Este estudio emplea técnicas avanzadas de minería de datos para realizar un análisis exhaustivo de los datos de importación de Ecuador que abarcan tres décadas, de 1990 a 2021. Al aprovechar el algoritmo de agrupamiento k-means, identificamos meticulosamente anomalías dentro de las partidas arancelarias. Se utilizó un conjunto de datos completo que abarca partidas arancelarias, años y variables clave como el volumen de importación, los valores CIF y FOB, el costo de importación y el atractivo comercial. El modelo de minería de datos generó informes reveladores que identificaron con precisión patrones anómalos en las partidas arancelarias. Estos informes permiten a los expertos profundizar en las causas subyacentes de estas anomalías, lo que les permite tomar decisiones bien informadas para optimizar las estrategias de importación de Ecuador. Nuestra investigación subraya el potencial transformador de la minería de datos para detectar anomalías en las importaciones, proporcionando inteligencia valiosa para la gestión estratégica del comercio exterior de Ecuador. Los hallazgos contribuyen significativamente a la prevención del fraude aduanero y las prácticas comerciales desleales, mejorando en última instancia la competitividad del sector importador del país.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Referencias
Al Ayub Ahmed, A., Rajesh, S., Lohana, S., Ray, S., Maroor, J. P., & Naved, M. (2023). Using Machine Learning and Data Mining to Evaluate Modern Financial Management Techniques (pp. 249-257). https://doi.org/10.1007/978-981-19-0108-9_26
Banco Central del Ecuador. (2023). Estadísticas de Comercio Exterior.
Djayeola, B. M., & Fujs, T. (2018). Policies, Technology, and Quality Returns from the World Development Indicators. Statistika: Statistics & Economy Journal, 98(4).
Gonzáles Argote, H. R., & Ticona Gonzáles, U. A. (2019). Clustering, mediterraneidad y comercio internacional: aplicación empírica de los algoritmos Partitioning Around Medoids y K-means. Revista Latinoamericana de desarrollo económico, 32, 95-129.
López, D. S. M., Orellana, M., Tonon Ordóñez, L. B., & Zambrano-Martinez, J. L. (2023). Modelo Visual del Comercio Externo en Exportaciones Ecuatorianas. Revista Tecnológica-ESPOL, 35(2), 143-156.
Morales Zurita, G. B. (2023). La inflación y el comercio exterior agropecuario en el Ecuador. Universidad Técnica de Ambato. Facultad de Contabilidad y Auditor’ia. Carrera~….
Orellana, M., Acosta-Urigüen, M.-I., & García, R. R. (2022). Implementation of Clustering Techniques to Data Obtained from a Memory Match Game Oriented to the Cognitive Function of Attention (pp. 201-216). https://doi.org/10.1007/978-3-031-18272-3_14
Plotnikova, V., Dumas, M., & Milani, F. P. (2022). Applying the CRISP-DM data mining process in the financial services industry: Elicitation of adaptation requirements. Data & Knowledge Engineering, 139, 102013. https://doi.org/10.1016/j.datak.2022.102013
Quintana, R. A., Donoso, M. R., Kusactay, V., Chagerben, W. M., & Espinoza, J. B. (2021). Introducción al Comercio Exterior. Liveworkingeditorial.
Suárez, Y. R., & Amador, A. D. (2009). Herramientas de minería de datos. Revista Cubana de Ciencias Informáticas, 3(3-4), 73-80.
Tan, X. S., Yang, Z., Benlimane, Y., & Liu, E. (2020). Using Classification with K-means Clustering to Investigate Transaction Anomaly. 2020 IEEE International Conference on Industrial Engineering and Engineering Management (IEEM), 171-174.
The World Bank Group. (2024). World Development Indicators.
Wohl, I., & Kennedy, J. (2018). Neural Network Analysis of International Trade.
Wulff, J. N., & Jeppesen, L. E. (2017). Multiple imputation by chained equations in praxis: guidelines and review. Electronic Journal of Business Research Methods, 15(1), 41-56.