Sistema web basado en un modelo de recomendación de Machine Learning para apoyar el proceso de ventas en una ferretería

• Autor: Torres Segovia, Eduar Enrique
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Católica Santo Toribio de Mogrovejo
• Repositorio: USAT-Tesis
• Lenguaje: español
• OAI Identifier: oai:tesis.usat.edu.pe:20.500.12423/8054
• Enlace del recurso: http://hdl.handle.net/20.500.12423/8054
• Nivel de acceso: acceso abierto
• Materia: Comercio electrónico, Machine Learning, sistemas de recomendación; Desarrollo de software, inteligencia artificial, eficiencia empresarial; Tecnología, ventas, pequeñas y medianas empresas (PyMEs); E-commerce, Machine Learning, recommendation systems; Software development, artificial intelligence, business efficiency; Technology, sales, small and medium-sized enterprises (SMEs); http://purl.org/pe-repo/ocde/ford#2.02.04

El proyecto de investigación tuvo como objetivo desarrollar un sistema de ventas web basado en un modelo de recomendación de Machine Learning para apoyar el proceso de ventas en la ferretería López y Cía. S.A.C. Para ello, se plantearon como objetivos específicos: determinar la técnica de Machine Learning más adecuada para implementar el modelo de recomendación en la ferretería, generar el modelo de recomendación utilizando los datos de la ferretería y la técnica seleccionada, construir una aplicación web de ventas que integre el modelo de recomendación generado y validar la aplicación web basado en la norma ISO 25010. Para lograr esto se empleó la metodología CRISP-DM y se utilizó Python, HTML, Google Colab, y MySQL como gestor de base de datos. Se llegó a determinar que la técnica de Machine Learning más adecuada para implementar el modelo de recomendación fue FP Growth. Además, se generó un modelo de recomendación utilizando la técnica antes mencionada y 208,535 registros de las ventas realizadas entre los años 2021 y 2022, logrando una precisión del modelo de 90%. Luego de esto, se construyó una aplicación web donde se integró el modelo de recomendación generado. Finalmente, se validó la aplicación web, donde se demostró que cumplía los criterios de calidad establecidos por la norma ISO 25010.