Análisis comparativo de modelos de pronóstico ARIMA y XGBoost aplicados a las series mensuales de ventas en una empresa certificadora

• Autor: Villafuerte Chacnama, Frank Fernando
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/17331
• Enlace del recurso: https://hdl.handle.net/20.500.12672/17331
• Nivel de acceso: acceso abierto
• Materia: Pronóstico de ventas; Redes neuronales (Computación); Aprendizaje automático (Inteligencia artificial); Arboles de decisión; https://purl.org/pe-repo/ocde/ford#1.01.03

Para una conocida empresa en certificaciones a nivel nacional e internacional, es importante hacer un seguimiento de las ventas de las diferentes unidades de negocio, además, de contar con estimaciones para poder tomar decisiones en cuanto a la ejecución presupuestal, asimismo, permite tener una forma de medir el performance que va teniendo la empresa en ventas. En este trabajo se realiza una comparación del poder predictivo de modelos de series de tiempo aplicados en las ventas históricas de la empresa, utilizando como base teórica el enfoque de dominio de tiempo (Box y Jenkins) con el modelo ARIMA y el uso del algoritmo XBGoost, utilizando los indicadores de evaluación para seleccionar aquel modelo que permita obtener mejores pronósticos para tener una mejor previsualización de ventas en los próximos meses, y en base a esto, tomar las mejores decisiones en cuanto la asignación presupuestal, conocimiento de performance en ventas, etc.