Análisis de datos para potenciar las ventas de productos de pesca deportiva

Autores
Molina Pascual, Facundo José
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Aballay, Patricia
Descripción
El presente trabajo de tesis desarrolla un pipeline de ingeniería de datos en Python, independiente del sistema de carga de la empresa, para limpieza, transformación y predicción de ventas en un comercio de artículos de pesca. Partiendo de un histórico de más de 120 000 registros sin corregir, se implementó tres enfoques de modelado de series temporales ARIMA(2,1,1), NAIVE y validación cruzada y se compararon cuantitativamente mediante MAPE, MAE y RMSE . ● El modelo ARIMA(2,1,1) redujo el MAPE en un 35 % frente a NAIVE (pasando de 13,1 % a 8,5 %), lo que se traduce en una precisión de predicción superior al 90 %, permitiendo planificar compras con antelación y minimizar faltantes y sobrestocks. ● El submódulo de preprocesamiento automatizado acelera la limpieza de datos en un 30 % (de 40 h a 28 h mensuales), si bien la calidad de los datos de origen sigue siendo un factor crítico que requiere validación externa. Estos resultados demuestran la robustez y replicabilidad de una solución de ingeniería de datos modular, capaz de ofrecer predicciones fiables aun cuando los sistemas de carga originales proporcionan información incorrecta o incompleta.
Fil: Aballay, Patricia. Universidad Católica de Salta. Facultad de Ingeniería; Argentina.
Fil: Molina Pascual, Facundo José. Universidad Católica de Salta. Facultad de Ingeniería; Argentina.
Materia
Trabajo final de grado
Informática
Aplicación informática
Análisis de datos
Gestión de ventas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Creative Commons Atribución/Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
Repositorio
Repositorio Institucional (UCaSal)
Institución
Universidad Católica de Salta
OAI Identificador
oai:bibliotecas.ucasal.edu.ar:81020
Acceder
id RIUCASAL_d067361d7ebd52de9ad11f240414f3a8
oai_identifier_str oai:bibliotecas.ucasal.edu.ar:81020
network_acronym_str RIUCASAL
repository_id_str 3930
network_name_str Repositorio Institucional (UCaSal)
spelling Análisis de datos para potenciar las ventas de productos de pesca deportivaMolina Pascual, Facundo JoséTrabajo final de gradoInformáticaAplicación informáticaAnálisis de datosGestión de ventasEl presente trabajo de tesis desarrolla un pipeline de ingeniería de datos en Python, independiente del sistema de carga de la empresa, para limpieza, transformación y predicción de ventas en un comercio de artículos de pesca. Partiendo de un histórico de más de 120 000 registros sin corregir, se implementó tres enfoques de modelado de series temporales ARIMA(2,1,1), NAIVE y validación cruzada y se compararon cuantitativamente mediante MAPE, MAE y RMSE . ● El modelo ARIMA(2,1,1) redujo el MAPE en un 35 % frente a NAIVE (pasando de 13,1 % a 8,5 %), lo que se traduce en una precisión de predicción superior al 90 %, permitiendo planificar compras con antelación y minimizar faltantes y sobrestocks. ● El submódulo de preprocesamiento automatizado acelera la limpieza de datos en un 30 % (de 40 h a 28 h mensuales), si bien la calidad de los datos de origen sigue siendo un factor crítico que requiere validación externa. Estos resultados demuestran la robustez y replicabilidad de una solución de ingeniería de datos modular, capaz de ofrecer predicciones fiables aun cuando los sistemas de carga originales proporcionan información incorrecta o incompleta.Fil: Aballay, Patricia. Universidad Católica de Salta. Facultad de Ingeniería; Argentina.Fil: Molina Pascual, Facundo José. Universidad Católica de Salta. Facultad de Ingeniería; Argentina.Universidad Católica de Salta. Facultad de Ingeniería (Salta)Aballay, Patricia2024-12-22info:eu-repo/semantics/acceptedVersioninfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/trabajoFinalDeGradoapplication/pdfhttps://bibliotecas.ucasal.edu.ar/opac_css/index.php?lvl=cmspage&pageid=24&id_notice=810208102020260331u u u0frey0103 baspa1001514Salta (province)Creative Commons Atribución/Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessreponame:Repositorio Institucional (UCaSal)instname:Universidad Católica de Saltainstacron:UCaSal2026-04-29T13:02:17Zoai:bibliotecas.ucasal.edu.ar:81020Institucionalhttp://bibliotecas.ucasal.edu.ar/opac_css/index.php?lvl=cmspage&pageid=16Universidad privadaNo correspondehttp://bibliotecas.ucasal.edu.ar/ws/oai2_7?verb=Identifycdiedrich@ucasal.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:39302026-04-29 13:02:17.785Repositorio Institucional (UCaSal) - Universidad Católica de Saltafalse
dc.title.none.fl_str_mv Análisis de datos para potenciar las ventas de productos de pesca deportiva
title Análisis de datos para potenciar las ventas de productos de pesca deportiva
spellingShingle Análisis de datos para potenciar las ventas de productos de pesca deportiva
Molina Pascual, Facundo José
Trabajo final de grado
Informática
Aplicación informática
Análisis de datos
Gestión de ventas
