Ítem
Acceso Abierto

Transformación de la industria retail en centros comerciales: modelos avanzados de clasificación y predicción

Mostrar el registro sencillo de la publicación
dc.contributor.advisorCruz Castro, Daniel Leonardo
dc.creatorCardona Nieto, Juan Sebastián
dc.creatorMarulanda Pérez, Juan Pablo
dc.creatorMorales Ortíz, María Camila
dc.creatorCantillo Rocha, David José
dc.creator.degreeMagíster en Business Analytics
dc.creator.degreetypePart time
dc.date.accessioned2024-07-18T13:45:15Z
dc.date.available2024-07-18T13:45:15Z
dc.date.created2024-07-10
dc.descriptionParque 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
dc.description.abstractParque Arauco is a real estate rental company focused on maximizing sales in its shopping centers and outlets by offering products, services, and experiences tailored to the new consumption habits of its visitors. This work aligns with two organizational pillars: enhancing the profitability of real estate assets and becoming the recommended real estate operator for clients and tenants. The global pandemic has significantly altered consumption patterns, driving the development of new shopping channels. Utilizing data from a 2023 survey of five of its shopping centers, Parque Arauco aims to create predictive models to identify customers with the highest purchase probability. Data analysis techniques, such as multiple correspondence analysis, will be employed to provide strategic recommendations based on visitor profiling, optimizing business efforts and investments, and enhancing customer experiences. The project will integrate methodologies like CRISP-DM and Scrum, with logistic regression identified as the most effective model based on statistical validation through indicators such as McFadden's R², VIF, ROC curve, and AUC. The validated results will inform actionable recommendations for the company
dc.format.extent127 pp
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_43067
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/43067
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-NoDerivatives 4.0 International*
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.rights.accesoAbierto (Texto Completo)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.source.bibliographicCitationTrunk, Aleš; Klemencic Mirazchiyski, Eva; Vladkov Mirazchiyski, Plamen (2022) Attitudes towards future unemployment and European cooperation to reduce unemployment among 8th graders in EU/European countries. En: European Journal of Investigation in Health, Psychology and Education. Vol. 12; No. 2; pp. 218 - 235; 22549625; Disponible en: 10.3390/ejihpe12020017.
dc.source.bibliographicCitationCue Mancera, Agustín (2014) Economía Internacional. pp. 305 : Grupo Editorial Patria; 978-607-438-842-8;
dc.source.bibliographicCitation Disponible en: https://mnstats.morris.umn.edu/multivariatestatistics/cart.html.
dc.source.bibliographicCitation Classification Tree-Introduction. Consultado en: 2023/10/24/01:27:42. Disponible en: https://mnstats.morris.umn.edu/multivariatestatistics/cart.html.
dc.source.bibliographicCitationAnalitik, Valora (2022) Centros comerciales: así cambiaron los hábitos de consumo. En: Valora Analitik. Consultado en: 2023/11/08/02:36:51. Disponible en: https://www.valoraanalitik.com/2022/05/26/centros-comerciales-habitos-consumo-colombianos/.
dc.source.bibliographicCitationOlaya, Sofia (2023) https://raddar.net/la-inflacion-el-gran-reto-para-las-marcas-y-los-consumidores-en-el-2023/. Consultado en: 2023/11/08/02:46:44. Disponible en: https://raddar.net/la-inflacion-el-gran-reto-para-las-marcas-y-los-consumidores-en-el-2023/.
dc.source.bibliographicCitationGomez Guasca, Constanza (2023) La transformación del consumo, la cuota del retail y de las marcas. En: Portafolio.co. Consultado en: 2023/11/10/00:58:31. Disponible en: https://www.portafolio.co/negocios/empresas/consumo-en-colombia-transformacion-cuota-del-retail-y-cambio-en-las-marcas-portafolio-30-anos-587646.
dc.source.bibliographicCitationFayad, Vanessa (2023) “Tenemos alrededor de 1.050 millones de visitas al año a los centros comerciales”. En: Diario La República. Consultado en: 2023/11/10/00:59:13. Disponible en: https://www.larepublica.co/especiales/vamos-al-centro-comercial/tenemos-alrededor-de-1-050-millones-de-visitas-al-ano-3610358.
dc.source.bibliographicCitationBejarano, Joaquin Mauricio Lopez (2023) Parque Arauco suma compras por US$51 millones en proyectos de Bogotá y Medellín. En: Diario La República. Consultado en: 2023/12/08/16:26:11. Disponible en: https://www.larepublica.co/empresas/parque-arauco-suma-compras-por-us-51-millones-en-proyectos-de-bogota-y-medellin-3698067.
