| Summary: | La importancia de pronosticar o prever el nivel de ventas es vital para la supervivencia de una empresa. Al no tener un patrón claro, la investigación sobre mejores modelos continúa en desarrollo. A través del avance tecnológico ha sido posible desarrollar aplicaciones basadas en redes neuronales artificiales (RNA), enfocadas en el desarrollo de pronóstico de ventas de productos de consumo frecuente, mejorando la exactitud de los sistemas de pronóstico tradicionales. En el presente estudio se compara el desempeño de los modelos tradicionales frente a sistemas más desarrollados como son redes neuronales artificiales y máquinas de soporte vectorial o regresión de soporte vectorial (SVM-SVR). Se demuestra la importancia de considerar factores externos como indicadores macroeconómicos e internos como los microeconómicos, (por ejemplo, precios de productos relacionados), los cuales afectan el nivel de ventas en una organización. Estas consideraciones no se habían tomado en cuenta en el pasado. La aplicación de este estudio fue en un supermercado. En primera instancia se realizó un pre-procesado para limpiar, adecuar y normalizar las bases de datos. Luego, debido a que no se tenía información etiquetada respecto a cuáles pares de productos eran sustitutos o complementarios, fue necesario aplicar un análisis de elasticidad cruzada. Además, se considera una media armónica (f1-score) en varios puntos para establecer prioridades en algunos productos y resultados obtenidos. Estudios en los que se realizan análisis comparativos entre pronósticos, demuestran la eficacia al usar redes neuronales, se presenta en: [7], [16] y [25]. El modelo propuesto en este estudio presenta una potencial aplicación en el pronóstico de ventas de productos de alta rotación en supermercados, ya que sus resultados son más exactos que los obtenidos con procedimientos tradicionales.
|
|---|