Análisis predictivo de patrones en transacciones comerciales en una empresa exportadora del sector acuícola utilizando machine learning para la auditoría financiera moderna

Miranda Gómez, Kevin Andrés; Olmedo Navarro, Cesar Alejandro, Director; Armijos de la Cruz, Benigno Alfredo, Evaluador 1; Vásquez Castro, Caterine Narcisa, Presidenta

DSpace Home
→
Unidades Académicas
→
Facultad de Ciencias Sociales y Humanísticas
→
Tesis de Maestría en Contabilidad Y Auditoria Mención Analítica De Datos
→
View Item

dc.contributor.author	Miranda Gómez, Kevin Andrés
dc.contributor.author	Olmedo Navarro, Cesar Alejandro, Director
dc.contributor.author	Armijos de la Cruz, Benigno Alfredo, Evaluador 1
dc.contributor.author	Vásquez Castro, Caterine Narcisa, Presidenta
dc.date.accessioned	2026-02-06T15:43:10Z
dc.date.available	2026-02-06T15:43:10Z
dc.date.issued	2025
dc.identifier.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	es_EC
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/67597
dc.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.	es_EC
dc.description.abstract	CONDITION FOR PUBLICATION OF PROJECT.	es_EC
dc.publisher	ESPOL.FCSH	es_EC
dc.subject	Análisis Predictivo	es_EC
dc.subject	Patrones	es_EC
dc.subject	Transacciones comerciales	es_EC
dc.subject	Empresa exportadora	es_EC
dc.subject	Sector acuícola	es_EC
dc.subject	Utilizando Machine Learning	es_EC
dc.subject	Auditoría Financiera Moderna	es_EC
dc.title	Análisis predictivo de patrones en transacciones comerciales en una empresa exportadora del sector acuícola utilizando machine learning para la auditoría financiera moderna	es_EC
dc.type	Thesis	es_EC
dc.identifier.codigoespol	T-115631
dc.identifier.codigoproyectointegrador	POSTG094