Prueba de concepto para generación móvil
View/
Date
2021COAR
Tesis de maestríaShare this record
Metadata
Show full item record
PDF documents
English Title
Proof of concept for Generación MóvilResumen
El proyecto presenta la prueba de
concepto para la compañía Generación Móvil. El principal objetivo de negocio es
apoyar en la toma de decisiones en cuanto a la programación de las rutas de los
promotores de las ZER (zonas de estacionamiento regulado) de manera que se
reduzcan los costos operativos y las pérdidas debido a tiquetes no pagos. Este
objetivo se abordó mediante modelos analíticos de series de tiempo, regresiones
lineales, regresiones logísticas y segmentación. Las series de tiempo se utilizaron
para predecir ingresos y salidas de vehículos de las ZER. Las regresiones
lineales se utilizaron para desarrollar modelos de estimación de cuántos
minutos un vehículo va a estar estacionado. Las regresiones logísticas y
segmentación se desarrollaron para la categorización de clientes en cuanto al
comportamiento de pago, es decir, probabilidad de que el tiquete fuera pago o
no pago. En el documento se presenta la exploración y limpieza de datos, el
modelamiento y evaluación de cada uno de los modelos, con sus respectivos
resultados. Durante todo el proyecto se siguió la metodología CRISP-DM como marco
de referencia para el desarrollo de proyectos de analítica de datos.
Abstract
The project presents the proof of
concept for the company Generación Móvil. The main business objective is to
support the decision making proccess in terms of scheduling the routes of the
promoters of the RPZ (restricted parking zones) in order to reduce operating
costs and losses due to unpaid tickets. This objective was addressed using time
series analytical models, linear regressions, logistic regressions and
segmentation. The time series were used to predict vehicle arrivals and
departures from the RPZs. Linear regressions were used to develop models to
estimate how many minutes a vehicle will be parked. Logistic regressions and
segmentation were developed for the categorization of customers in terms of
payment behavior, i.e., probability that the ticket was paid or unpaid. The
paper presents the exploration and cleaning of data, modeling and evaluation of
each of the models, with their respective results. The CRISP-DM methodology was
followed throughout the project as a reference framework for the development of
data analytics projects.
Collections
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 4.0 Internacional