Palabras clave
Operaciones
Predicción
Empresa
Administración
Cómo citar
Resumen
Es un libro esencial para cualquier profesional que busque mejorar su capacidad de gestión en ventas y operaciones utilizando herramientas de análisis predictivo. Escrito por expertos en el campo, este libro ofrece una guía completa y accesible para aprovechar al máximo las capacidades de Excel, RStudio y Python en el ámbito de la gestión empresarial. Lo que hace que este libro sea especialmente valioso es su enfoque práctico y su capacidad para abordar tanto conceptos fundamentales como técnicas avanzadas. Los lectores encontrarán una introducción clara a las herramientas de análisis de datos más utilizadas en el mundo empresarial, así como ejemplos concretos de cómo aplicar estas técnicas para mejorar la toma de decisiones en ventas y operaciones. Los autores demuestran un profundo conocimiento de las aplicaciones prácticas de estas herramientas y presenta casos de estudio que muestran cómo pueden utilizarse en situaciones del mundo real. Además, el libro incluye ejercicios y ejemplos detallados que ayudan a los lectores a desarrollar sus habilidades de manera efectiva. Una característica destacada de este libro es su enfoque en la gestión predictiva, lo que significa que no solo se limita a analizar datos históricos, sino que también ofrece estrategias para prever tendencias futuras y tomar decisiones informadas en consecuencia. Esto es particularmente relevante en un mundo empresarial en constante evolución, donde la anticipación de cambios y la adaptación rápida son cruciales.
Citas
Alarcón, M. J. (2009). Calificación del método de pronóstico de Torres (Segunda parte). Poliantea, 5(9), Article 9. https://doi.org/10.15765/plnt.v5i9.278
Albarrán Trujillo, S. E., & Salgado Gallegos, M. (2013). La Inteligencia Analítica y la Competitividad en las Empresas. RECAI. Revista de Estudios En Contaduría, Administración e Informática, 3, Article 3.
Banda Ortiz, H., & Garza Morales, R. (2014). Aplicación teórica del método Holt-Winters al problema de Credit Scoring. Mercados y Negocios: Revista de Investigación y y Análisis, 30 (julio-diciembre), 5-22.
Barros Juca, O. F. (2015). Planificación estratégica de mantenimiento como herramienta preventiva y predictiva para la disminución de la accidentabilidad de un sistema de seguridad y salud ocupacional [masterThesis]. http://dspace.ups.edu.ec/handle/123456789/8940
Blandón, J. C. (2020). Tendencias en ciencias de la computación. Entre Ciencia e Ingeniería, 14(27), 19-28. https://doi.org/10.31908/19098367.0002
Boden, M. A. (2017). Inteligencia Artificial. Turner.
Bote Barco, D., & Rubio de Juan, A. (2000). M-Estimación aplicada a suavización exponencial con observaciones faltantes y otras anómalas. XXV Congreso Nacional de Estadística e Investigación Operativa: Vigo, 4-7 de abril de 2000, 2000, ISBN 84-8158-152-6, págs. 335-338, 335-338. https://dialnet.unirioja.es/servlet/articulo?codigo=565937
Choque, C. G. C. (2021). Modelo Predictivo de Regalías Mineras aplicando Técnicas de Analítica Predictiva con R. INF-FCPN-PGI Revista PGI, 36-40.
Clavel San Emeterio, I. (2017). Creación de un modelo predictivo de bajas en centros deportivos. https://ruc.udc.es/dspace/handle/2183/19162
Domínguez Figaredo, D. (2018). Big Data, analítica del aprendizaje y educación basada en datos (Big Data, Learning Analytics & Data-driven Education) (SSRN Scholarly Paper 3124369). https://doi.org/10.2139/ssrn.3124369
Espinosa Gonzalez, C. (2020). Desarrollo de metodología y proceso genérico para implementación y ejecución de mantenimientos predictivos de bogíes de vehículos ferroviarios. https://repositorio.comillas.edu/xmlui/handle/11531/47281
Fernández Rubio, M. J. (2022). Gestión de la demanda para repuestos. Caso aplicado: Empresa comercializadora de motos y repuestos en Cuenca [masterThesis, Universidad del Azuay]. http://dspace.uazuay.edu.ec/handle/datos/12571
Gálvez, S. S. (2023). EL DESARROLLO DE UN MODELO QUE MEJORE LA EFICIENCIA DE LA PROYECCIÓN DE LA DEMANDA DE LOS FONDOS PRESUPUESTARIOS DE LAS JEFATURAS ADMINISTRATIVAS Y LOGÍSTICAS DEL EJÉRCITO. Boletín Científico Tecnológico, 27(1), Article 1.
Gázquez-Abad, J., Guerrero, J. F., & Fernández, R. (2006). La capacidad predictiva en los métodos Box-Jenkins y Holt-Winters: Una aplicación al sector turístico. Revista europea de dirección y economía de la empresa, ISSN 1019-6838, Vol. 15, No 3, 2006, pags. 185-198.
