Pronóstico de la demanda basado en aprendizaje automático para la cadena de suministro minorista
Una cadena minorista de 200 tiendas experimentaba una tasa promedio de agotamiento de existencias del 12 % y altas pérdidas por rebajas de fin de temporada debido a pronósticos de demanda imprecisos. Sus modelos estadísticos no tenían en cuenta eventos locales, patrones climáticos ni calendarios promocionales.
Cliente
Confidential, Retail Chain Client
Líder del equipo
Sophie Müller
Fecha
Q1 2024
Desafío empresarial
Una cadena minorista de 200 tiendas experimentaba una tasa promedio de agotamiento de existencias del 12 % y altas pérdidas por rebajas de fin de temporada debido a pronósticos de demanda imprecisos. Sus modelos estadísticos no tenían en cuenta eventos locales, patrones climáticos ni calendarios promocionales.
Solución y enfoque
Desarrollamos una plataforma de pronóstico por conjuntos que combina Facebook Prophet para la descomposición de tendencias y estacionalidad con LightGBM para la predicción de ubicación de SKUs con múltiples funciones. El modelo incorpora señales externas (clima, eventos locales, promociones de la competencia) y se reentrena semanalmente mediante Airflow.
Capacidades entregadas
- Previsión de la demanda conjunta mediante Prophet y LightGBM
- Integración de señales externas (clima, eventos, promociones)
- Canal de reentrenamiento semanal a nivel de ubicación de SKU en Airflow
- Panel de recomendaciones de reposición para el comprador
- Seguimiento de la precisión de las previsiones y supervisión del rendimiento del modelo
Resultados comerciales
La tasa promedio de falta de stock se redujo del 12 % al 4,3 %, y las pérdidas por rebajas de fin de temporada disminuyeron un 28 %. La precisión de las previsiones del equipo de compras (medida por MAPE) mejoró del 31 % al 11 % de error.
4.3%
Tasa de agotamiento de existencias (reducida del 12%)
28%
Reducción de las pérdidas por rebajas
11%
Pronóstico MAPE (baja del 31%)
Proyectos Relacionados
Plataforma de evaluación y análisis de aprendizaje impulsada por IA para tecnología educativa
Las tasas de finalización de cursos mejoraron del 38 % al 61 % en un semestre. El índice de satisfacción del alumno (NPS) aumentó de 31 a 58, y la plataforma redujo la pérdida mensual de suscriptores en 2,8 puntos porcentuales.
61%
Tasa de finalización del curso (aumentó del 38%)
58
NPS de estudiantes (aumentó de 31)
Plataforma de digitalización de operaciones hospitalarias
El tiempo de alta del paciente se redujo de 4,5 a 1,8 horas. La integridad de la documentación clínica mejoró del 67 % al 96 %, eliminando las lagunas de datos que provocaban el rechazo de las reclamaciones de seguros. La productividad del personal mejoró un 34 %.
4.5h→1.8h
Hora de alta del paciente
96%
Integridad de la documentación clínica
Plataforma de optimización de rutas logísticas de última milla
El cumplimiento del SLA de entrega mejoró del 76 % al 94 %, los costos de combustible por entrega se redujeron un 18 % y la productividad de los conductores alcanzó el 88 % de su capacidad teórica. El cliente se expandió a tres nuevas ciudades en seis meses utilizando la misma plataforma.
94%
Cumplimiento del SLA de entrega
18%
Reducción del coste de combustible por entrega
Simulación de entrenamiento basada en RA para operaciones de fabricación
El tiempo de capacitación por operador se redujo en un 40% y los incidentes de seguridad relacionados con la capacitación se redujeron a cero. Las puntuaciones de certificación de competencias mejoraron un promedio de 22 puntos porcentuales. El cliente está ampliando la plataforma a dos instalaciones adicionales.
40%
Reducción del tiempo de formación
0
Incidentes de seguridad relacionados con la formación
Pronóstico de la demanda basado en aprendizaje automático para la cadena de suministro minorista
La tasa promedio de falta de stock se redujo del 12 % al 4,3 %, y las pérdidas por rebajas de fin de temporada disminuyeron un 28 %. La precisión de las previsiones del equipo de compras (medida por MAPE) mejoró del 31 % al 11 % de error.
4.3%
Tasa de agotamiento de existencias (reducida del 12%)
28%
Reducción de las pérdidas por rebajas
Visibilidad de la cadena de suministro de extremo a extremo y torre de control
El tiempo de respuesta ante interrupciones en la cadena de suministro mejoró de 4 días (retraso de detección) a 6 horas. Las roturas de stock atribuibles a deficiencias en la visibilidad de la cadena de suministro se redujeron en un 71 %. El equipo de compras evitó 1,8 millones de dólares en costes de transporte urgente durante el primer año.
4d→6h
Tiempo de respuesta de detección de interrupciones
71%
Reducción de las faltas de existencias por falta de visibilidad