Examinando por Materia "Fashion industry"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Evaluación para la implementacion de la industria 4.0 en las Pymes del sector textil confeccion del municipio de Itaguí
    (Universidad EIA, 2023) Delgado Nicholls, Luisa; Coca, German Augusto
    RESUMEN: El propósito de esta investigación consiste en presentar una propuesta metodológica para la implementación de las tecnologías de la Industria 4.0 en la gestión de la cadena de suministro de las pymes del sector textil confecciones en el municipio de Itagüí. En este documento, en primer lugar, se expone la formulación del proyecto y sus objetivos; en segundo lugar, los conceptos claves que son necesarios para la compresión de este; y, finalmente, la metodología que se utilizará con relación a la aplicación de la propuesta. Esta última tiene como propósito fomentar la implementación de las tecnologías y métodos de la Industria 4.0 en las pymes, debido a la ocurrencia de un conjunto de hechos, entre los cuales destaca la baja iniciativa por parte de los sectores empresarial y académico.
  • Miniatura
    PublicaciónAcceso abierto
    Segmentación de clientes automatizada a partir de técnicas de minería de datos (K-Means Clustering)
    (Universidad EIA, 2015) Cálad Noreña, Felipe; Echeverri Calderón, Juan Camilo
    Tiendacol S.A es una empresa del sector de la moda ubicada en la ciudad de Medellín, Colombia, que se dedica al comercio al por menor de prendas de vestir y accesorios en establecimientos especializados. Debido a que la compañía tiene una preocupación por mejorar los esfuerzos comerciales y de servicio al cliente, donde se es consciente de contar con gran cantidad de información en sus sistemas que está siendo subutilizada, se vio la necesidad de desarrollar proyectos que permitan hacer un mejor uso de la información disponible en especial con respecto a estos esfuerzos. Con tal necesidad se planteó implementar un modelo de minería de datos indirecta, a través del cual se logre analizar la información que se tiene de los clientes para clasificarlos automáticamente y agruparlos en grupos de características similares de acuerdo a los patrones de compra. Todo el proceso de minería de datos se diseñó con base en la metodología CRISP-DM que se caracteriza por los buenos resultados en proyectos de esta índole. Con esta se buscó emplear un procedimiento estándar, que tuviera validez en la industria y que se encontrará bien estructurado. Siguiendo dicha metodología se empezó entonces por entender el contexto de los clientes dentro de la empresa, tanto desde el punto de vista del negocio como de la capa de datos. A partir de ello se identificaron las ventas y la cartera como principales procesos relacionados con los clientes, los cuales se encontraban representados por 7 modelos dimensionales dentro de un sistema de inteligencia de negocios. Posteriormente se procedió a diseñar y ejecutar el modelo de clasificación. Inicialmente se extrajeron los datos que constituirían las variables del modelo y se prepararon mediante una estandarización en Z para, finalmente, poder obtener los segmentos a partir del algoritmo k-means clustering. Con los resultados obtenidos se ejecutó adicionalmente un árbol de decisión con el fin de encontrar características adicionales en los grupos encontrados. Se hicieron en total 3 modelos que seguían el proceso anterior pero que diferían en cuanto a sus variables. Los resultados finales permitieron diferenciar 3 segmentos de clientes: i) los mejores, ii) los intermedios y iii) los peores. Los mejores representan los clientes más constantes, que son los que compran montos más grandes, con mayor frecuencia y además adquieren mayor cantidad de créditos; los intermedios son los que compran un número aceptable de veces al año, con montos no muy altos y que además recurren poco a créditos; finalmente, los peores constituyen los clientes más esporádicos y los que menos compran.