title_short Análisis de datos para potenciar las ventas de productos de pesca deportiva
title_full Análisis de datos para potenciar las ventas de productos de pesca deportiva
title_fullStr Análisis de datos para potenciar las ventas de productos de pesca deportiva
title_full_unstemmed Análisis de datos para potenciar las ventas de productos de pesca deportiva
title_sort Análisis de datos para potenciar las ventas de productos de pesca deportiva
dc.creator.none.fl_str_mv Molina Pascual, Facundo José
author Molina Pascual, Facundo José
author_facet Molina Pascual, Facundo José
author_role author
dc.contributor.none.fl_str_mv Aballay, Patricia
dc.subject.none.fl_str_mv Trabajo final de grado
Informática
Aplicación informática
Análisis de datos
Gestión de ventas
topic Trabajo final de grado
Informática
Aplicación informática
Análisis de datos
Gestión de ventas
dc.description.none.fl_txt_mv El presente trabajo de tesis desarrolla un pipeline de ingeniería de datos en Python, independiente del sistema de carga de la empresa, para limpieza, transformación y predicción de ventas en un comercio de artículos de pesca. Partiendo de un histórico de más de 120 000 registros sin corregir, se implementó tres enfoques de modelado de series temporales ARIMA(2,1,1), NAIVE y validación cruzada y se compararon cuantitativamente mediante MAPE, MAE y RMSE . ● El modelo ARIMA(2,1,1) redujo el MAPE en un 35 % frente a NAIVE (pasando de 13,1 % a 8,5 %), lo que se traduce en una precisión de predicción superior al 90 %, permitiendo planificar compras con antelación y minimizar faltantes y sobrestocks. ● El submódulo de preprocesamiento automatizado acelera la limpieza de datos en un 30 % (de 40 h a 28 h mensuales), si bien la calidad de los datos de origen sigue siendo un factor crítico que requiere validación externa. Estos resultados demuestran la robustez y replicabilidad de una solución de ingeniería de datos modular, capaz de ofrecer predicciones fiables aun cuando los sistemas de carga originales proporcionan información incorrecta o incompleta.
Fil: Aballay, Patricia. Universidad Católica de Salta. Facultad de Ingeniería; Argentina.
Fil: Molina Pascual, Facundo José. Universidad Católica de Salta. Facultad de Ingeniería; Argentina.
description El presente trabajo de tesis desarrolla un pipeline de ingeniería de datos en Python, independiente del sistema de carga de la empresa, para limpieza, transformación y predicción de ventas en un comercio de artículos de pesca. Partiendo de un histórico de más de 120 000 registros sin corregir, se implementó tres enfoques de modelado de series temporales ARIMA(2,1,1), NAIVE y validación cruzada y se compararon cuantitativamente mediante MAPE, MAE y RMSE . ● El modelo ARIMA(2,1,1) redujo el MAPE en un 35 % frente a NAIVE (pasando de 13,1 % a 8,5 %), lo que se traduce en una precisión de predicción superior al 90 %, permitiendo planificar compras con antelación y minimizar faltantes y sobrestocks. ● El submódulo de preprocesamiento automatizado acelera la limpieza de datos en un 30 % (de 40 h a 28 h mensuales), si bien la calidad de los datos de origen sigue siendo un factor crítico que requiere validación externa. Estos resultados demuestran la robustez y replicabilidad de una solución de ingeniería de datos modular, capaz de ofrecer predicciones fiables aun cuando los sistemas de carga originales proporcionan información incorrecta o incompleta.
publishDate 2024
dc.date.none.fl_str_mv 2024-12-22
dc.type.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
info:eu-repo/semantics/bachelorThesis
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/trabajoFinalDeGrado
status_str acceptedVersion
format bachelorThesis
dc.identifier.none.fl_str_mv https://bibliotecas.ucasal.edu.ar/opac_css/index.php?lvl=cmspage&pageid=24&id_notice=81020
81020
20260331u u u0frey0103 ba
url https://bibliotecas.ucasal.edu.ar/opac_css/index.php?lvl=cmspage&pageid=24&id_notice=81020
identifier_str_mv 81020
20260331u u u0frey0103 ba
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv Creative Commons Atribución/Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
https://creativecommons.org/licenses/by-nc-sa/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Creative Commons Atribución/Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv 1001514
Salta (province)
dc.publisher.none.fl_str_mv Universidad Católica de Salta. Facultad de Ingeniería (Salta)
publisher.none.fl_str_mv Universidad Católica de Salta. Facultad de Ingeniería (Salta)
dc.source.none.fl_str_mv reponame:Repositorio Institucional (UCaSal)
instname:Universidad Católica de Salta
instacron:UCaSal
reponame_str Repositorio Institucional (UCaSal)
collection Repositorio Institucional (UCaSal)
instname_str Universidad Católica de Salta
instacron_str UCaSal
institution UCaSal
repository.name.fl_str_mv Repositorio Institucional (UCaSal) - Universidad Católica de Salta
repository.mail.fl_str_mv cdiedrich@ucasal.edu.ar
_version_ 1865809193921937408
score 13.343132

Publicaciones similares