Especialización en Dirección de Operaciones y Mejoramiento Continuo

Permanent URI for this collection

http://10.1.4.15:4000/handle/123456789/1559

El especialista en Dirección de Operaciones y Mejoramiento Continuo (modalidad virtual) de la Facultad de Ingenierías de Uniremington es un profesional orientado a impactar positivamente desde la dirección de las operaciones de los procesos industriales, abordando proyectos de mejora con una base solidad desde el hacer.

Browse

Browsing Especialización en Dirección de Operaciones y Mejoramiento Continuo by Subject "Análisis de datos"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Publication
    Algoritmo computacional para el análisis y toma de decisiones en datos de ventas de almacenes de la compañía Global de Pinturas - Pintuco, utilizando estrategias de machine learning
    (Corporación Universitaria Remington, 2024) Torres Ramírez, Sebastián; Briñez de León, Juan Carlos
    En este trabajo se realiza un análisis de los dataset de ventas de diferentes tiendas oficiales de la empresa Pintuco para determinar con la ayuda de Google Colab y el código PYTON el comportamiento de los mismos, realizar un análisis estadístico y grafico para posteriormente proceder con una clasificación de los mismos. Después de esto se realiza un modelo computacional que permite realizar una clasificación de nuevos datos basado en la variabilidad anterior. Esto se realiza con el interés de tener criterios para asignación de incentivos económicos y laborales a los empleados de las tiendas basados en el desempeño obtenido, además en un futuro impulsar campañas de ventas y marketing que permitan aumentar las ventas en cada una de las tiendas.
  • Thumbnail Image
    Publication
    Análisis computacional de datos en un restaurante para análisis de utilidades y satisfacción de servicio al cliente, utilizando algoritmos de machine learning
    (Corporación Universitaria Remington, 2024) León Pulgarín, Cristian Andrés; Estrada Salgado, Mairym Mishell; Caro Román, Diana Marcela; Briñez de León, Juan Carlos
    En el presente trabajo se aplica el análisis mediante Técnica profesionals de Machine Learning para estudiar la relación entre datos de utilidades y la satisfacción del cliente en el restaurante ATICO, con el objetivo de identificar patrones en el comportamiento de consumo y optimizar la experiencia a través de un sistema de recomendaciones. Para ello, se utiliza modelos predictivos que permiten predecir la relación entre variables como el valor monetario de los platos vendidos, el nivel de servicio y la percepción de los clientes en términos de satisfacción. El estudio comienza con la recopilación de datos históricos del restaurante ATICO y su análisis preliminar utilizando Técnica profesionals de limpieza, transformación y preparación de datos para asegurar la calidad de la información. Luego, se implementa algoritmos de Machine Learning, destacando el modelo KNM y Técnica profesionals de regresión para establecer patrones de consumo y su influencia en la satisfacción del cliente. Además del análisis estadístico, se realizan simulaciones predictivas utilizando estos modelos para validar las conclusiones respecto a las utilidades futuras y la percepción de los clientes, ajustando la información a partir de patrones históricos de consumo. Como resultado, el modelo permite anticipar tendencias y proyecciones relacionadas con la satisfacción y el comportamiento de los clientes en función de los datos procesados. Este análisis no solo proporciona una herramienta estratégica para la toma de decisiones informadas dentro del restaurante ATICO, sino que también propone la implementación de sistemas de recomendación para personalizar servicios y mejorar la experiencia de los clientes, generando un impacto positivo en la operación y rentabilidad del establecimiento.