Mejora en detección de anomalías con impacto en revenue para un ecommerce

"Los negocios digitales enfrentan pérdidas por compras potenciales no ejecutadas (Nike.com U$D 341.000 pérdidas de Revenue por hora fuera de servicio) debido a fallas en sus sistemas del sitio web. Por otro lado, la implementación de sistemas de monitoreo con indicadores, detección de anomalías...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Molina, Rodrigo Hernán
Formato: Tesis de maestría
Lenguaje:Español
Publicado: 2025
Materias:
ECOMMERCE, RETAIL, ANALYTICS, REVENUE, ANOMALÍA, DETECCIÓN, TRANAD TRANSFORMERS
Acceso en línea:https://hdl.handle.net/20.500.14769/5062
Aporte de:
Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA) de Instituto Tecnológico de Buenos Aires (ITBA)
id I32-R138-20.500.14769-5062
record_format dspace
spelling I32-R138-20.500.14769-50622026-01-07T14:21:41Z Mejora en detección de anomalías con impacto en revenue para un ecommerce Molina, Rodrigo Hernán ECOMMERCE, RETAIL, ANALYTICS, REVENUE, ANOMALÍA, DETECCIÓN, TRANAD TRANSFORMERS "Los negocios digitales enfrentan pérdidas por compras potenciales no ejecutadas (Nike.com U$D 341.000 pérdidas de Revenue por hora fuera de servicio) debido a fallas en sus sistemas del sitio web. Por otro lado, la implementación de sistemas de monitoreo con indicadores, detección de anomalías y alertas también incurre en gastos, dado que los equipos deben dedicar tiempo a analizar y diagnosticar las alertas que frecuentemente no tienen una explicación evidente. En el presente trabajo se analiza el caso de un sitio eCommerce de un Retail de ropa deportiva, que enfrenta este problema con un promedio de 2 alarmas por hora, y con afecciones sobre 5 indicadores al mismo tiempo. Se comparan la solución actual Prophet vs una red LSTM-Autoencoder vs el modelo TranAD basado en Transformers, y se analizan los resultados. Finalmente se propone un nuevo enfoque basado en el modelo TranAD, de manera de mejorar la detección de anomalías, y reducir el stress y tiempo invertidos. Este nuevo modelo permite realizar un análisis integral de los múltiples KPIs, encontrar dependencias y patrones en los datos, y detectar nuevas anomalías sistémicas. 2025-09-22T13:30:06Z 2025-09-22T13:30:06Z 2025-04-22 Tesis de maestría https://hdl.handle.net/20.500.14769/5062 es application/pdf
institution Instituto Tecnológico de Buenos Aires (ITBA)
institution_str I-32
repository_str R-138
collection Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA)
language Español
topic ECOMMERCE, RETAIL, ANALYTICS, REVENUE, ANOMALÍA, DETECCIÓN, TRANAD TRANSFORMERS
spellingShingle ECOMMERCE, RETAIL, ANALYTICS, REVENUE, ANOMALÍA, DETECCIÓN, TRANAD TRANSFORMERS
Molina, Rodrigo Hernán
Mejora en detección de anomalías con impacto en revenue para un ecommerce
topic_facet ECOMMERCE, RETAIL, ANALYTICS, REVENUE, ANOMALÍA, DETECCIÓN, TRANAD TRANSFORMERS
description "Los negocios digitales enfrentan pérdidas por compras potenciales no ejecutadas (Nike.com U$D 341.000 pérdidas de Revenue por hora fuera de servicio) debido a fallas en sus sistemas del sitio web. Por otro lado, la implementación de sistemas de monitoreo con indicadores, detección de anomalías y alertas también incurre en gastos, dado que los equipos deben dedicar tiempo a analizar y diagnosticar las alertas que frecuentemente no tienen una explicación evidente. En el presente trabajo se analiza el caso de un sitio eCommerce de un Retail de ropa deportiva, que enfrenta este problema con un promedio de 2 alarmas por hora, y con afecciones sobre 5 indicadores al mismo tiempo. Se comparan la solución actual Prophet vs una red LSTM-Autoencoder vs el modelo TranAD basado en Transformers, y se analizan los resultados. Finalmente se propone un nuevo enfoque basado en el modelo TranAD, de manera de mejorar la detección de anomalías, y reducir el stress y tiempo invertidos. Este nuevo modelo permite realizar un análisis integral de los múltiples KPIs, encontrar dependencias y patrones en los datos, y detectar nuevas anomalías sistémicas.
format Tesis de maestría
author Molina, Rodrigo Hernán
author_facet Molina, Rodrigo Hernán
author_sort Molina, Rodrigo Hernán
title Mejora en detección de anomalías con impacto en revenue para un ecommerce
title_short Mejora en detección de anomalías con impacto en revenue para un ecommerce
title_full Mejora en detección de anomalías con impacto en revenue para un ecommerce
title_fullStr Mejora en detección de anomalías con impacto en revenue para un ecommerce
title_full_unstemmed Mejora en detección de anomalías con impacto en revenue para un ecommerce
title_sort mejora en detección de anomalías con impacto en revenue para un ecommerce
publishDate 2025
url https://hdl.handle.net/20.500.14769/5062
work_keys_str_mv AT molinarodrigohernan mejoraendetecciondeanomaliasconimpactoenrevenueparaunecommerce
_version_ 1854267337490825216

Ejemplares similares