Esta investigación contribuye al Objetivo de Desarrollo Sostenible (ODS) 9, que promueve la industria, la innovación y la infraestructura, mediante la optimización de procesos operativos en el área de operaciones de la empresa DESYSWEB S.A.C. El estudio tiene como objetivo principal evaluar cómo la implementación de herramientas de Business Intelligence puede mejorar la eficiencia en la elaboración de informes, aumentar la fiabilidad de los datos y reducir los costos asociados en el área de operaciones. La investigación es de tipo aplicada, con un diseño preexperimental y un enfoque cuantitativo, donde se analiza la mejora en los tiempos, costos y precisión de los informes. La población en estudio está conformada por los reportes generados mensualmente por el área de operaciones, los cuales se agrupan en tres categorías: reportes por cliente, reportes por operador y report...

El presente trabajo tiene como objetivo evaluar la capacidad de un sistema basado en machine learning supervisado en la gestión de inventarios de una empresa maderera en Lima, Perú. La problemática principal radica en la variabilidad de la demanda y la dependencia de métodos manuales, lo cual genera altos costos operativos debido a excesos de inventario y desabastecimientos. Para abordar esta situación, se diseñó e implementó un sistema basado en machine learning supervisado utilizando la metodología CRISP-DM y algoritmos como XGBoost, ARIMA y Redes Neuronales, priorizando la identificación precisa del stock de seguridad y el nivel de servicio. Los resultados demostraron que XGBoost fue el modelo más eficiente, alcanzando un R² perfecto (1.0) y menores valores de MAE y RMSE en comparación con otros modelos. Este sistema permitió optimizar la planificación del inventario, r...