Laboratorio de Gestión de la Información-LabGI
URI permanente para esta colecciónhttps://hdl.handle.net/20.500.14399/419
Examinar
Envíos recientes
Ítem Generación de modelos de aprendizaje automático para la predicción de sólidos totales en la industria láctea(Universidad Nacional de Rafaela, 2026-03-09) Berra, Delfina; Della Torre, María; Federico, MarianoEl presente trabajo detalla la experiencia de un proyecto tecnológico llevado adelante entre una importante industria láctea en la provincia de Santa Fe y el Laboratorio de Gestión de la Información de la Universidad Nacional de Rafaela. La misma consistió en el análisis de sólidos totales en leche cruda y se llevó a cabo mediante una metodología cuantitativa tomando de base el modelo CRISP-DM. Para la etapa de comprensión de datos se realizaron reuniones entre las partes. En la instancia de análisis, se determinaron las variables a ser utilizadas y su procesamiento en modelos estadísticos. Durante el modelado, se analizaron diferentes alternativas con algoritmos de aprendizaje automático, determinando que el que mejor funcionaba era regresión lineal. Para evaluarlos se tomó de referencia el error promedio. Por último, se desarrolló una herramienta, a través de un código en el lenguaje de programación Python, adaptada a la empresa y que pudiera predecir los sólidos totales. El trabajo permitió posicionar a la Universidad como referente en tecnologías y mejora de procesos, como así también acercar a la empresa a la ciencia de datos y a tomar decisiones ágiles e informadas a partir de la reducción de tiempos operativos en la actualización de recetas.Ítem Business education with an innovative approach: the case of the MBA at Universidad Nacional de Rafaela(Universidad Nacional de Rafaela, 2025-10-25) Berra, Delfina; Carmona, Rodrigo; Costamagna, Marcelo; Della Torre, María; Minetti, AndreaThis work aims to analyze the development of the UNRaf MBA, examining its curricular design and its impact on the development of leaders. Unlike other programs, the emphasis on technological innovation makes it a relevant case study for understanding how business schools can evolve in dynamic environments.Ítem Proceso de inteligencia competitiva en el mercado digital de una PyME de Rafaela, Santa Fe(Universidad Nacional de Rafaela, 2024-09-26) Berra, Delfina; Costamagna, Marcelo; Della Torre, María; Ferrero, Bruno; Gutiérrez, María Cecilia; Berra, D.; Costamagna, M.; Della Torre, M.; Ferrero, B.; Gutiérrez, M.C. (2024). Proceso de inteligencia competitiva en el mercado digital de una PyME de Rafaela, Santa Fe [Ponencia]. Universidad Nacional de Rafaela. Recuperado de RID UNRaf https://hdl.handle.net/20.500.14399/547La empresa con sede en Rafaela, Argentina, enfrenta un desafío crítico, carece de un sistema de métricas para evaluar su desempeño y el de sus competidores en el entorno digital, abarcando su presencia en el sitio web, redes sociales y su efectividad en Google, tanto en SEO como en SEM. Por mencionar un ejemplo, tenían identificados a sus competidores pero desconocían qué tipos de acciones en entornos digitales estaban realizando. La situación con clientes era similar: se conocía que clientes actuales y potenciales estaban presentes en el mundo digital pero no se llegaba a dimensionar sus comportamientos. Para abordar esta situación, se propuso la implementación de una estrategia de inteligencia competitiva. Esta medida se considera beneficiosa para identificar oportunidades de crecimiento en el mercado y sobresalir frente a la competencia, fundamentándose en el análisis de datos y métricas para proporcionar una base sólida en la toma de decisiones estratégicas. La estrategia recomendada para enfrentar este desafío es la inteligencia competitiva sistematizada, que implica un análisis continuo y replicable. Esto asegura que los datos utilizados en la toma de decisiones estén siempre actualizados, reflejando la situación del mercado en todo momento, reconociendo la naturaleza cambiante e impredecible del entorno. La resolución de este problema requiere un enfoque sistemático para no depender de un único análisis de la competencia. Esto permite a la empresa ajustar sus decisiones según las condiciones cambiantes del mercado, desarrollando ventajas competitivas de manera oportuna y evitando quedar rezagadas.Ítem Inteligencia de mercados en empresas : experiencias de transferencia en la Universidad Nacional de Rafaela(Universidad Nacional de Rafaela, 2026) Costamagna, Marcelo; Berra, Delfina; Della Torre, María; Minetti, AndreaEn este trabajo se describen dos casos de aplicación y transferencia de inteligencia competitiva y vigilancia tecnológica en organizaciones privadas, una empresa dedicada a la medicina privada y otra de telecomunicaciones. Ambas manifestaron realizar algunas prácticas referidas a inteligencia y vigilancia, aunque de manera aislada y sin sistematizar la actividad. Atendiendo a esta oportunidad, UNRaf decidió acercar una propuesta concreta de transferencia de conocimiento.Ítem Predicción de sólidos totales en una industria láctea mediante la aplicación de técnicas de aprendizaje automático(Universidad Nacional de Rafaela, 2025) Berra, Delfina; Della Torre, María; Ferrero, MarianoEl presente trabajo detalla la experiencia de un proyecto tecnológico llevado adelante entre una importante industria láctea en la provincia de Santa Fe y el Laboratorio de Gestión de la Información de la Universidad Nacional de Rafaela. La misma consistió en el análisis de sólidos totales en leche cruda y se llevó a cabo mediante una metodología cuantitativa tomando de base el modelo CRISP-DM. Para la etapa de comprensión de datos se realizaron reuniones entre las partes. En la instancia de análisis, se determinaron las variables a ser utilizadas y su procesamiento en modelos estadísticos. Durante el modelado, se analizaron diferentes alternativas con algoritmos de aprendizaje automático, determinando que el que mejor funcionaba era regresión lineal. Para evaluarlos se tomó de referencia el error promedio. Por último, se desarrolló una herramienta, a través de un código en el lenguaje de programación Python, adaptada a la empresa y que pudiera predecir los sólidos totales. El trabajo permitió posicionar a la Universidad como referente en tecnologías y mejora de procesos, como así también acercar a la empresa a la ciencia de datos y a tomar decisiones ágiles e informadas a partir de la reducción de tiempos operativos en la actualización de recetas.