dc.source.bibliographicCitationArgote, Cristian Acosta (2021) Parque Arauco se expandirá tras negocio con Credicorp Capital por $588.000 millones. En: Diario La República. Consultado en: 2023/12/08/16:26:30. Disponible en: https://www.larepublica.co/empresas/parque-arauco-se-expandira-tras-negocio-con-credicorp-capital-por-588-000-millones-3117632.
dc.source.bibliographicCitationAliaga, Luis Angel; Villa, Edilson Wanser Herrera; Huayhua, José Mejía; Flores, Lizette Quispe (2021) Clasificador de estrellas de Neutrones con una red neuronal multicapa utilizando R. En: Innovación y Software. Vol. 2; No. 1; pp. 33 - 42; Consultado en: 2023/12/12/01:21:49. Disponible en: https://www.redalyc.org/journal/6738/673870838003/html/.
dc.source.bibliographicCitationAcuña, Lady Katherine Quintero (2023) Aplicación de Machine Learning a un modelo tradicional de Prevención y detección de fraude en entidad financiera proyectado a periodos trimestrales. En: Universidad de la Salle.
dc.source.bibliographicCitation kmeans. Consultado en: 2023/12/12/01:34:27. Disponible en: https://www.unioviedo.es/compnum/laboratorios_py/kmeans/kmeans.html.
dc.source.bibliographicCitation ¿Qué es la minería de datos? La minería de datos, explicada. En: Amazon Web Services, Inc. Consultado en: 2023/12/12/01:34:53. Disponible en: https://aws.amazon.com/es/what-is/data-mining/.
dc.source.bibliographicCitation (2019) ¿Cuáles son los tipos de algoritmos del machine learning?. En: APD España. Consultado en: 2023/12/12/01:35:16. Disponible en: https://www.apd.es/algoritmos-del-machine-learning/.
dc.source.bibliographicCitation ¿Qué es un árbol de decisión?. En: IBM. Consultado en: 2023/12/12/01:35:36. Disponible en: https://www.ibm.com/es-es/topics/decision-trees.
dc.source.bibliographicCitation (2021) Tipos de Modelos. En: IBM. Consultado en: 2023/12/12/01:36:34. Disponible en: https://www.ibm.com/docs/es/spss-modeler/saas?topic=mining-types-models.
dc.source.bibliographicCitationBartz, Thomas; Bartz, Eva; Zaefferer, Martin; Mersmann, Olaf (2022) Hyperparameter Tunin for Machine and Deep Learning with R. Germany: Springer; Consultado en: 2023/12/12/01:40:21.
dc.source.bibliographicCitationVidal, René; Ma, Yi; Sastry, S. Shankar (2010) Generalized Principal Componente Analysis. Vol. 40; Springer; Consultado en: 2023/12/12/01:46:15.
dc.source.bibliographicCitationMigrant & Seasonal Head Start (2006) Introduction to Data Analysis Handbook. : AED; Consultado en: 2023/12/12/01:52:02.
dc.source.bibliographicCitationCerda, Jaime; Vera, Claudio; Rada, Gabriel (2013) Odds ratio: aspectos teóricos y prácticos. Vol. 141; Consultado en: 2023/12/12/01:54:06.
dc.source.bibliographicCitationMorales, Didier Atehortúa; Hernández, Fabian Torres; Sierra, Miguel Caballero (2018) Inteligencia de Negocios con Excel y Power BI. Colombia: Bii Soluciones & Excel Free Blog; Consultado en: 2023/12/12/01:59:06.
dc.source.bibliographicCitationMailund, Thomas (2017) Beginning Data Science in R. Dinamarca: APRESS; Consultado en: 2023/12/12/02:03:22.
dc.source.bibliographicCitationLehnert, Kevin; Goupil, Sarah; Brand, Pete (2020) Content and the customer: inbound ad strategies gain traction. En: Journal of Business Strategy. Vol. 42; No. 1; pp. 3 - 12; 0275-6668; Consultado en: 2024/05/13/17:07:02. Disponible en: https://doi.org/10.1108/JBS-12-2019-0243. Disponible en: 10.1108/JBS-12-2019-0243.
dc.source.bibliographicCitationKliemann, Lasse; Sanders, Peter (2016) Algorithm Engineering: Selected Results and Surveys. pp. 428 : Springer; 978-3-319-49487-6;
dc.source.bibliographicCitationFawcett, Tom (2006) An introduction to ROC analysis. En: Pattern Recognition Letters. ROC Analysis in Pattern Recognition; Vol. 27; No. 8; pp. 861 - 874; 0167-8655; Consultado en: 2024/06/15/15:34:19. Disponible en: https://www.sciencedirect.com/science/article/pii/S016786550500303X. Disponible en: 10.1016/j.patrec.2005.10.010.
