Métodos de aprendizaje estadístico para estimar pronósticos de ventas de productos que afectan a la cadena de suministro de una empresa de consumo masivo en la ciudad de Guayaquil

Abstract

En la actualidad las venta del sector alimentario en el Ecuador está en constante crecimiento, especialmente en la industria de comercio minorista, debido a esto, los pronósticos de ventas constituyen un factor de alto interés para mejorar la competitividad dentro de las industrias. Para modelizar el comportamiento de compras individuales de los clientes y sus características de grupos, se recurre a las técnicas multivariantes de clusterización usando el método K-means y la caracterización mediante el método CHAID, que ayudan a simular el comportamiento real de ventas, que es uno de los problemas principales en los modelos de pronósticos. A partir de estas técnicas se identificaron se determinaron 7 segmentos de clientes homogéneos con características de compras similares que ayudaron a la identificación de variables relevantes para la generación de pronósticos de ventas más confiables y precisos a nivel de categorías por número de ordenes procesadas. Mediante la utilización de aprendizaje estadístico, utilizamos los modelos de pronósticos: regresión lineal, K-vecinos más cercanos (KNN) y Árboles de regresión. Los resultados de los pronósticos mostraron que el mejor modelo para ajustar los datos para las categorías de los distintos segmentos de clientes es el modelo de Regresión lineal, presentando medidas de errores más bajas en cuanto a MAPE y RMSE con relación a las medidas presentadas por los modelos KNN y Árboles de regresión, obteniendo resultados sobresalientes especialmente en laa categorías Papel Higiénico del segmento de clientes C con un MAPE apenas del 2,77% y un MAPE de 3,14% en la categoría Toallas Húmedas.