DSpace logo
Please use this identifier to cite or link to this item: http://repositorio.ucsg.edu.ec/handle/3317/23353
Title: Predicción de la demanda de tabaco en los mercados internacionales mediante machine learning.
Authors: Ortega García, Juan Sebastián
metadata.dc.contributor.advisor: Carrera Buri, Félix Miguel
Keywords: COMERCIO EXTERIOR;ESTRATEGIA DE MARKETING;INDUSTRIA TABACALERA;MERCADO FINANCIERO;INVERSIÓN
Issue Date: 23-Aug-2024
Publisher: 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: http://repositorio.ucsg.edu.ec/handle/3317/23353
Appears in Collections:Trabajos de Titulación - Carrera de Negocios Internacionales

Files in This Item:
File Description SizeFormat 
UCSG-C479-22861.pdf2,88 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons