Estudio comparativo de clusterización y seguimiento de incidencias en códigos postales mediante algoritmos de K Means y SOM

Abstract

La problemática que busca resolver este TFT radica en la necesidad que tiene una empresa de transportes en identificar qué zonas geográficas de sus distintas áreas de actuación son más problemáticas, considerando como tal, aquellas que reciben más incidencias o que el coste de estas es mayor. Para esto se hace uso de herramientas y metodologías tanto de segmentación (RFM) como de clusterización mediante inteligencia artificial (K-means y SOM). De este modo, poder aplicar soluciones y reducir así sus costes en reparto, al aplicar determinadas soluciones a las zonas geográficas más problemáticas, así como lograr mejorar su servicio al cliente.

The problem that this thesis seeks to solve lies in the need for a transport company to identify which geographical locations o f its different areas of operation are more problematic whether because they receive more incidents or because the cost of these is higher. For this purpose, both tools and methodologies of segmentation (RFM) and cl u ster ing by means o f artificial intelligence ( K means and SOM) are used. In this way, solutions could be provided and thus reduce their costs in distribution, by applying certain solutions to the most problematic ge ographical areas, as well as achieve an improvement in their customer service.