Examinando por Autor "Salvit, Jordan"

Mostrando 1 - 1 de 1
  • Miniatura
    PublicaciónAcceso abierto
    Marco de implementación de modelos de pronóstico de ventas en empresas de e-commerce
    (Universidad EIA, 2023) Echeverri Castrillón, Simón; Salvit, Jordan
    RESUMEN: en este estudio se desarrollan y comparan tres modelos de diferentes naturalezas en el pronóstico de ventas de siete empresas que participan en E-Commerce: el Random Forest Regressor, ARIMA y un modelo diseñado en este trabajo, llamado Modelo de Promedio Lineal y Tasa de Tendencia, con el fin de permitirle a las empresas realizar un apropiado seguimiento de metas de ventas y tomar decisiones previendo escenarios futuros. Los modelos son desarrollados en Python utilizando librerías como Pandas, Scikit-Learn, y pmdarima. Las variables seleccionadas para predecir las ventas se basan en la fecha y los valores históricos de las ventas, por lo cual se adentra en el área de pronóstico de series temporales. Para implementar los modelos se dividen los datos de las siete empresas en datos de entrenamiento y prueba, siguiendo una división de 75% para entrenamiento y 25% para prueba. Para cada empresa, para cada uno de los modelos, se utilizan los datos de entrenamiento para encontrar la configuración óptima del mismo, utilizando posteriormente los datos de prueba para evaluar su desempeño, a través de la métrica MAPE. Se encuentra que el modelo más acertado para predecir las ventas de las empresas es Modelo de Promedio Lineal y Tasa de Tendencia, con un MAPE promedio de 18.98%, seguido por el Random Forest Regressor, con un MAPE promedio de 19.27%. Se encuentra que los pronósticos de las ventas futuras de las empresas, a pesar de ser aceptables en el corto plazo, convergen a una serie de valores fijos rápidamente. Se recomienda para futuros trabajos incluir variables exógenas para el pronóstico de las ventas, con el fin de reducir el MAPE y mejorar la precisión de los pronósticos.