Analítica Empresarial y Social
Examinar
Envíos recientes
- Proyecto final de GradoPredicción del start-up time de un ensayo clínico(2022)"El siguiente trabajo tiene como objetivo mejorar la toma de decisiones sobre la realización de los ensayos clínicos de la farmacéutica Empresa ABC, teniendo como indicador de referencia el tiempo de start-up de cada ensayo clínico. Para lograr el objetivo se desarrolló un modelo de predicción del tiempo de start-up utilizando el algoritmo árbol de decisión, que incorpora las características de los ensayos clínicos. Y que además este permite saber que variables son las que tienen mayor impacto en la variable objetivo, y como alterándolas se pueden encontrar recomendaciones para reducir el tiempo de start-up."
- Proyecto final de GradoLa Tribu(2022)"Actualmente, la Empresa SA pierde muchas licitaciones anuales debido a que importa productos a un precio mayor al de sus principales competidores. Esto puede deberse a que la empresa se presenta a las negociaciones con sus proveedores sin explotar los datos que refieren a las importaciones de los mismos productos por parte de sus competidores. La finalidad del presente trabajo es brindar a la Empresa SA una herramienta que le permita explotar los datos para predecir el comportamiento de sus competidores, mostrándole a qué precio importarían determinado producto teniendo en cuenta la cantidad que se importa y a qué proveedor lo harían. De esta manera, podrán decidir si modificar su proveedor o negociar con más información el precio a su actual proveedor. Luego de un profundo análisis, se desarrolló la solución mediante lenguaje Python. Se combinó un modelo de clasificación múltiple con un modelo de regresión ya que estos arrojaban las mejores métricas de performance. Además, se realizó un dashboard en Power BI para enriquecer el análisis. El mismo muestra los precios promedios actuales a los que se obtienen los distintos productos, entre otras visualizaciones. Se espera que, una vez implementada la herramienta, se reflejen las bajas en los precios para Siemens en comparación con los de sus competidores. En síntesis, la solución permitirá a la Empresa SA eficientizar sus compras, tendrá un impacto de aumentar el porcentaje de licitaciones ganadas en un 10% lo que equivale a un aumento del 50% en sus ingresos anuales por licitaciones."
- Proyecto final de GradoAlgoritmo de predicción churn de usuarios utilizando machine learning(2022)"En el presente trabajo se llevó a cabo un análisis exhaustivo de la base de datos de usuarios de la empresa XYZ, a partir del cual se construyó un modelo de predicción de Churn utilizando el algoritmo Random Forest, con la finalidad de determinar aquellos usuarios que pasarán a ser inactivos al cabo de los siguientes 30 días. Teniendo en cuenta la definición de la empresa, un usuario es inactivo cuando no realiza al menos una transacción en los últimos 30 días."
- Proyecto final de GradoAutomatización en la recolección de datos deportivos(2022)"Es de público conocimiento que los datos están presentes en casi todos los ámbitos de la sociedad. Pero estos no significan nada si no son procesados y estudiados por el ojo conocedor, para hacer de los mismos información. La disponibilidad de los datos es importante pero la correcta utilización, y aplicación de los mismos es lo que genera la diferencia. Esto puede aplicarse a los deportes, por la gran presencia de datos crudos generados, en especial en el basquet. El basquet es uno de los deportes en los que más se utilizan los datos, siendo este un deporte que depende cada vez más y más de estadísticas, probabilidades y mejora de porcentajes. Es por esto que se busca generar un diferencial desde el lado analítico y comprender el juego a través de estos números."
- Proyecto final de GradoCaylent: talent acquisition hiring process(2021)"El presente trabajo tuvo como objetivo la mejora del proceso de contratación de Caylent, a través de metodología de ciencia de datos. En ese momento, Caylent realizaba un assessment de prueba de trabajo para todos los candidatos a Engineer y Solutions Architect. Dicha metodología consistía en diseñar y describir una solución que cumpliera con algunos criterios específicos, al tiempo que permitía margen de diferenciación entre los candidatos. De esta manera, la evaluación combinada con las puntuaciones del GMA y los resultados de las rondas de entrevistas técnicas, constituía la mayoría de los datos utilizados para llegar a una decisión de contratación. El foco del proyecto fue revisar los assessments y generar los correspondientes insights que puedan ayudar al negocio a mejorar su proceso de contratación actual."