dc.source.bibliographicCitationSheskin, David J. (2020) Handbook of Parametric and Nonparametric Statistical Procedures, Fifth Edition. pp. 1928 New York: Chapman and Hall/CRC; 978-0-429-18619-6;
dc.source.bibliographicCitationCarletta, Jean (2012) Squibs and Discussions: Assessing Agreement on Classification Tasks: The Kappa Statistic. Consultado en: 2024/06/15/15:59:48. Disponible en: https://web.archive.org/web/20120526213354/http://acl.ldc.upenn.edu/J/J96/J96-2004.pdf.
dc.source.bibliographicCitationJiménez, Mª Visitación García; Izquierdo, Jesús Mª Alvarado; Blanco, Amelia Jiménez (2000) La Predicción Del Rendimiento Académico: Regresión Lineal Versus Regresión Logística. pp. 248 - 252; 02149915; Consultado en: 2024/06/15/16:49:01. Disponible en: https://www.proquest.com/docview/2778598718/fulltextPDF?pq-origsite=primo&sourcetype=Scholarly%20Journals.
dc.source.bibliographicCitationSchmidhuber, Jürgen (2015) Deep learning in neural networks: An overview. En: Neural Networks. Vol. 61; pp. 85 - 117; 0893-6080; Consultado en: 2024/06/15/16:59:24. Disponible en: https://www.sciencedirect.com/science/article/pii/S0893608014002135. Disponible en: 10.1016/j.neunet.2014.09.003.
dc.source.bibliographicCitationGreenacre, Michael J. (1984) Theory and applications of correspondence analysis. pp. 386 : London ; Orlando : Academic Press; 978-0-12-299050-2; Consultado en: 2024/06/15/19:48:44. Disponible en: http://archive.org/details/theoryapplicatio0000gree.
dc.source.bibliographicCitationHu, Bo; Shao, Jun; Palta, Mari (2006) PSEUDO-R 2 in logistic regression model. En: Statistica Sinica. Vol. 16; pp. 847 - 860;
dc.source.bibliographicCitationHosmer, David; Lemeshow, Stanley; Sturdivant, Rodney (2013) Applied Logistic Regression | Wiley Series in Probability and Statistics. Consultado en: 2024/06/15/20:16:15. Disponible en: https://onlinelibrary.wiley.com/doi/book/10.1002/9781118548387.
dc.source.instnameinstname:Universidad del Rosario
dc.source.reponamereponame:Repositorio Institucional EdocUR
dc.subjectModelo predictivo
dc.subjectPerfilamiento de clientes
dc.subjectMaximización de utilidad
dc.subjectParque Arauco
dc.subjectCentros Comerciales
dc.subjectCompra en centros comerciales
dc.subjectVisita a centros comperciales
dc.subject.keywordPredictive model
dc.subject.keywordCustomer profiling
dc.subject.keywordUtility maximization
dc.subject.keywordPurchase
dc.subject.keywordParque Arauco
dc.subject.keywordShopping Centers
dc.titleTransformación de la industria retail en centros comerciales: modelos avanzados de clasificación y predicción
dc.title.TranslatedTitleTransformation of the Retail Industry in Shopping Centers: Advanced Classification and Prediction Models
dc.typebachelorThesis
dc.type.documentTrabajo de grado
dc.type.spaTrabajo de grado
local.department.reportEscuela de Ciencias e Ingeniería
local.regionesBogotá
Archivos
Bloque original
Mostrando1 - 4 de 4
Miniatura
Nombre:
Transformacion_de_la_industria_retail_en_centros_comerciales_MoralesOrtiz-MariaCamila-2024.pdf
Tamaño:
2.87 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
Transformacion_de_la_industria_retail_en_centros_comerciales_MoralesOrtiz-MariaCamila -1-2024.pdf
Tamaño:
313.42 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
Transformacion_de_la_industria_retail_en_centros_comerciales_MoralesOrtiz-MariaCamila-2-2024.pdf
Tamaño:
15.27 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
Transformacion_de_la_industria_retail_en_centros_comerciales_MoralesOrtiz-MariaCamila -Referencias-2024.ris
Tamaño:
25.7 KB
Formato:
Descripción:
Descargar
Colecciones
Maestría en Business Analytics