Hernández Reyes, S. J., & Nava Isea, A. E. (2018). Diseñar un modelo de planeación de la demanda en la empresa Ajover–Darnel para el producto terminado espumado. https://bdigital.uexternado.edu.co/handle/001/1361
Hofmann, P., Samp, C., & Urbach, N. (2020). Robotic process automation. Electronic Markets, 30(1), 99-106. https://doi.org/10.1007/s12525-019-00365-8
López Real, F. A. (2021). Comparación de la metodología de Box—Jenkins y el método de Holt—Winters para el pronóstico de series de tiempo univariado. Superintendencia Nacional de Educación Superior Universitaria - SUNEDU. https://renati.sunedu.gob.pe/handle/sunedu/3157540
Martínez, R. E. B., Ramírez, N. C., Mesa, H. G. A., Suárez, I. R., Trejo, M. del C. G., León, P. P., & Morales, S. L. B. (2009). Árboles de decisión como herramienta en el diagnóstico médico. Revista Médica de la Universidad Veracruzana, 9(2), 19-24.
Menacho Chiok, C. H. (2014). Comparación de los métodos de series de tiempo y redes neuronales.
Morabito, V. (2015a). Big Data and Analytics for Competitive Advantage. En V. Morabito (Ed.), Big Data and Analytics: Strategic and Organizational Impacts (pp. 3-22). Springer International Publishing. https://doi.org/10.1007/978-3-319-10665-6_1
Morabito, V. (2015b). Big Data and Analytics: Strategic and Organizational Impacts. Springer International Publishing. https://doi.org/10.1007/978-3-319-10665-6
Moya Navarro, M. (1985). Búsqueda de un valor apropiado para la constante de suavización exponencial. Tecnología en Marcha, 8(2-3), 78-80.
Ordóñez, J. G. O., Revelo, J., Pantoja, A., & Barco, J. (2023). Gestión predictiva de microrredes para el despacho de potencias activa y reactiva con una aproximación convexa. Encuentro Internacional de Educación en Ingeniería. https://doi.org/10.26507/paper.3297
Otero Rodríguez, J., & Sánchez Ramos, L. (2007). Diseños experimentales y tests estadísticos, tendencias actuales en Machine Learning. Actas del V Congreso Español sobre Metaheurísticas, Algoritmos Evolutivos y Bioinspirados, 2007, ISBN 978-84-690-3470-5, págs. 295-302, 295-302. https://dialnet.unirioja.es/servlet/articulo?codigo=4126860
Pérez-Planells, L., Delegido, J., Rivera-Caicedo, J. P., & Verrelst, J. (2015). Análisis de métodos de validación cruzada para la obtención robusta de parámetros biofísicos. Revista de Teledetección, 44, Article 44. https://doi.org/10.4995/raet.2015.4153
Quiñones Huatangari, L., Ochoa Toledo, L., Gamarra Torres, O., Bazán Correa, J., Delgado Soto, J., Kemper Valverde, N., Quiñones Huatangari, L., Ochoa Toledo, L., Gamarra Torres, O., Bazán Correa, J., Delgado Soto, J., & Kemper Valverde, N. (2020). Red neuronal artificial para estimar un índice de calidad de agua. Enfoque UTE, 11(2), 109-120. https://doi.org/10.29019/enfoque.v11n2.633
Reinel Rodríguez, M. A., & Fernández Becerra, E. (2019). Propuesta para la implementación de analítica como herramienta de optimización del proceso de gestión de Incidents. https://alejandria.poligran.edu.co/handle/10823/1864
Retamozo, F. R. S. (2017). Frecuencia de terceros molares inferiores retenidos según las clasificaciones de Pell-Gregory y Winter. ET VITA, 12(2), Article 2.
Sóñora, A. (2004). Sistema discreto de promedio móvil como filtro interpolador. Bioing fís med cuba. http://bvs.sld.cu/revistas/bfm/pdf/vol5_2_04.pdf
Toro Ocampo, E. M., Mejía Giraldo, D., & Salazar Isaza, H. (2004). Pronóstico de ventas usando redes neuronales. Scientia et Technica, 3(26), 6.
Valdivia Sánchez, L. A. (2018). Contrastación de la eficacia del método de pronóstico de suavizado exponencial, con el método pronóstico del promedio móvil – caso acciones de cementos Pacasmayo S.A.A. Cpacasc1—2016. Repositorio institucional – UNAC. http://repositorio.unac.edu.pe/handle/20.500.12952/4386
Viacava Málaga, M. S., & Andrade Maldonado, J. A. (2021). Modelo de Planificación del Abastecimiento para disminuir el sobrestock en una retail aplicando Modelo Q y Pronóstico de Demanda. Universidad Peruana de Ciencias Aplicadas (UPC). https://renati.sunedu.gob.pe/handle/sunedu/3014758
Zhou, Z.-H. (2021). Machine Learning. Springer Nature.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Derechos de autor 2024 Santiago Alejandro Andocilla Chicaiza , Myriam Johanna Naranjo Vaca, Iván Mesias Hidalgo Cajo , Yasaca Pucuna Saul