Forecast de ventas de Gatorade: aplicación de modelos predictivos en la planificación de inventario

Abstract

Anticipar con precisión la demanda es fundamental en el sector de las bebidas deportivas, dado que factores como el clima, las preferencias de los consumidores y la dinámica en los puntos de venta pueden generar fluctuaciones significativas en las ventas. Tener herramientas de predicción eficaces facilita la optimización de la producción del concentrado para Gatorade, la administración eficiente de los inventarios y prevenir inconvenientes de vencimiento o faltantes de mercadería. Este trabajo investiga diversas técnicas de predicción para calcular la demanda de Gatorade en Argentina, utilizando modelos de aprendizaje automático como Random Forest, XGBoost y LightGBM. Mediante el estudio de datos históricos de ventas, se examinó el impacto de varias variables en la proyección, determinando que los rezagos en las ventas recientes (t-1, t-2, t-3), la estacionalidad anual y el medio de distribución son los elementos más cruciales en el consumo. Se contrastó el rendimiento de estos modelos empleando métricas de error y métodos de optimización de hiperparámetros, lo que posibilitó incrementar la exactitud de las proyecciones. La investigación no solo proporciona una táctica eficaz para optimizar la organización del inventario de Gatorade, sino que también evidencia la importancia de emplear modelos predictivos en la toma de decisiones de negocio. Detectar las variables fundamentales en la demanda facilita la adaptación de la producción de forma más eficaz, garantizando una distribución más equitativa del producto y optimizando los recursos en toda la cadena de abastecimiento.