales, Parque Arauco busca crear modelos predictivos para identificar a los clientes con mayor probabilidad de compra. Se emplearán técnicas de análisis de datos, como el análisis de correspondencias múltiples, para proporcionar recomendaciones estratégicas basadas en el perfilamiento de los visitantes, optimizando esfuerzos e inversiones y mejorando la experiencia del cliente. El proyecto integrará metodologías como CRISP-DM y Scrum, identificando la regresión logística binomial como el modelo más efectivo basado en la validación estadística mediante indicadores como el R² de McFadden, VIF, curva ROC y AUC. Los resultados validados informarán recomendaciones accionables para la empresa