Segmentación de los puntos de venta de una empresa en el sector retail en México mediante un análisis de aprendizaje máquina no supervisado

Liverpool, una empresa del retail con 123 almacenes distribuidos en las 32 entidades federativas de la republica mexicana, una de las cadenas minoristas más grandes del país. En el presente trabajo se busca mediante un análisis no supervisado, realizar un perfilamiento de los almacenes. Colocar de manera oportuna la mercancía en cuanto a cantidad y variedad, por ende, se reducirá las transferencias de mercancía estancada. La clusterizacion de los puntos de venta ayudaran al planeador a colocar de mejor manera la mercancía. Una metodología homologada, permitirá que disminuya la cantidad de mercancía que se transfiera, evitando costos logísticos innecesarios entre centro y centro

Introducción -- Planteamiento del problema -- Objetivo -- Capítulo 1. Antecedentes y estado de la cuestión -- División de Liverpool -- Pandemia: SARS-CoV-2 -- Metodología actual para el perfilamiento de tiendas -- Metodología actual para el perfilamiento de tiendas -- Marco teórico propuesto -- Ciencia de datos -- Herramienta: Python -- Estado del arte -- Capítulo 2. Metodología -- Logística -- Control e implementación de la logística global -- Inteligencia artificial -- Machine learning -- Aprendizaje no supervisado -- Reducción de dimensionalidad -- Técnica de clustering -- K-MEANS -- Pruebas de validación -- Análisis exploratorio de los datos (EDA) -- Key Performance Indicator (KPI) -- Datos -- Capítulo 3. Resultados obtenidos -- Librerías -- Resultados EDA -- Matrices de correlación -- Gráficos de violín -- Mapas coropléticos -- PCA -- Clusterización -- Dendrogramas -- Método del codo -- Visualización -- Características del clúster -- Capítulo 4. Análisis o discusión de resultados -- Gráficas de Radar -- Comparación contra metodología actual -- Capítulo 5. Resultados y conclusiones -- Capítulo 6. Sugerencias para trabajos futuros