Repository logo
Communities
Research Outputs
Projects
Researchers
Statistics
  1. Home
  2. Productos académicos
  3. Tesis
  4. Ingeniería
  5. Maestría
  6. Segmentación de los puntos de venta de una empresa en el sector retail en México mediante un análisis de aprendizaje máquina no supervisado
Details

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

Publisher
Diego Aguirre de la Garza
Date Issued
2024
Author(s)
Aguirre de la Garza, Diego
Advisor(s)
Avalos Gauna, Edgar
Type
Resource Types::text::thesis::master thesis
URL
https://scripta.up.edu.mx/handle/20.500.12552/11300
Abstract
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
Subjects

Segmentación del merc...

Negocios - Procesamie...

Aprendizaje automátic...

File(s)
Main Article: Versión del editor (5.11 MB)
License
Acceso Abierto
URL License
https://creativecommons.org/licenses/by-nc-sa/4.0/
How to cite
Aguirre de la Garza, D. (2024). Segmentación de los puntos de venta de una empresa en el sector retail en México mediante un análisis de aprendizaje máquina no supervisado. (Tesis de maestría). Universidad Panamericana.
Table of contents
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

Envíanos tus dudas y solicitudes


Hosting & Support by

Built with DSpace-CRIS software - Extension maintained and optimized by 4Science

  • Accessibility settings
  • Privacy policy
  • End User Agreement
  • Send Feedback
Repository logo COAR Notify