Mercado de datos para el análisis de rentabilidad del cliente
El artículo analizó el mercado de datos en la empresa "La Fabril" de Ecuador, enfocándose en la rentabilidad del cliente a través del desarrollo de un almacén de datos. Se estableció como objetivo principal identificar y analizar patrones que contribuyan a optimizar la asignación de recurs...
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Universidad de las Ciencias Informáticas (UCI)
2025-01-01
|
| Series: | Serie Científica de la Universidad de las Ciencias Informáticas |
| Subjects: | |
| Online Access: | https://publicaciones.uci.cu/index.php/serie/article/view/1781 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | El artículo analizó el mercado de datos en la empresa "La Fabril" de Ecuador, enfocándose en la rentabilidad del cliente a través del desarrollo de un almacén de datos. Se estableció como objetivo principal identificar y analizar patrones que contribuyan a optimizar la asignación de recursos. La metodología incluyó un enfoque analítico-sintético, modelado y la aplicación de la metodología Hefesto, que permitió la limpieza de datos, modelado dimensional en PostgreSQL y la creación de tableros interactivos en Power BI. Los resultados revelaron tendencias estacionales en los ingresos, destacando el "aceite de palma" como el producto más rentable y la identificación de grupos de clientes según su rentabilidad. Se observó una relación directa entre la frecuencia de compra y la lealtad del cliente, lo que subraya la necesidad de implementar estrategias de fidelización. Además, se identificaron áreas de alto costo y se propusieron mejoras logísticas para optimizar la rentabilidad. En conclusión, la investigación demuestra que el uso efectivo de un almacén de datos puede transformar la toma de decisiones estratégicas y mejorar la rentabilidad en el contexto empresarial actual, y se planea ampliar el análisis a otros sectores y explorar técnicas avanzadas de análisis predictivo y aprendizaje automático para profundizar en la comprensión del comportamiento del cliente y optimizar aún más las estrategias empresariales. |
|---|---|
| ISSN: | 2306-2495 |