Ítem
Acceso Abierto

Modelo de segmentación para crear estrategias de publicidad y venta en el sector inmobiliario empleando análisis de datos

Mostrar el registro sencillo de la publicación
dc.contributor.advisorMaldonado, Ferney Alonso
dc.creatorHernández Herrera, John Alexander
dc.creator.degreeMagíster en Business Analytics
dc.creator.degreetypePart time
dc.date.accessioned2024-05-15T16:05:27Z
dc.date.available2024-05-15T16:05:27Z
dc.date.created2024-05-06
dc.descriptionEl objetivo principal de este estudio es diseñar un modelo con implementación tecnológica que permita crear segmentación, estrategias comerciales y personalizadas de los clientes interesados en adquirir vivienda. Asimismo, la compañía está interesado en identificar cual es el género que realizo la mayor compra de inmuebles, teniendo en cuenta que la base de datos no contiene esta información detallada por lo cual se procedió a identificar el género a partir de los nombres de los compradores. En este sentido, para desarrollar este trabajo se utilizó la metodología de Crisp-DM a través de Algoritmo clustering usando el método K-Means, una de las ventajas que tiene este método es que tiene la capacidad de analizar bases de datos con más de diez mil registros. Se pudo concluir que, el análisis en este apartado muestra que la manufactura es una industria con ciertas ventajas competitivas en fortaleza económica, lo que no significa que la empresa sea líder en ciertos cambios, por lo que compañía enmarca la situación actual de lo que sucede en el mercado.
dc.description.abstractThe main objective of this study is to design a model with technological implementation that allows creating segmentation, commercial and personalized strategies of clients interested in acquiring living place. Likewise, the company is interested in identifying which gender made the largest purchase of real estate, taking into account that the database does not contain this detailed information, which is why the gender was identified from the names of the buyers. In this sense, to develop this work the Crisp-DM methodology was used through a clustering algorithm using the K-Means method. One of the advantages of this method is that it has the ability to analyze databases with more than ten thousand records. It was concluded that the analysis in this section shows that manufacturing is an industry with certain competitive advantages in economic strength, which does not mean that the company is a leader in certain changes, which is why the company. It frames the current situation of what is happening in the market.
dc.description.sponsorshipAmarilo
dc.format.extent99 pp
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_42568
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/42568
dc.language.isospa
dc.publisherUniversidad del Rosario
dc.publisher.departmentEscuela de Administración
dc.publisher.departmentEscuela de Ingeniería, Ciencia y Tecnología
dc.publisher.programMaestría en Business Analytics
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 International*
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.rights.accesoAbierto (Texto Completo)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.source.bibliographicCitationAlayon, R. A., Moncada, D. A., Medina, V. H., & Rodríguez, J. E. (s/f). Estimación de rendimiento académico a través de técnicas para minería de datos. Alberto, C., Cardona, E., & Saint-Priest Velásquez, Y. (s/f). Characterization model of customer profile adapted to building sector with data mining: case study building company. Alejandra, P., Camargo, G., De, U., Andes, L., & De Ingeniería, F. (s/f). IMPLEMENTACIÓN DE UN MODELO MACHINE LEARNING PARA LA ESTIMACIÓN DEL VALOR DEL METRO CUADRADO DE UN INMUEBLE UBICADO EN CUNDINAMARCA. Business Intelligence aplicado al área de compras en la empresa. (s/f). Frank Oscar Gamarra Valencia. Cesar Moyano-Alulema, J. I. (s/f). Modelo de gestión por procesos para la comercialización de bienes inmuebles en urbanizaciones Ciencias económicas y empresariales Artículo de investigación. 6, 395–417. https://doi.org/10.23857/dc.v6i3.1225 Ghazzawi, A., & Alharbi, B. (2019). Analysis of Customer Complaints Data using Data Mining Techniques. Procedia Computer Science, 163, 62–69. https://doi.org/10.1016/j.procs.2019.12.087 Haya Pablo. (2021). https://www.iic.uam.es/innovacion/metodologia-crisp-dm-ciencia-de-datos/. Kaur, p., & Singh, M. (2023). Modelo de segmentación de clientes usando K-means. Kyocera. (2017). Diferencia entre datos estructurados y no estructurados. https://www.kyoceradocumentsolutions.es/es/smarter-workspaces/insights-hub/articles/datos-de-personas-como-conseguirlos.html#:~:text=En%20resumen%2C%20mientras%20que%20los,de%20objetos%20valiosos%20pero%20desordenados. La necesidad de la evolución de la gerencia en el sector de la construcción en Colombia en la cuarta revolución industrial. (s/f). Marzal Varó, A., & Gracia Luengo, I. (2009). Introducción a la programación con Python. Universitat Jaume I. Servei de Comunicació i Publicacions. Ncr, (, & Clinton, J. (2000). Step-by-step data mining guide. DaimlerChrysler. San, A., & Cabrero, J. (s/f). El futuro de la valoración inmobiliaria Big Data y modelos AVM. Sociedad, U. Y., Jorge, M., Rivero Pérez, L., Yaimara, D. C., Santana, P., Harenton, I. P., & López, M. (2016). Volumen 8 | Número 2 | Mayo-agosto. http://rus.ucf.edu.cu/ Vázquez Rodríguez, S., Sergio, L., & Torres, E. (s/f). LOS MERCADOS INMOBILIARIOS EN LA ÉPOCA DEL BIG DATA. Zuur, A. F., Ieno, E. N., & Elphick, C. S. (2010). A protocol for data exploration to avoid common statistical problems. Methods in Ecology and Evolution, 1(1), 3–14. https://doi.org/10.1111/j.2041-210x.2009.00001.x
dc.source.bibliographicCitationAlayon, R. A., Moncada, D. A., Medina, V. H., & Rodríguez, J. E. (s/f). Estimación de rendimiento académico a través de técnicas para minería de datos.
