Modelo de Forecast para predecir la demanda semanal de alimentos y bebidas de consumo masivo

Abstract

En este trabajo se expone una serie de modelos de analítica para mejorar las métricas de error de pronóstico de los productos principales en una empresa de consumo masivo en México. Para esto, se utilizaron las ventas históricas semanales de cada producto y mediante el análisis de las series de tiempo, la transformación y limpieza de los datos, se calibraron y evaluaron diferentes modelos de analítica hasta encontrar el modelo óptimo que minimizaba el error de pronóstico en cada uno de los productos seleccionados. Se encontró que los productos presentan divergencia en la dinámica de la demanda, por lo tanto, los modelos de mejor pronóstico varían entre sí. Entre los modelos evaluados, ARIMA y RandomForest fueron los algoritmos de mejor desempeño bajo las métricas seleccionadas. Por su parte, se hizo un ejercicio para cuantificar el ahorro en términos de manejo de inventario y ventas pérdidas que se puede implementar estos modelos. Finalmente, se espera que este documento sea un insumo para la toma de decisiones sobre el pronóstico de ventas y manejo de inventario de ahora en adelante.

In this paper, a series of analytical models are exposed to improve the forecast error metrics of the main products in a mass consumption company in Mexico. In order to address this, the historical sales of each product (on a weekly basis) were preprocessed and modeled using a time series analysis. The evaluation and calibration of different analytical models to reach the optimal form that minimized the forecast error in each of the selected products,was the stage to follow. Once the optimal model was found for every product, it was found that the historical demand/sales for every product presents divergence in the dynamics of their demand, therefore, the models with the best forecast vary among themselves. Over the evaluated models, ARIMA and Random Forest stood out as the algorithms with the best performance under the selected metric for comparisson. Moreover, an exercise was carried out to quantify the savings in terms of inventory management and lost sales that can be implemented by these models. Finally, this document is expected to be a valuable input within both the Sales forecasting and Inventory management's decision making process.