Clasificación automática de empresas en sectores a partir de su descripción de actividad

Abstract

[ES] La NACE (Nomenclature of Economic Activities) es un sistema que se encarga de clasificar empresas a nivel europeo según su actividad principal y secundaria. Hoy en día, son las propias empresas las que seleccionan manualmente el código que mejor describe su actividad económica, lo que en ocasiones puede ser inexacto. Este Trabajo de Fin de Grado tiene como objetivo proponer y evaluar alternativas para la clasificación automática de las empresas mediante técnicas de aprendizaje automático y procesamiento de datos textuales. Se empleará información obtenida de la base de datos SABI para llevar a cabo este estudio. El TFG busca mejorar la precisión y eficiencia de la clasificación realizada actualmente por la NACE. Se utilizarán las descripciones de actividad que las propias empresas proporcionan al incluirse en la NACE para realizar una nueva clasificación mediante técnicas de aprendizaje automático y procesamiento de texto. Los resultados esperados incluyen una mayor precisión en la asignación de códigos NACE, lo que facilitará la identificación y comparación de empresas dentro de un mismo sector económico.

[EN] The NACE (Nomenclature of Economic Activities) is a system that classifies companies at European level according to their main and secondary activity. Nowadays, it is the companies themselves that manually select the code that best describes their economic activity, which can sometimes be inaccurate. This Final Degree Project aims to propose and evaluate alternatives for the automatic classification of companies using machine learning techniques and textual data processing. Information obtained from the SABI database will be used to carry out this study. The TFG aims to improve the accuracy and efficiency of the current NACE classification. The activity descriptions provided by the enterprises themselves when they are included in the NACE will be used to make a new classification using machine learning and text processing techniques. The expected results include greater accuracy in the assignment of NACE codes, which will facilitate the identification and comparison of enterprises within the same economic sector.