Resumen:
|
[ES] Con el cambio en los hábitos de consumo hacia opciones más sostenibles, saludables, vegetarianas y bajas en grasas, la industria alimentaria se enfrenta al reto de adaptarse continuamente a estas nuevas tendencias. ...[+]
[ES] Con el cambio en los hábitos de consumo hacia opciones más sostenibles, saludables, vegetarianas y bajas en grasas, la industria alimentaria se enfrenta al reto de adaptarse continuamente a estas nuevas tendencias. Este Trabajo Final de Grado tiene como objetivo estudiar cómo la adaptación de las empresas se relaciona con la competitividad de estas. En primer lugar, se estudian los antecedentes en la industria agroalimentaria y se presentan diversas nuevas tendencias en el sector. A continuación, utilizando los indicadores digitales obtenidos de la base de datos SABI, se realiza el análisis mediante el lenguaje de programación R y técnicas de inteligencia de negocios. Para ello, tras usar dos técnicas previas (PCA y clusters) se aplican dos modelos estadísticos, clasificación y regresión. Para cada uno de estos dos modelos se aplica validación cruzada con tal de elegir el algoritmo que mejor resultado proporciona. Finalmente, se consigue concluir que las empresas que se adaptan a las nuevas tendencias son las que presentan mayor competitividad en el sector.
[-]
[EN] With the shift in consumer habits towards more sustainable, healthy, vegetarian, and low-fat options, the food industry faces the challenge of continuously adapting to these new trends. This Final Degree Project aims ...[+]
[EN] With the shift in consumer habits towards more sustainable, healthy, vegetarian, and low-fat options, the food industry faces the challenge of continuously adapting to these new trends. This Final Degree Project aims to study how companies' adaptation relates to their competitiveness. First, the background of the agri-food industry is examined, and various new trends in the sector are presented. Then, using digital indicators obtained from the SABI database, the analysis is conducted using the R programming language and business intelligence techniques. For this purpose, after applying two preliminary techniques (PCA and clustering), two statistical models, classification and regression, are applied. For each of these models, cross-validation is performed to choose the algorithm that provides the best results. Finally, it is concluded that companies that adapt to new trends are the ones that show greater competitiveness in the sector.
[-]
|