Please use this identifier to cite or link to this item:
http://www.dspace.espol.edu.ec/handle/123456789/67597| Title: | Análisis predictivo de patrones en transacciones comerciales en una empresa exportadora del sector acuícola utilizando machine learning para la auditoría financiera moderna |
| Authors: | Miranda Gómez, Kevin Andrés Olmedo Navarro, Cesar Alejandro, Director Armijos de la Cruz, Benigno Alfredo, Evaluador 1 Vásquez Castro, Caterine Narcisa, Presidenta |
| Keywords: | Análisis Predictivo Patrones Transacciones comerciales Empresa exportadora Sector acuícola Utilizando Machine Learning Auditoría Financiera Moderna |
| Issue Date: | 2025 |
| Publisher: | ESPOL.FCSH |
| Citation: | Miranda Gómez K.A. (2025) Análisis predictivo de patrones en transacciones comerciales en una empresa exportadora del sector acuícola utilizando machine learning para la auditoría financiera moderna [proyecto de Titulación] Escuela Superior Politécnica del Litoral |
| Abstract: | CONDITION FOR PUBLICATION OF PROJECT. |
| Description: | CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. Este proyecto se orienta a resolver la necesidad de detectar de manera anticipadas patrones inusuales en las transacciones comerciales de una empresa exportadora del sector acuícola, con el propósito de fortalecer la auditoría financiera moderna y contemporánea y minimizar riesgos asociados a prácticas irregulares o fraudes. El objetivo principal del trabajo fue utilizar modelos de análisis predictivo que, mediante la aplicación de técnicas de aprendizaje automático, posibilite la identificación de comportamiento extraños y tendencias relevantes en los mercados de exportación y mercado local. La metodología adoptada se basó en el modelo CRISP-DM, que se caracteriza en los proyectos de ciencia de datos, integrando las fases de comprensión del negocio y de los datos, preparación, modelado, evaluación y diseño de la propuesta; se clasifica como un proyecto de solución tecnológica. La estructura del trabajo empieza desde la exposición del problema hasta la implementación e interpretación de algoritmos de machine learning supervisados y no supervisados, que incluyen DBSCAN, isolation forest, random forest y regresión logística, para finalmente formular una propuesta de aplicación. Como parte significativa, el proyecto permitió identificar con precisión patrones y anomalías que optimizan el control interno en contabilidad, respaldan decisiones estratégicas y dotan a la empresa de una herramienta muy útil en la nube para el monitoreo continuo de sus transacciones, incorporando capacidades analíticas de un nivel alto a su sistema de control interno. |
| URI: | http://www.dspace.espol.edu.ec/handle/123456789/67597 |
| metadata.dc.identifier.codigoproyectointegrador: | POSTG094 |
| Appears in Collections: | Tesis de Maestría en Contabilidad Y Auditoria Mención Analítica De Datos |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| T-115631 POSTG094 MIRANDA KEVIN.pdf | 2.73 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.