Desarrollo de solución analítica para la predicción de la demanda de línea

RESUMEN: Una de las aplicaciones actuales de la ciencia de datos y que ha cobrado gran relevancia, es el aprendizaje y posterior predicción del comportamiento de la demanda de productos, que puede estudiarse a partir de diferentes metodologías estadísticas enfocadas en el tiempo. Sin embargo, debido a la variabilidad de la demanda y de las variables que la afectan, es cada vez más complejo en el día de hoy realizar una proyección similar a la realidad, sobre todo si existe influencia por otros productos de la compañía o de la competencia. Ejemplo de esto puede ser la activación o creación de ofertas (promociones) que pueden producir como efecto una disminución en la demanda de los productos de línea, este fenómeno se conoce como “canibalización”. El comportamiento de este fenómeno repercute gravemente a la planeación eficiente de la cadena de suministro, en cuyo caso, su incorrecto analisis y pronostico afecta a indicadores importantes como desguace (producto terminado vencido) y nivel de servicio. Por lo anterior, fue necesario construir una solución asertiva para mejorar el entendimiento del fenómeno y para el desarrollo de una solución basada en un modelo de predicción. En primer lugar, se identificaron las variables que afectan la demanda de los productos de línea cuando existen promociones; Luego, se obtuvo la información pertinente de las variables con sus históricos, posteriormente se organizó y se estructuro adecuadamente esta información, de acuerdo a los lineamientos requeridos para la correcta predicción con el fin de aumentar la precisión del modelo a la realidad y por último, se implementó el modelo y se realizaron pruebas de verificación y validación de los resultados para evaluar el rendimiento del modelo con la metodología actual. Todo lo anterior apoyado del equipo comercial y de monitoreo de la cadena de suministro de la compañía. Los resultados del proyecto fueron aceptados por los expertos del negocio y se tomó la decisión de continuar perfeccionando la solución.

• Autores: Cano Opina, Juan Esteban
• Tipo de recurso: http://purl.org/coar/resource_type/c_7a1f
• Fecha de publicación: 2021
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/18495
• Acceso en línea: http://hdl.handle.net/10495/18495
• Palabra clave: Análisis de regresión; Regression analysis; Inteligencia artificial; Artificial intelligence; Mercado; Markets; Oferta y demanda; Supply and demand; Productos competitivos; Ventas; Modelos de predicción; Productos alimenticios; http://vocabularies.unesco.org/thesaurus/concept2226; http://vocabularies.unesco.org/thesaurus/concept3052; http://vocabularies.unesco.org/thesaurus/concept13608; http://vocabularies.unesco.org/thesaurus/concept6436
• Rights: openAccess
• License: Atribución-NoComercial-CompartirIgual 2.5 Colombia