Show simple item record

dc.contributor.advisorPeña Palacio, Juan Alejandro
dc.contributor.authorMolina Agudelo, Santiago
dc.contributor.authorVillegas Ramirez, Juanita
dc.date.accessioned2021-03-09T16:17:56Z
dc.date.available2021-03-09T16:17:56Z
dc.date.issued2020
dc.identifier.urihttps://repository.eia.edu.co/handle/11190/2693
dc.description92 páginasspa
dc.description.abstractRESUMEN: En un mundo globalizado, en el cual los mercados son cada vez más abiertos y con fácil acceso, es necesario que las empresas expandan sus horizontes y encuentren más clientes potenciales en otros lugares diferentes al lugar de origen, de esta manera las organizaciones adquieren valor y posicionamiento, volviéndose más competitivas frente a todas las empresas existentes del mismo sector tanto en territorio nacional como internacional. Para el análisis de exportaciones existen estudios de mercados manuales, los cuales son un proceso complejo y poco ágil, debido a la exhaustiva información que se necesita obtener. En este trabajo se desea desarrollar un modelo Deep Learning que estime el potencial exportador de productos no minero energéticos en Colombia. Por medio de recolección de información en diferentes bases de datos que brindan las instituciones internacionales y nacionales, como Procolombia, la Dirección de Impuestos y Aduanas Nacionales (DIAN), el Departamento Administrativo Nacional de Estadística (DANE) o el Banco Mundial , se realiza una selección de las características necesarias para encontrar la mejor afinidad entre la relación producto – mercado y por medio dicho modelo con ayuda del software R-Studio, automatizar el proceso de inteligencia de mercado. Por tal motivo, en este trabajo se logró encontrar mediante una plataforma matricial y el método de Redes Neuronales Artificiales (RNA) un modelo que ayuda a los profesionales en negocios internacionales o encargados de exportaciones de las empresas a realizar la inteligencia de mercados de una manera fácil y rápida, ya que puede pronosticar la relación producto - mercado óptima para la exportación de productos no minero-energéticos de Colombia.spa
dc.description.abstractABSTRACT: In a globalized world, in which markets are increasingly open and with easy access, it is necessary for companies to expand their horizons and find more potential customers in other places different from the place of origin, in this way organizations acquire value and positioning, becoming more competitive against all existing companies in the same sector both nationally and internationally. For the analysis of exports there are manual market studies, which are complicated and slow, due to the exhaustive information that needs to be obtained. In this work we want to develop a Deep Learning model to estimate the export potential of non-mining energy products in Colombia. Through the collection of information in different databases provided by international and national institutions, such as Procolombia, DIAN (Dirección de Impuestos y Aduanas Nacionales), DANE (Departamento Administrativo Nacional de Estadistica) or the World Bank, a selection of the necessary characteristics is made to find the best affinity between the product - market relationship and through this model with the help of the R-Studio software, automate the market intelligence process. For this reason, in this work it was possible to find, through a matrix platform and the Artificial Neural Networks (ANN) method, a model that helps professionals in international businesses or those responsible for exports of companies to perform market intelligence in an easy and fast way, so in this maner you can predict the optimal product-market relationship for the export of non-mining-energy products from Colombia.eng
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.publisherUniversidad EIAspa
dc.rightsDerechos Reservados - Universidad EIA, 2020eng
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.sourceRepositorio Institucional Universidad EIA
dc.titleModelo Deep Learning para la estimación del potencial exportador de productos no minero-energéticos en Colombiaspa
dc.typeTrabajo de grado - Pregradospa
dc.publisher.programIngeniería Administrativaspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)spa
dc.subject.proposalExportacionesspa
dc.subject.proposalCódigo Arancelarioeng
dc.subject.proposalAnálisis de Componentes Principales (PCA)eng
dc.subject.proposalRedes neuronalesspa
dc.subject.proposalExporteng
dc.subject.proposalArancelary codeeng
dc.subject.proposalK-Means Algorithmeng
dc.subject.proposalNeural Networkseng
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dc.description.degreelevelPregradospa
dc.description.degreenameIngeniero(a) Administrativo(a)spa
dc.identifier.bibliographiccitationMolina Agudelo, S. y Villegas Ramirez, J. (2020). Modelo Deep Learning para la estimación del potencial exportador de productos no minero-energéticos en Colombia [tesis de pregrado, Universidad EIA]. Repositorio Institucional Universidad EIA. https://repository.eia.edu.co/handle/11190/2693
dc.publisher.facultyEscuela de Ciencias Económicas y Administrativasspa
dc.publisher.placeEnvigado (Antioquia, Colombia)spa
dc.type.contentTextspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TPspa
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Derechos Reservados - Universidad EIA, 2020
Except where otherwise noted, this item's license is described as Derechos Reservados - Universidad EIA, 2020