Modelo de aprendizaje automático para proyección de ventas de los servicios publicitarios en el metro de Medellín
| dc.contributor.advisor | García Arboleda, Isabel Cristina | |
| dc.contributor.author | Tabares Álvarez, Julio César | |
| dc.contributor.author | Villarreal Trujillo, Sergio | |
| dc.contributor.author | Cárdenas Rojas, Jhonny Alejandro | |
| dc.date.accessioned | 2025-11-05T19:20:26Z | |
| dc.date.available | 2025-11-05T19:20:26Z | |
| dc.date.issued | 2025 | |
| dc.description.abstract | El proyecto "Modelo de Aprendizaje Automático para Proyección de Ventas de los Servicios Publicitarios en el Metro de Medellín" busca desarrollar un modelo predictivo basado en técnicas de aprendizaje automático para optimizar las estrategias comerciales del Metro de Medellín. El Metro, con aproximadamente 1.3 millones de usuarios diarios, busca aumentar su participación de ingresos no tarifarios al 15% para 2025, donde la publicidad juega un papel clave. Actualmente, la empresa enfrenta desafíos en la comercialización de sus servicios publicitarios, por lo que este estudio propone una solución basada en la analítica de datos. En el proyecto se utilizó la metodología CRISP-DM, la cual abordó cinco fases clave: comprensión del negocio, preparación de datos, modelado, proyección y validación. Se obtuvieron y se realizó la limpieza de las bases de datos de afluencia de pasajeros y ventas de publicidad desde 2020 hasta 2024, permitiendo identificar patrones de consumo y demanda. El análisis inicial evidenció que la publicidad en estaciones, representan el 38.62% de las ventas, por lo que el proyecto decidió enfocarse en este segmento. Se evaluaron modelos de aprendizaje estadístico para seleccionar el que mejor optimice la predicción de las ventas con base en el desempeño y ajuste de cada modelo, con el fin de mejorar la toma de decisiones en la comercialización de este segmento. Además, se diseñó un tablero dinámico para el análisis de datos y la visualización de los resultados de los modelos. Para la validación y selección del mejor modelo, se utilizaron criterios como la métrica CPM, el ajuste visual, tiempo de ejecución de los modelos, facilidad de implementación y cantidad de estaciones con mejor desempeño. Como resultado se obtuvo que Holt Winters 2 fue el mejor modelo teniendo en cuenta estos criterios. | spa |
| dc.description.abstract | The project "Machine Learning Model for Sales Forecasting of Advertising Services in the Medellín Metro" aims to develop a predictive model based on machine learning techniques to optimize the commercial strategies of the Medellín Metro. With approximately 1.3 million daily users, the Metro seeks to increase its share of non-fare revenue to 15% by 2025, where advertising plays a key role. Currently, the company faces challenges in marketing its advertising services, which is why this study proposes a data analytics-based solution. The project used the CRISP-DM methodology, addressing five key phases: business understanding, data preparation, modeling, forecasting, and validation. Passenger flow and advertising sales databases from 2020 to 2024 were obtained and cleaned, allowing the identification of consumption and demand patterns. The initial analysis revealed that station advertising accounts for 38.62% of sales, leading the project to focus on this segment. Statistical learning models were evaluated to select the one that best optimizes sales prediction based on performance and model fit, aiming to improve decision-making in the commercialization of this segment. Additionally, a dynamic dashboard was designed for data analysis and visualization of model results. For model validation and selection, criteria such as CPM metric, visual fit, model execution time, ease of implementation, and number of stations with better performance were used. As a result, Holt Winters 2 was identified as the best model based on these criteria. | eng |
| dc.description.degreelevel | Maestría | |
| dc.description.degreename | Magíster en Ciencia de Datos | |
| dc.format.extent | 71 p. | |
| dc.format.mimetype | application/pdf | |
| dc.identifier.uri | http://hdl.handle.net/11522/5051 | |
| dc.language.iso | spa | |
| dc.publisher | Pontificia Universidad Javeriana Cali | |
| dc.publisher.department | Facultad de Ingeniería y Ciencias | |
| dc.publisher.program | Maestría en Ciencia de Datos | |
| dc.rights.accessrights | http://purl.org/coar/access_right/c_abf2 | |
| dc.rights.creativecommons | https://creativecommons.org/licenses/by-nc-sa/4.0/ | |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/4.0/ | |
| dc.subject | Pronóstico | spa |
| dc.subject | Aprendizaje automático | spa |
| dc.subject | Optimización | spa |
| dc.subject | Transporte público | spa |
| dc.subject | Sector publicitario | spa |
| dc.subject | Forecasting | eng |
| dc.subject | Machine learning | eng |
| dc.subject | Optimization | eng |
| dc.subject | Public transportation | eng |
| dc.subject | Advertising sector | eng |
| dc.title | Modelo de aprendizaje automático para proyección de ventas de los servicios publicitarios en el metro de Medellín | spa |
| dc.type | master thesis | |
| dc.type.coar | http://purl.org/coar/resource_type/c_bdcc | |
| dc.type.local | Tesis/Trabajo de grado - Monografía - Maestría | |
| dc.type.redcol | https://purl.org/redcol/resource_type/TM |
Files
Original bundle
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.71 KB
- Format:
- Item-specific license agreed to upon submission
- Description: