Construcción de modelos predictivos en el sector ferretero a partir de datos transaccionales: efectos de la pandemia en Paraguay

• Autores: Cáceres, Isaias; Amarilla, Maximiliano; Richer, Luis; Sosa Cabrera, Gustavo; Martínez, Eladio
• Año de publicación: 2025
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Materia: Ciencias Informáticas; Predicción de demanda; Evaluación de modelos; Machine Learning; Regresión; Inventario; Ferretería; Paraguay
• Institución: Universidad Nacional de La Plata

Este trabajo presenta una propuesta de modelado predictivo de demanda, aplicada a una empresa distribuidora del sector ferretero, con el fin de mejorar la planificación de compras y reducir los quiebres de stock. Se trabajó con una base de datos transaccional que abarca más de una década, a la cual se aplicó limpieza, consolidación y filtrado: exclusión de valores atípicos, selección de productos relevantes para el negocio y la decisión de incluir o excluir datos pandémicos. Se compararon 3 enfoques de regresión (Lineal, Cuadrática y KNN) según su precisión medida mediante R2. Los resultados muestran que no existe un único modelo dominante. También se identificaron patrones de comportamiento opuestos entre productos principales y repuestos complementarios, cuya demanda se invirtió durante la pandemia. Se plantea que este cambio se relaciona con el mayor uso de los productos por la permanencia en el hogar y con decisiones de consumo influenciadas por la incertidumbre económica, que favorecieron la reparación frente a la compra de productos nuevos. Esto refuerza la decisión de excluir dicho periodo del entrenamiento. En conjunto, los modelos desarrollados proveen una herramienta cuantitativa para estimar la demanda futura, sirviendo como un insumo clave para la planificación de compras.
Red de Universidades con Carreras en Informática