Analítica Empresarial y Social
URI permanente para esta colección
Examinar
Examinando Analítica Empresarial y Social por browse.metadata.advisor "Rodríguez Varela, Juan Pablo"
Mostrando 1 - 5 de 5
Resultados por página
Opciones de ordenación
Proyecto final de Grado Aplicación de inteligencia artificial para la conservación de la biodiversidad(2023) Noguera, Abril; Arbués, Lucas; Achával, Ignacio de; Rodríguez Varela, Juan PabloGracias a los avances tecnológicos de la modernidad, con la ayuda de cámaras trampa, los expertos en conservación pueden observar la vida silvestre para medir y estimar la abundancia de las especies sin la necesidad de estar presentes, mitigando así el factor de ahuyentamiento de los animales. Rewilding Argentina realiza anualmente proyectos de captura de imágenes con cámaras trampa con una duración de 30 días en cada una de sus regiones de presencia. Tan solo en una de las zonas de captura se pueden tomar 120,000 imágenes. Aquí es donde se presentan barreras al trabajo humano. En cualquier proyecto de conservación que involucra imágenes de cámaras trampa, gran parte del trabajo proviene de examinar manualmente miles de imágenes e identificar especies. Es posible que hasta el 80% de las fotografías no contengan animales dado a que la cámara fue activada por elementos como el movimiento de la flora o el viento. Aparecen, además, diversos factores que potencian el error humano, como la oscuridad de ciertas imágenes, la superposición de árboles o arbustos por delante de los animales o la fatiga del repetitivo trabajo de observar una y otra vez imágenes similares. A modo de resumen, el procesamiento de la información actualmente ocupa semanas de trabajo y además está expuesto a errores humanos implícitos en la clasificación manual. El presente proyecto nace como respuesta a la necesidad de optimizar dicho proceso, combinando la precisión y velocidad de la inteligencia artificial con la agudeza analítica humana. Se propone la implementación de una plataforma integrada con modelos de inteligencia artificial que permite a la organización cargar, clasificar y compartir los datos obtenidos por las cámaras. Por lo que el agregado de valor se ve reflejado en la aceleración drástica del proceso de clasificación de las imágenes y en la mejora de la representación de las mismas dando un salto de calidad en la precisión del etiquetado. Tener información precisa, detallada y actualizada sobre la ubicación y comportamiento de los animales en su hábitat natural potencia significativamente la capacidad para estudiar y conservar ecosistemas. Los investigadores de vida silvestre pueden evaluar mejor qué tan abundantes son las especies, dónde están ubicadas y cómo se mueven de un lugar a otro. Los responsables de la formulación de políticas pueden utilizar conocimientos para elegir dónde y cómo cambiar los límites de las áreas protegidas. Basar sus decisiones acerca de los próximos proyectos de restauración en información confiable para así lograr los objetivos de la fundación. Usar la inteligencia artificial para recuperar poblaciones de animales en situación crítica.Proyecto final de Grado Automatización de geolocalización de direcciones para OCASA(2023) Collado, Camila; Lara Acosta, Agustín; Pettinato, Camila; Rodríguez Varela, Juan Pablo; Pascale, Ignacio JoséOCASA es una empresa que ofrece servicios logísticos y de distribución a empresas. Su actividad central es la entrega de paquetería y correo a domicilios de todo el país. Para realizar la logística y distribución de los paquetes, OCASA obtiene la información de las direcciones a través de sus clientes. Actualmente, para encontrar la dirección proporcionada por el cliente, los operadores de OCASA las comparan con direcciones existentes en su base de datos, es decir, direcciones donde se entregaron con éxito paquetes anteriormente. Si se encuentra coincidencia exacta, la dirección del cliente se geolocaliza con la dirección coincidente en la base de OCASA. En caso de no encontrar coincidencia, se realiza la geolocalización manualmente. Las direcciones que se encuentran en la base de datos de OCASA son lugares donde se ha hecho la entrega de un paquete en alguna ocasión. Sin embargo, esto no implica que las direcciones estén correctamente escritas. El repartidor puede haber encontrado una manera de llegar a la dirección específica mediante la consulta a personas de la zona, su propio conocimiento u otras razones. Es importante tener en cuenta que OCASA no es propietaria ni responsable del diseño ni del contenido de las páginas web de sus clientes, no puede influir en la mejora de la escritura de la dirección. La mayoría de las direcciones que OCASA recibe están compuestas de un campo libre donde el receptor puede escribir su dirección como lo considera correcto. Por lo tanto, no están estandarizadas y suelen ser inexactas. Si bien existen algunos clientes que proporcionan la geolocalización exacta donde se debe entregar un paquete, para la mayoría de los casos, la geolocalización está a cargo de OCASA. La geolocalización se puede obtener mediante comparación o por ruteo manual. Las direcciones se comparan por coincidencia exacta. Esto significa que un mínimo error puede resultar en que no se encuentre una coincidencia. Por ejemplo, si una dirección en la base de datos de OCASA contiene una tilde, como “Avenida Córdoba 3010” , y el cliente la escribe sin tilde, “Avenida Cordoba 3010”, no se encontrará coincidencia, a pesar de que ambas se refieran a la misma dirección. En este caso, la dirección del cliente se envía a revisión manual. Debido a las diferencias en la escritura de direcciones se lleva a una sobrecarga de revisión manual para los operadores de OCASA. El