1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ciencias Sociales y Humanísticas
4. Tesis en Auditoría y Control de Gestión FCSH

Title:	Evaluación financiera para maximizar ingresos provenientes de alquileres comerciales en una terminal terrestre utilizando modelos predictivos
Authors:	González Magallanes, Yessenia , Director Navarro Pambi, Mylady Juana Ronquillo San Martin, Betzabeth Isabel Manya Orellana, Marlon, Profesor de Materia
Keywords:	Plataforma Digital COSO ERM 2017 Machine Learning
Issue Date:	2024
Publisher:	ESPOL.FCSH
Citation:	Navarro Pambi, M. J., Ronquillo San Martin, B. I. y Manya Orellana, M. (2024). Evaluación financiera para maximizar ingresos provenientes de alquileres comerciales en una terminal terrestre utilizando modelos predictivos. [Proyecto Integrador]. ESPOL.FCSH .
Description:	El propósito de este proyecto es evaluar financieramente las estrategias actuales de alquiler de locales comerciales en la FTTG, diseñando soluciones que permitan maximizar los ingresos mediante el uso de modelos predictivos y herramientas digitales. Este análisis se justifica por la necesidad de reducir el costo de oportunidad causado por un 14 % de desocupación, así como por la falta de una gestión digital eficiente en los procesos de subasta y promoción de locales. La metodología aplicada incluyó un análisis situacional, la evaluación del proceso actual de subastas, y el diseño de un modelo predictivo basado en Machine Learning. Además, se utilizó información histórica sobre ocupación de locales entre 2023 y 2024, junto con entrevistas realizadas al área financiera de la FTTG. Como parte del desarrollo, se diseñó un prototipo de alta fidelidad de una plataforma digital de gestión que integra herramientas de gestión administrativa y módulos de automatización de procesos. La propuesta incorpora un modelo predictivo que optimiza los precios de subasta de manera dinámica, incrementando su competitividad, y una plataforma digital que centraliza la información, automatiza tareas administrativas y promueve los locales vacantes. Se concluye que la implementación de estas herramientas es viable y efectiva, ya que permite maximizar los ingresos por alquileres, reducir tiempos operativos y mejorar la eficiencia en la gestión de arrendamientos. Palabras claves: Plataforma Digital, COSO ERM 2017, Machine Learning.
metadata.dc.description.abstractenglish:	The purpose of this project is to financially evaluate the current strategies for renting commercial premises at the Guayaquil Terminal Terrestre Foundation (FTTG), designing solutions to maximize revenues through the use of predictive models and digital tools. This analysis is justified by the need to reduce the opportunity cost caused by a 14% vacancy rate, as well as by the lack of efficient digital management in the processes of auctioning and promotion of premises. The methodology applied included a situational analysis, the evaluation of the current auction process, and the design of a predictive model based on Machine Learning. In addition, historical information on occupancy of premises between 2023 and 2024 was used, together with interviews conducted with the financial area of the FTTG. As part of the development, a digital platform prototype was designed that integrates administrative management tools and process automation modules. The proposal incorporates a predictive model that optimizes auction prices dynamically, increasing their competitiveness, and a digital platform that centralizes information, automates administrative tasks and promotes vacant premises. It is concluded that the implementation of these tools is viable and effective, as it allows maximizing rental income, reducing operating times and improving efficiency in lease management. Keywords: Digital Platform, COSO ERM 2017, Machine Learning.
URI:	http://www.dspace.espol.edu.ec/handle/123456789/65577
metadata.dc.identifier.codigoproyectointegrador:	ADMI-1140
Appears in Collections:	Tesis en Auditoría y Control de Gestión FCSH

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.