Veuillez utiliser cette adresse pour citer ce document :
http://repositorio.ucsg.edu.ec/handle/3317/23353
Titre: | Predicción de la demanda de tabaco en los mercados internacionales mediante machine learning. |
Auteur(s): | Ortega García, Juan Sebastián |
metadata.dc.contributor.advisor: | Carrera Buri, Félix Miguel |
Mots-clés: | COMERCIO EXTERIOR;ESTRATEGIA DE MARKETING;INDUSTRIA TABACALERA;MERCADO FINANCIERO;INVERSIÓN |
Date de publication: | 23-aoû-2024 |
Editeur: | Universidad Católica de Santiago de Guayaquil |
Description: | El presente trabajo utiliza el concepto de machine learning para mejorar la competitividad de las empresas tabacaleras, basado en esto se desarrolló un modelo predictivo basados en algoritmos de aprendizaje automático, que anticipan fluctuaciones en la demanda y optimizan la cadena de suministro, lo cual es crucial para la toma de decisiones estratégicas en marketing y ventas. La metodología incluyó la recopilación de datos históricos del mercado tabacalero, el procesamiento de estos datos mediante algoritmos de machine learning, y la validación de los modelos predictivos a través de técnicas de regresión lineal y análisis competitivo. Los resultados muestran que el uso de machine learning mejora significativamente la precisión de las predicciones de demanda, permitiendo a las empresas ajustar sus estrategias comerciales y optimizar la gestión de inventarios. Además, la implementación de estas tecnologías facilita la identificación de oportunidades de crecimiento en mercados internacionales. En conclusión, la aplicación de machine learning en la industria tabacalera ofrece un enfoque innovador para predecir la demanda, contribuyendo a la eficiencia operativa y a la competitividad de las empresas en un entorno globalizado. |
URI/URL: | http://repositorio.ucsg.edu.ec/handle/3317/23353 |
Collection(s) : | Trabajos de Titulación - Carrera de Negocios Internacionales |
Fichier(s) constituant ce document :
Fichier | Description | Taille | Format | |
---|---|---|---|---|
UCSG-C479-22861.pdf | 2,88 MB | Adobe PDF | Voir/Ouvrir |
Ce document est autorisé sous une licence de type Licence Creative Commons