proyecto tiene como objetivo probar la hipótesis de que al automatizar el proceso de coincidencias, incluyendo un modelo y técnicas de Natural Language Processing (NLP), se mejora la calidad de las direcciones para luego ser efectivamente geolocalizadas. De esta manera, se reducirá la sobrecarga de revisión manual y se generará un impacto positivo en los costos asociados.Proyecto final de Grado Modelo de optimización de precios para anfitriones de Airbnb(2023) Fiorellino, Delfina; Pruden, Valentina; Vidal, Rosario; Rodríguez Varela, Juan Pablo; Gonzáles Rodríguez, Rubén Darío; Brottier, IgnacioMarcelo Marcone se dedica a administrar 4 propiedades en el barrio de Belgrano en Buenos Aires a través de la plataforma de Airbnb. Si bien su negocio es rentable, actualmente tiene la dificultad de definir precios óptimos para sus propiedades: si fija precios demasiado altos, es posible que no se atraigan suficientes huéspedes y pierda oportunidades de ingresos mientras que si fija precios demasiado bajos, puede terminar perdiendo la oportunidad de obtener más dinero por los alquileres. Hasta el día de hoy, Marcelo define precios en base a su experiencia personal como anfitrión, habiendo observado a lo largo de los años qué precios funcionan para cada uno de sus alojamientos en cada periodo del año. Debido a esto, Marcelo tiene el objetivo de mejorar su negocio fijando precios óptimos para sus departamentos tomando decisiones con más fundamento que su experiencia; quiere fijar precios en función de la demanda de la competencia, que a su vez se ve afectada por eventos que tienen lugar en el barrio o en la ciudad (por ejemplo, maratones o conciertos) en fechas particulares. En este contexto, el objetivo del proyecto es brindarle a Marcelo una herramienta para que logre posicionarse de la mejor manera posible en un mercado altamente competitivo como Airbnb, ayudando a definir precios óptimos para el alquiler de sus propiedades. Mediante la clusterización de las barrios y el análisis de la demanda, se desarrollará un modelo de predicción de cantidad de días de ocupación en una semana determinada en función de diferentes parámetros, como: precios promedio por noche, huéspedes, tipo de estadía, rating promedio entre otros. Este modelo a su vez considerará la demanda de alquileres a lo largo del año. De esta manera Marcelo podrá encontrar el equilibrio entre precios competitivos y rentables.Proyecto final de Grado Optimización de carteras de inversión para Mujer Financiera(2023) Burzaco, Sofía Andrea; Pioltino, Luisa; Tarakdjian, Facundo; Rodríguez Varela, Juan Pablo; Gonzáles Rodríguez, Rubén Darío; Gutierrez, LorenzoMujer Financiera es la primera startup en desarrollar productos de educación financiera e inversión para las mujeres de Latinoamérica con la misión de reducir la brecha de género en inclusión financiera y construir un mejor futuro para todos. Su objetivo es educar a las mujeres en finanzas personales para ayudarlas a tomar mejores decisiones en la vida. Con el objetivo de ampliar su propuesta y modelo de negocios, Mujer Financiera está planeando una ampliación de sus servicios actuales. No solo se centrará en la educación financiera, sino que también incorporará una cartera de inversiones. Dado que cada vez más de usuarias que alcanzan un balance financiero saludable y tienen márgen para invertir, y las mismas usuarias que ya confían en la plataforma lo piden, el equipo de Mujer Financiera decidió apostar por un modelo de fintech que además de educar ayude a potenciar las ganancias y los ahorros de sus usuarias. En un mercado financiero cada vez más competitivo, la capacidad de ofrecer carteras de inversión optimizadas y personalizadas puede ser un factor diferenciador importante para atraer y retener clientes. Es importante lograrlo de manera eficiente y escalable por lo cual es importante para la empresa producir un procedimiento propio que se adecúe a su modelo de negocio, como también poder controlar y ejecutar cambios en las políticas y condiciones cuando le parezca pertinente.Proyecto final de Grado Segmentación de suscriptores(2023) Saguier, Violeta; Palomeque, Candela; Rodríguez Varela, Juan Pablo; Murad, Martín; González Rodríguez, Rubén DaríoEl problema presentado por Club La Nación parte de la falta de conocimiento sobre sus suscriptores. La empresa consultada nunca realizó una explotación apropiada de sus datos, lo que resulta en la falta de reconocimiento de las oportunidades que podría generar para el crecimiento del negocio. Actualmente la empresa trabaja con segmentaciones confeccionadas de manera manual y a partir de criterios sugeridos por el negocio que no tienen fundamento analítico. Explotar los datos puede significar un conocimiento mayor sobre los comportamientos de los suscriptores, lo que permite personalizar las recomendaciones y mejorar su experiencia con la plataforma. El objetivo del proyecto es generar un reporte a partir del modelo de segmentación a crear. El mismo se hará analizando el comportamiento de los suscriptores de Club La Nación a partir del registro de sus transacciones. A partir del mismo se obtienen las conclusiones que aportarán valor agregado al cliente, con información para identificar los diferentes segmentos de suscriptores para que el negocio cuente con información específica sobre sus consumos, preferencias y hábitos y en función de esto realizar recomendaciones específicas, enmarcarlos en campañas de marketing determinadas para cada tipo y conocer qué empresas pueden ser proveedores de beneficios útiles a futuro para generar una oferta mejor para los suscriptores. A partir de los recursos mencionados Club La Nación dispondrá de un plan de acción con sugerencias ejecutables.