dc.source.bibliographicCitationAlberto, C., Cardona, E., & Saint-Priest Velásquez, Y. (s/f). Characterization model of customer profile adapted to building sector with data mining: case study building company.
dc.source.bibliographicCitationAlejandra, P., Camargo, G., De, U., Andes, L., & De Ingeniería, F. (s/f). IMPLEMENTACIÓN DE UN MODELO MACHINE LEARNING PARA LA ESTIMACIÓN DEL VALOR DEL METRO CUADRADO DE UN INMUEBLE UBICADO EN CUNDINAMARCA
dc.source.bibliographicCitationBusiness Intelligence aplicado al área de compras en la empresa. (s/f). Frank Oscar Gamarra Valencia.
dc.source.bibliographicCitationCesar Moyano-Alulema, J. I. (s/f). Modelo de gestión por procesos para la comercialización de bienes inmuebles en urbanizaciones Ciencias económicas y empresariales Artículo de investigación. 6, 395–417. https://doi.org/10.23857/dc.v6i3.1225
dc.source.bibliographicCitationGhazzawi, A., & Alharbi, B. (2019). Analysis of Customer Complaints Data using Data Mining Techniques. Procedia Computer Science, 163, 62–69. https://doi.org/10.1016/j.procs.2019.12.087
dc.source.bibliographicCitationHaya Pablo. (2021). https://www.iic.uam.es/innovacion/metodologia-crisp-dm-ciencia-de-datos/
dc.source.bibliographicCitationKaur, p., & Singh, M. (2023). Modelo de segmentación de clientes usando K-means.
dc.source.bibliographicCitationKyocera. (2017). Diferencia entre datos estructurados y no estructurados. https://www.kyoceradocumentsolutions.es/es/smarter-workspaces/insightshub/articles/datos-de-personas-comoconseguirlos.html#:~:text=En%20resumen%2C%20mientras%20que%20los,de%20objetos %20valiosos%20pero%20desordenados.
dc.source.bibliographicCitationLa necesidad de la evolución de la gerencia en el sector de la construcción en Colombia en la cuarta revolución industrial. (s/f).
dc.source.bibliographicCitationMarzal Varó, A., & Gracia Luengo, I. (2009). Introducción a la programación con Python. Universitat Jaume I. Servei de Comunicació i Publicacions.
dc.source.bibliographicCitationNcr, (, & Clinton, J. (2000). Step-by-step data mining guide. DaimlerChrysler.
dc.source.bibliographicCitationSan, A., & Cabrero, J. (s/f). El futuro de la valoración inmobiliaria Big Data y modelos AVM
dc.source.bibliographicCitationSociedad, U. Y., Jorge, M., Rivero Pérez, L., Yaimara, D. C., Santana, P., Harenton, I. P., & López, M. (2016). Volumen 8 | Número 2 | Mayo-agosto. http://rus.ucf.edu.cu/
dc.source.bibliographicCitationVázquez Rodríguez, S., Sergio, L., & Torres, E. (s/f). LOS MERCADOS INMOBILIARIOS EN LA ÉPOCA DEL BIG DATA.
dc.source.bibliographicCitationZuur, A. F., Ieno, E. N., & Elphick, C. S. (2010). A protocol for data exploration to avoid common statistical problems. Methods in Ecology and Evolution, 1(1), 3–14. https://doi.org/10.1111/j.2041-210x.2009.00001.x
dc.source.instnameinstname:Universidad del Rosario
dc.source.reponamereponame:Repositorio Institucional EdocUR
dc.subjectSegmentación
dc.subjectIdentificación cliente
dc.subjectAnálisis de negocios
dc.subjectAnálisis de datos
dc.subjectSector inmobiliario
dc.subject.keywordSegmentation
dc.subject.keywordCustomer identification
dc.subject.keywordBusiness analysis
dc.subject.keywordData analysis
dc.subject.keywordReal estate sector
dc.titleModelo de segmentación para crear estrategias de publicidad y venta en el sector inmobiliario empleando análisis de datos
dc.title.TranslatedTitleSegmentation model to create advertising and sales strategies in the real estate sector using data analysis
dc.typebachelorThesis
dc.type.documentTrabajo de grado
dc.type.spaTrabajo de grado
local.department.reportEscuela de Administración
local.regionesBogotá
Archivos
Bloque original
Mostrando1 - 1 de 1
Miniatura
Nombre:
Modelo_de_segmentacion_para_crear_estrategias_de_publicidad_y_venta_HernandezHerrera-JohnAlexander-2024.pdf
Tamaño:
2.77 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Maestría en Business Analytics