Mostrar el registro sencillo del ítem

dc.contributor.authorGonzález-Cuerva, Sara
dc.contributor.authorFerreño-Pico, Lucia
dc.contributor.authorVicente-Lasa, Francisco
dc.date2025-07-04
dc.date.accessioned2026-03-23T10:12:54Z
dc.date.available2026-03-23T10:12:54Z
dc.identifier.urihttps://reunir.unir.net/handle/123456789/19379
dc.descriptionThis paper presents a business consulting simulation exercise for the Spanish tobacco company Altadis, focused on transforming data into actionable insights to enhance decision-making processes. The company provided six anonymized datasets on commercial variables, which formed the basis for designing and developing the business intelligence project. To achieve the results, the CRISP-DM methodology was used along with a hybrid waterfall-agile execution approach, linking the processes of data understanding, preparation, modelling, evaluation, and reporting. The analysis began with geographic enrichment, followed by unsupervised learning techniques and time series analysis, and concluded with the development of an interactive dashboard. Despite limitations in data quality, it was possible to identify relevant factors explaining sales patterns, such as border-coastal location, tourism, seasonality, and demographic concentration.es_ES
dc.description.abstractEl presente trabajo constituye un ejercicio de simulación de consultoría empresarial para la tabaquera española Altadis, con el objetivo de transformar los datos en conocimiento útil para mejorar la toma de decisiones. La empresa facilitó seis conjuntos de datos anonimizados sobre variables comerciales que fueron la base sobre la cual se diseñó y se desarrolló el proyecto de inteligencia de negocio. Para alcanzar los resultados se utilizó la metodología CRISP-DM y una ejecución híbrida tipo waterfall-agile, concatenando los procesos de comprensión de los datos, preparación, modelado, evaluación y reporte. El análisis comenzó con el enriquecimiento geográfico, seguido de técnicas de aprendizaje no supervisado y análisis de series temporales, para finalmente elaborar un cuadro de mando interactivo. A pesar de las limitaciones en la calidad de los datos, se han podido determinar factores relevantes para explicar patrones en las ventas, como son ubicación fronteriza-costera, turismo, la estacionalidad o la concentración demográfica.es_ES
dc.language.isospaes_ES
dc.rightsopenAccesses_ES
dc.subjectinteligencia de negocioes_ES
dc.subjectanálisis de datoses_ES
dc.subjectCRISP-DMes_ES
dc.subjectaprendizaje automáticoes_ES
dc.subjectAltadises_ES
dc.subjectbusiness intelligencees_ES
dc.subjectdata analysises_ES
dc.subjectmachine learninges_ES
dc.subjectMáster Universitario en Inteligencia de Negocioes_ES
dc.titleProyecto de Análisis de Datos y elaboración de dashboard para la multinacional tabacalera Altadis.es_ES
dc.typemasterThesises_ES
reunir.tag~MINes_ES


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem