Examinando por Materia "Big Data"

Mostrando 1 - 3 de 3
  • Miniatura
    PublicaciónAcceso abierto
    Análisis predictivo y de Big Data para la comprensión del comportamiento del consumidor en el sector inmobiliario del Valle de Aburrá
    (Universidad EIA, 2025) Correa García, Maria Jose; Ramirez Suescun, Mariana; Valencia Villa, Juan Sebastián
    RESUMEN: El trabajo titulado “Análisis Predictivo y de Big Data para la comprensión del comportamiento del consumidor en el sector inmobiliario del Valle de Aburrá” explora cómo las empresas inmobiliarias pueden utilizar técnicas avanzadas de análisis de datos para anticipar necesidades y preferencias de los clientes. A través del uso de fuentes como redes sociales, portales web, registros de ventas, variables demográficas y datos de sensores urbanos, se aplicaron modelos predictivos como Random Forest, XGBoost y Redes Neuronales, siendo estas últimas las más precisas (R² = 0,93; MAE = 24,9 millones COP). Se definieron cinco criterios de evaluación para seleccionar modelos según el nivel de madurez tecnológica de la empresa. Los resultados permiten diseñar estrategias de marketing personalizadas basadas en datos, validadas mediante focus groups que resaltaron el interés por soluciones ajustadas a presupuesto, ubicación y estilo de vida, promoviendo así una toma de decisiones más efectiva e innovadora en el sector inmobiliario.
  • Miniatura
    PublicaciónAcceso abierto
    Implicaciones costo-beneficio de aplicar un modelo similar al sistema de crédito social desarrollado en China usando Big Data en Medellín
    (Universidad EIA, 2021) Castellanos Ospina, Valentina; Cerón Quintero, Diana Lucía; Lochmuller, Christian
    RESUMEN: Colombia es un país que ha realizado grandes avances en materia de inclusión financiera, sin embargo, aún cuenta con grandes retos por superar. En este trabajo se realizó una investigación y análisis a profundidad de los principales retos del sistema crediticio. Con la finalidad de atacar estos retos, se propuso un plan de mejora basado en la teoría del Crédito Social Chino (SCS, por sus siglas en inglés) y su enfoque en el manejo de herramientas de Big Data. Al realizar entrevistas a expertos en el tema y realizar una revisión de la literatura, se encontró que, una de las grandes dificultades es el escape de información importante sobre los usuarios pues, las entidades que otorgan los créditos siguen basando sus decisiones en criterios tradicionales, excluyendo a un grupo de solicitantes de crédito. Por tanto, el reto es identificar variables que permitan conocer y entender a la población para ofrecer productos de financiamiento que se ajusten a sus realidades y otorgar más beneficios sin descuidar la salud financiera de las entidades crediticias. Ligado a esto, los métodos de aprobación y estudios de crédito desde la parte de riegos son poco ágiles lo que entorpece el sistema financiero. Por otro lado, la salud financiera de las personas depende de la educación financiera que tengan, es aquí donde se encuentra otro de los grandes retos, pues se encontró que es alto el grado de analfabetismo financiero que tiene la población lo que obstruye el acceso al crédito y la correcta toma de decisiones. En la búsqueda de realizar el plan de mejora fue necesario en primer lugar levantar un estado del arte sobre el SCS y recopilar información sobre el sistema de crédito en Colombia. Esto con la finalidad de poder realizar un análisis comparativo entre estos sistemas por medio de un análisis multicriterio que permita observar los costos y beneficios multidimensionales. Se encontró, en síntesis, el SCS es un conjunto de bases de datos unificado en una infraestructura que usa Big data para monitorear y predecir la confiabilidad y el riesgo de todos los usuarios en China, este sistema de puntajes de crédito pretende determinar si los usuarios pueden acceder a recompensas o castigos dependiendo de sus comportamientos. El análisis multicriterio permitió evidenciar que las ventajas estructurales y tecnológicas que tiene el SCS frente al sistema de crédito colombiano. Como resultado final de estos esfuerzos se planteó, un modelo que permite construir una red para interconectar información en la ciudad de Medellín, por medio de la tecnología de Big Data, la recopilación masiva de datos y algoritmos de aprendizaje automático. Esto con la finalidad de crear perfiles de riesgo más adaptado a la realidad de cada usuario. El análisis de costo beneficio que se realizó del modelo como objetivo final de este trabajo evidencia que llevar a cabo el plan de mejora significa un alto grado de inversión en investigación y tecnología, pero soluciona los retos planteados para el sistema de crédito colombiano y brinda bienestar y beneficio socioeconómico para los ciudadanos de la ciudad de Medellín.
  • Miniatura
    PublicaciónAcceso abierto
    Relación entre los patrones de búsqueda de internet y los movimientos del mercado integrado Latinoamericano
    (Universidad EIA, 2016) Giraldo Moreno, Mariana; Toro Moreno, Luisa; Valencia Arango, Juan Pablo
    Las personas comienzan su proceso de toma de decisiones con un intento de recolectar información (Simon, 1957) y en la actualidad la mayor parte de este proceso se lleva a cabo a través de la internet. El análisis de la información de búsquedas realizada en internet podría proporcionar una nueva perspectiva sobre los cambios en el proceso de recolección de información de los inversionistas y los movimientos futuros de los mercados financieros. Este proyecto pretende utilizar información del tráfico de la página Wikipedia y el buscador de Google para cuantificar la posible relación existente entre los patrones de búsqueda en Google y Wikipedia de algunas empresas listadas en bolsa y el comportamiento de estas en el Mercado Integrado Latinoamericano (MILA) de acuerdo a la metodología Moat (2013) Para desarrollar el proyecto se seleccionaron los activos listados en bolsa, los artículos de Wikipedia y las palabras clave de búsqueda en Google que se emplearán para el estudio. Luego se implementó una estrategia hipotética de inversión que utilizó esta información como criterios de decisión para comprar o vender los activos y por último se validaron estadísticamente los resultados de la estrategia implementada. La mayoría de los retornos obtenidos mediante la estrategia implementada no fueron estadísticamente mayores que cero, por lo tanto se concluyó que no se puede afirmar que exista la relación propuesta por Moat(2013) entre las búsquedas en Google y Wikipedia y los movimientos del mercado accionario de los activos pertenecientes al MILA.