Solución de inteligencia de negocios basada en técnicas de minería de datos, para apoyar la toma de decisiones, en la Gerencia Regional de Agricultura-Lambayeque

• Autor: Valderrama Mundaca, Omar Erick
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Católica Santo Toribio de Mogrovejo
• Repositorio: USAT-Tesis
• Lenguaje: español
• OAI Identifier: oai:tesis.usat.edu.pe:20.500.12423/5047
• Enlace del recurso: http://hdl.handle.net/20.500.12423/5047
• Nivel de acceso: acceso abierto
• Materia: Inteligencia económica; Data mining; Sistemas de ayuda a la decisión; http://purl.org/pe-repo/ocde/ford#2.02.04

La relación que exime los procesos tecnológicos en el universo actualmente es de mucha transcendencia para el individuo y su colectividad. En corto tiempo el ser humano se ha profundizado en el uso de la tecnología para beneficio de sus ocupaciones habituales como investigativas, industriales o comerciales. Esta evolución tecnológica sirve de soporte a las operaciones y a la gestión de las instituciones, por esta relevancia en el progreso evolutivo, para apoyar a la Dirección Ejecutiva de Información Agraria de la Gerencia Regional de Agricultura de Lambayeque, propongo, el desarrollo de una solución de Inteligencia de negocios basado en técnicas de minería de datos como herramienta para potenciar sus actividades de gestión de información. Resumiendo, el trabajo consistió, primero, en estudiar las principales metodologías de desarrollo existentes: este caso se decidió llevar a cabo un hibrido de metodologías Ralph Kimball con el objeto de implementar almacenes de datos y CRISP-DM para el procesamiento electrónico de datos, elección y aplicación de métodos predictivos. La aplicación de la dimensión sistemática de alto nivel nos permitirá medir el hecho-siembra y hecho-cosecha tales como: valle, tiempo, tipo de consumo, cultivo, campaña agrícola. Los resultados demuestran que el modelo propuesto es de Regresión lineal con ajuste estacional, puesto que ostentó un error cuadrático menor a comparación con el enfoque Naive estacional y el modelo ARIMA (0,0,1) (0,1,0) [12], además de tener un valor MAPE ligeramente superior al valor obtenido por los demás.