Show simple item record

dc.rights.licensehttps://creativecommons.org/licenses/by-sa/2.5/ar/es_AR
dc.contributor.advisorMartos Venturini, Gabrieles_Ar
dc.contributor.authorSantangelo, María Belénes_AR
dc.date.accessioned2023-06-06T17:55:20Z
dc.date.available2023-06-06T17:55:20Z
dc.date.issued2021
dc.identifier.urihttps://repositorio.utdt.edu/handle/20.500.13098/11870
dc.description.abstractEl problema en torno a la predicción de la demanda resulta fundamental en la industria láctea debido principalmente a las características propias de sus productos como la fecha corta de vencimiento, la imposibilidad de stockearlos y la alta rotación de los mismos. No contar con niveles de inventarios adecuados en las tiendas se traduce en quiebres de góndola o devoluciones – ambos con sus costos financieros y logísticos aparejados. El objetivo del presente trabajo fue entonces modelar, a través de diferentes técnicas de aprendizaje supervisado, la demanda en tres cadenas de supermercados. Para ello, se utilizaron datos de sell in, sell out y variables que ofrecían información característica de los productos y las tiendas. Los resultados encontrados en las tres cadenas fueron muy similares. El modelo con el que se alcanzó la mejor performance predictiva sobre un conjunto de validación fue el XGBoost en los tres casos. Dentro de los outputs encontrados más destacables de los modelos se encuentra la importante influencia que ejercen las variables históricas en la demanda ya que, tanto los precios como las demandas de las semanas anteriores resultaron ser de las variables más significativas a la hora de predecir la variable objetivo. Este fenómeno contribuye a dar mayor visibilidad y tomar decisiones en torno a los niveles de inventarios que deberían tener las tiendas de cara a la implementación de acciones comerciales, aumentos de precio o lanzamientos de nuevos productos – entre otros - para evitar quiebres de góndola, así como también, excesos de inventario que se traduzcan luego en devoluciones.es_AR
dc.format.extent70 p.es_AR
dc.format.mediumapplication/pdfes_AR
dc.languagespaes_AR
dc.publisherUniversidad Torcuato Di Tellaes_AR
dc.rightsinfo:eu-repo/semantics/openAccesses_AR
dc.subjectPredicción tecnológicaes_AR
dc.subjectCapacidad de producciones_AR
dc.subjectDemandaes_AR
dc.subjectComportamiento del Consumidores_AR
dc.titleModelos predictivos del nivel de demanda en la industria láctea: un abordaje para reducir los costos asociados a la gestión de devoluciones y evitar quiebres de góndolaes_AR
dc.typeinfo:eu-repo/semantics/masterThesises_AR
dc.typeinfo:ar-repo/semantics/tesis de maestríaes_AR
thesis.degree.nameMaster in Management & Analyticsen
dc.subject.keywordIndustria lácteaes_AR
dc.subject.keywordxgboostes_AR
dc.type.versioninfo:eu-repo/semantics/acceptedVersiones_AR


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record