Modelo machine learning para predecir las ventas de una empresa RETAIL, 2025

Simple item page
dc.contributor.advisorCarrillo Riveros, Elinar
dc.contributor.authorSerna Berrocal, Keyla Elyneth
dc.date.accessioned2025-12-12T16:10:57Z
dc.date.available2025-12-12T16:10:57Z
dc.date.issued2025
dc.description.abstractLa tesis titulada: “Modelo machine learning para predecir las ventas de una empresa RETAIL, 2025” aborda el problema de la baja precisión en la estimación de ventas en una tienda virtual de una empresa retail peruana. La investigación partió de la necesidad de determinar qué modelo de machine learning, entre Prophet y LSTM, permite una mejor predicción de ventas, considerando que actualmente la empresa fija metas únicamente con base en datos históricos sin métodos de predicción formales. Para resolver este problema, se desarrolló un estudio de tipo aplicado, con nivel predictivo y diseño no experimental, utilizando datos secundarios. La investigación empleó análisis documental como técnica principal y se analizaron 152,735 registros de ventas históricas comprendidos entre los años 2022 y 2024. Se implementaron y entrenaron ambos modelos (Prophet y LSTM) en Python, utilizando métricas como RMSE, MAE y MAPE para evaluar su desempeño, y se aplicó validación cruzada temporal en el caso del modelo LSTM. Los resultados mostraron que el modelo LSTM presentó un menor error absoluto y porcentual, con un RMSE de 28,019, MAE de 15,604 y MAPE de 123.35%, frente a Prophet, que alcanzó un RMSE de 33,802.85, MAE de 22,133.22 y MAPE de 182.99%. De esta manera, se concluyó que el modelo LSTM mostró una mejor capacidad para predecir las ventas en el contexto analizado en comparación con Prophet. También, se comprobó que el uso de las variables históricas influye de manera significativa en la precisión del modelo, además, el tipo de algoritmo tiene un impacto directo en el nivel del error, ya que este caso Prophet menos preciso que el LSTM. El estudio aporta evidencia de que los modelos de machine learning pueden mejorar notablemente las estimaciones de ventas en el canal virtual de una empresa retail. Asimismo, se recomienda a la empresa considerar la aplicación de este tipo de soluciones y, en el futuro, incluir otras variables como promociones o estacionalidades para perfeccionar el modelo. Sin embargo, una limitación importante fue que se usaron datos de una sola tienda virtual, lo que dificulta extrapolar los resultados a otros canales o empresas del sector retail. Asimismo, no se consideraron variables externas que podrían influir en la demanda, como campañas promocionales, estacionalidad o comportamiento del consumidor. Finalmente, la comparación se centró solo en dos modelos de machine learning, lo que deja abierta la posibilidad de explorar otros enfoques predictivos en futuras investigaciones.es_PE
dc.description.uriTesises_PE
dc.formatapplication/pdf
dc.identifier.otherTESIS SIS158_Ser
dc.identifier.urihttps://hdl.handle.net/20.500.14612/8362
dc.language.isospaes_PE
dc.publisherUniversidad Nacional de San Cristóbal de Huamangaes_PE
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.sourceUniversidad Nacional de San Cristóbal de Huamangaes_PE
dc.sourceRepositorio Institucional - UNSCHes_PE
dc.subjectMachine Learninges_PE
dc.subjectVentases_PE
dc.subjectTienda virtuales_PE
dc.subjectEmpresa RETAILes_PE
dc.subjectProphetes_PE
dc.subjectLSTMes_PE
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.02.04
dc.titleModelo machine learning para predecir las ventas de una empresa RETAIL, 2025es_PE
dc.typeinfo:eu-repo/semantics/bachelorThesisen_US
renati.advisor.dni01324483
renati.advisor.orcidhttps://orcid.org/0000-0002-4687-362X
renati.author.dni72905217
renati.discipline612076
renati.jurorGuevara Morote, Edith Felicitas
renati.jurorMartínez Córdova, Celia Edith
renati.jurorCarrillo Riveros, Elinar
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesional
renati.typehttps://purl.org/pe-repo/renati/type#tesis
thesis.degree.disciplineIngeniería de Sistemas
thesis.degree.grantorUniversidad Nacional de San Cristóbal de Huamanga. Facultad de Ingeniería de Minas, Geología y Civil
thesis.degree.levelTítulo profesional
thesis.degree.nameIngeniera de Sistemas
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
TESIS SIS158_Ser.pdf
Size:
3.32 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
AUT TESIS SIS158_Ser.pdf
Size:
1.55 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
INFO TESIS SIS158_Ser.pdf
Size:
14.46 MB
Format:
Adobe Portable Document Format
Download
Collections
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS