Implementación de modelos predictivos en automóviles Nescar S.A.S.

Abstract

El presente proyecto de investigación tiene como objetivo desarrollar e implementar un modelo predictivo basado en técnicas de aprendizaje automático para mejorar la estimación del valor de vehículos usados en la empresa Automóviles Nescar S.A.S. Actualmente, la valoración de estos vehículos suele realizarse mediante criterios empíricos y referencias generales del mercado, lo que puede generar inconsistencias y limitar la precisión en los procesos de negociación. Ante esta problemática, se propone el uso de herramientas de analítica de datos e inteligencia artificial que permitan realizar estimaciones más objetivas y basadas en información real del mercado. La investigación adopta un enfoque cuantitativo, mediante la recolección y análisis de datos obtenidos a través de técnicas de web scraping y registros históricos del sector automotor. Posteriormente, la información es procesada y analizada mediante modelos de aprendizaje automático como regresión lineal y algoritmos de machine learning, los cuales permiten identificar patrones entre variables como marca, modelo, año de fabricación, kilometraje y estado del vehículo. Los resultados esperados buscan contribuir a la construcción de un sistema automatizado de valoración vehicular que mejore la precisión en la fijación de precios, optimice la toma de decisiones comerciales y fortalezca la competitividad de Automóviles Nescar S.A.S. en el mercado automotor colombiano.

This research project aims to develop and implement a predictive model based on machine learning techniques to improve the estimation of used vehicle values at Automóviles Nescar S.A.S. Currently, the valuation of these vehicles is usually carried out through empirical criteria and general market references, which can generate inconsistencies and limit precision in negotiation processes. To address this problem, the use of data analytics and artificial intelligence tools is proposed to enable more objective estimations based on real market information. The research adopts a quantitative approach, through the collection and analysis of data obtained via web scraping techniques and historical records from the automotive sector. Subsequently, the information is processed and analyzed using machine learning models such as linear regression and machine learning algorithms, which allow the identification of patterns among variables such as brand, model, year of manufacture, mileage and vehicle condition. The expected results seek to contribute to the construction of an automated vehicle valuation system that improves pricing accuracy, optimizes commercial decision-making and strengthens the competitiveness of Automóviles Nescar S.A.S. in the Colombian automotive market. Keywords: machine learning, vehicle valuation, used vehicles, predictive models, web scraping, data analytics.