Saved in:
| Main Author: | |
|---|---|
| Format: | Artículo científico |
| Language: | es |
| Published: |
Universidad Autónoma del Caribe
2020
|
| Subjects: | |
| Online Access: | https://www.redalyc.org/articulo.oa?id=496282704004 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Table of Contents:
- Metodología de pronóstico escalable con aprendizaje autónomo, integración en la nube y reportes automatizados Luis D. Chavarría-Múnera Juan M. Cogollo-Flórez Alexander A. Correa-Espinal Ingeniería Series de tiempo Aprendizaje autónomo Pronóstico escalable Integración en la nube Reportes automatizados El análisis de series de tiempo es una de las herramientas más utilizadas para hacer predicciones basándose en los datos del pasado. En este trabajo se desarrolló una metodología de pronóstico escalable que supera las dificultades del análisis tradicional de series de tiempo, utilizando nuevas herramientas y estructuras de datos computacionales que facilitan la integración con las aplicaciones empresariales y disminuye la curva de aprendizaje necesaria para obtener buenos pronósticos. La metodología consta de cinco etapas: (1) Importar datos desde la nube o el dispositivo del usuario, (2) Ordenar y transformar, (3) Visualizar (4) Modelar automáticamente y validar resultados, y (5) Comunicar pronósticos obtenidos mediante un reporte automatizado. La metodología se utilizó en un caso aplicado considerando diez series de tiempo de índices de ventas reales de comercio minorista en Colombia, mostrando mejoras apreciables con un promedio de disminución del error de pronóstico medio absoluto (MAPE) del 50.56%. 2020 artículo científico 1692-8261 https://www.redalyc.org/articulo.oa?id=496282704004 es http://www.redalyc.org/revista.oa?id=4962 PROSPECTIVA application/pdf Universidad Autónoma del Caribe PROSPECTIVA (Colombia) Num.2 Vol.18