Examinando por Materia "Data"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Propuesta de oferta de reventa de Sneakers deportivas a partir de un modelo de inteligencia artificial
    (Universidad EIA, 2022) Hincapié Herrera, Juan Daniel; Patiño Perez, Héctor Alejandro
    RESUMEN: El mercado secundario de sneakers deportivas, o sneakers, ha venido en un vertiginoso ascenso en la última media década, pasando de ser artículos en su mayoría de culto o de mero uso funcional, a ser íconos de un movimiento y constante participación de nuestro diario vivir. La búsqueda de lo exclusivo con el objetivo de resaltar no es ajena a este mercado. Modelos exclusivos de temática sobre una ciudad o país, colaboraciones con el artista/deportista del momento, o simplemente una cantidad limitada de modelos generan una demanda de inéditas proporciones, la cual ha hecho que la accesibilidad al público en general sea prácticamente nula, y que solo quienes están en informados y en el lugar correcto puedan comprarlos. Dicha demanda ha sido explotada por una serie de jugadores a lo largo de la cadena de consumo de las sneakers , desde los fabricantes, retailers y como no, revendedores, personas que “monopolizan” el acceso al lanzamiento del momento. Con el fin de aprovechar el gran caudal de datos proveniente del mercado en crecimiento de reventa de sneakers , entre muchas otras tecnologías de inteligencia artificial, el machine learnig (ML) ha mostrado ser un arma poderosa para hacerle cara a este volumen de datos. Con este objetivo, dentro del machine learnig se han desarrollado algoritmos de aprendizaje tales como: redes neuronales artificiales, árboles de decisión, regresiones lineales, entre otros, los cuales permiten a un sistema aprender a desarrollar una labor dada una entrada de datos y la “experiencia” que extrae de estos. Entonces entra el cuestionamiento de cómo aplicar dicho conocimiento de carácter exponencial con este mercado tan prometedor, para así tomar una rebanada de este pastel donde aún se están definiendo los grandes jugadores y sus estrategias de juego. Para esto primero se debe decidir qué información es la de valor para enseñarle a estos modelos, probarlos y determinar cuál se ajusta más a los datos disponibles, pues contrario a lo que se podría pensar en este tipo de problemas son los modelos los que deben adaptarse a los datos, no al contrario.
  • Miniatura
    PublicaciónAcceso abierto
    Valor de los datos en la industria Fintech
    (Universidad EIA, 2024) Orozco Restrepo, Susana; Correa Palacio, Mariana; Lochmuller Lochmuller, Christian
    RESUMEN: En la era digital, los datos son vitales para el éxito empresarial, especialmente en empresas como las Fintech. Su gestión eficaz impulsa la personalización, la eficiencia operativa y la innovación. A pesar del interés de inversionistas en este tipo de empresas, aún falta una metodología para valorar adecuadamente activos intangibles como los datos, que se usan de manera frecuente en ellas. La investigación busca llenar este vacío, reconociendo que los datos proporcionan una ventaja competitiva crucial. Integrar una valoración precisa de los datos en la evaluación de las Fintech puede guiar decisiones de inversión con mayor confianza, considerando tanto la estabilidad de los rendimientos como el potencial de crecimiento inherente a estas empresas. Para llevar a cabo una estimación para la solución de este problema, se construye una metodología que implica el desarrollo de 4 objetivos. El primer paso implica Identificar las variables que influyen en el valor de los datos en empresas Fintech mediante una revisión bibliográfica para luego cuantificar el valor de los datos en una empresa mediante entrevistas a expertos y una revisión bibliográfica para estructurar un método de medición cuantificable. A partir de lo anterior se busca construir una metodología de valoración que incluya el valor de los datos como activo intangible, basada en la revisión de metodologías existentes y la aplicación de ajustes a dos de ellas. Finalmente, se busca verificar la eficiencia de la metodología desarrollada en la determinación de rentabilidades potenciales al cabo de tres meses, utilizando datos financieros reales o proyectados de una empresa Fintech de operación real y analizando su comportamiento comparado con las proyecciones del método de valoración. Como uno de los resultados principales, se logró construir una metodología de valoración que incluye el valor de los datos y de una empresa Fintech. Al aplicar esta metodología, se pudo concluir que el valor de la empresa es superior cuando se considera el valor intrínseco que aportan los datos como activos intangibles, en comparación con cuando no se incluyen. Esto indica que poseer un conjunto de datos de alto valor aumenta el valor de una empresa Fintech que utiliza sus datos como materia prima. A pesar de que la investigación contiene algunas limitaciones al no poder haber sido verificada en su totalidad, proporciona una orientación para futuras investigaciones.