Modelamiento predictivo del número de visitantes en un centro comercial

Vista sencilla de ítem
dc.contributor.advisorLaniado Rodas, Henryspa
dc.contributor.advisorAlmonacid Hurtado, Paula Maríaspa
dc.contributor.authorRua Jaramillo, Ramón David
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.degreeMagíster en Ciencias de Datos y Analíticaspa
dc.creator.emaildruaj@eafit.edu.cospa
dc.date.accessioned2022-10-26T16:57:18Z
dc.date.available2022-10-26T16:57:18Z
dc.date.issued2022
dc.descriptionLa capacidad para realizar predicciones acerca del número de clientes o visitantes en un centro comercial es un insumo muy importante en la planeación y el uso eficiente de los recursos físicos y humanos en este tipo de empresas. Asimismo, es relevante entender cuáles son los factores que influyen en su comportamiento. Basados en los datos históricos del número de visitantes, así como variables externas (ambientales) y tendencias de consulta en línea, se plantea un modelo predictivo del comportamiento de visitas diarias al centro comercial. Los datos históricos corresponden a los ingresos peatonales y vehiculares (carros y motos) de los últimos 6 años en un centro comercial ubicado en la ciudad de Medellín. Este proyecto inicia con la revisión de literatura referente a modelos predictivos en diferentes lugares como museos, aeropuertos, parques naturales, centros comerciales y restaurantes, entre otros, con el fin de explorar metodologías en dichos casos y posibles opciones de solución. Por medio de análisis de series de tiempo y algoritmos de aprendizaje automático, se seleccionan las variables más representativas y el modelo mejor ajustado para predecir el número de visitantes. Se espera que este modelo se fortalezca con algoritmos de estimación, mejorando el rendimiento a lo largo del tiempo y permitiendo ser aplicado en otros entornos empresariales o educativos.spa
dc.description.abstractThe ability to make predictions about the number of customers or visitors in a shopping center is a very important input in the planning and efficient use of physical and human resources in this type of company. Also, it is important to understand what aspects influences their behavior. Based on historical data on the number of visitors, as well as external (environment) variables and online search trends, a forecasting model of the behavior of daily visits to the shopping center is suggested. The historical data correspond to the pedestrian and vehicular entries (cars and motorcycles) of the last 6 years in a shopping center located in the city of Medellín. This project begins with a literature review regarding forecasting models in different places such as museums, airports, natural parks, shopping centers and restaurants, among others, in order to explore methodologies in such cases and possible solution options. Through time series analysis and machine learning algorithms, the most representative variables and the best-fit model are selected to predict the number of visitors. This model is expected to be strengthened with estimation algorithms, improving performance over time and allowing it to be applied in other business or educational environments.spa
dc.identifier.ddc006.31 R894
dc.identifier.urihttp://hdl.handle.net/10784/31858
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Administraciónspa
dc.publisher.placeMedellínspa
dc.publisher.programMaestría en Ciencias de los Datos y Analíticaspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.localAcceso abiertospa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectPredicciónspa
dc.subjectClientesspa
dc.subjectCentro Comercialspa
dc.subjectSeries de tiempospa
dc.subjectAprendizaje automáticospa
dc.subjectModelamiento predictivospa
dc.subject.keywordForecastingspa
dc.subject.keywordVisitorsspa
dc.subject.keywordCustomersspa
dc.subject.keywordShopping centerspa
dc.subject.keywordTime seriesspa
dc.subject.keywordMachine learningspa
dc.subject.lembAPRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)spa
dc.subject.lembCIENCIA DE LA INFORMACIÓNspa
dc.subject.lembPROCESAMIENTO ELECTRÓNICO DE DATOSspa
dc.titleModelamiento predictivo del número de visitantes en un centro comercialspa
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa
dc.type.spaInformespa

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
RamonDavid_RuaJaramillo_2022.pdf
Tamaño:
1.6 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
326.03 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario de autorización de publicación de obras
Descargar
No hay miniatura disponible
Nombre:
carta-aprobacion-trabajo-grado-eafit.pdf
Tamaño:
285.43 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de aprobación del trabajo de grado
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Ciencias de los Datos y Analítica (tesis)