MODELOS DE CONTABILIDAD DIRECTIVA PARA OPTIMIZAR EL UNBUNDLING APALANCADO POR MINERÍA DE DATOS

Autores/as

  • DANIEL FARRÉ
  • PAULA LUCÍA FARRÉ

Palabras clave:

elasticidad, precios, unbundling, clustering, machine learning

Resumen

El artículo estudia la aplicación de enfoques y modelos de Gestión y Costos sobre la técnica de Desagregación (Unbundling) de Mercadotecnia, poten­ciado por el análisis de grupos con aprendizaje automatizado (clustering con machine learning) de la Minería de Datos.

El avance exponencial de la Ciencia de Datos durante la última década im­pacta positivamente en distintas técnicas tradicionales de gestión. La com­binación de modelos de gestión sobre el unbundling tradicional en em­presas de mercados competitivos (de elasticidad conocida) que estuviesen operando en óptimos de mercado con desaprovechamiento de capacidad permite optimizar el nuevo precio para lograr objetivos múltiples: aumento de participación de mercado y rentabilidad y disminución de capacidad ociosa. Yendo más lejos aún, la incorporación de la técnica de clustering con apren­dizaje automatizado a dichos modelos permite un análisis de mayor granula­ridad del comportamiento del mercado ante el unbundling, aumentando los beneficios por la segmentación de ofertas.

Descargas

Publicado

2021-12-08

Cómo citar

FARRÉ, D., & FARRÉ, P. L. . . (2021). MODELOS DE CONTABILIDAD DIRECTIVA PARA OPTIMIZAR EL UNBUNDLING APALANCADO POR MINERÍA DE DATOS. Revista Del Instituto Internacional De Costos, (19), 117–135. Recuperado a partir de https://intercostos.org/ojs/index.php/riic/article/view/52

Número

Sección

ARTÍCULOS PROFESIONALES, REPORTES DE CASOS Y APORTES PEDAGÓGICOS