Comparación de métodos y métricas para la predicción de series temporales aplicados a las ventas masivas de productos minoristas

Autores
González, Rodrigo; Taffernaberr, Juan Carlo; Diedrichs Escudero, Ana Laura; Tobar, Sebastián
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La generación de pronósticos de ventas (sales forecasting) es una herramienta fundamental en la planificación de inventarios de una empresa. En el caso de grandes empresas de venta minorista (retail) como Amazon, Walmart o Mercado Libre el problema se vuelve muy complejo por la cantidad de productos cuyas ventas se deben predecir. Este proyecto se propone comparar los resultados de las competencias M5 del año 2020 y el Meli Data Challenge 2021, las cuales se basaron en predecir en forma masiva las ventas de productos minoristas. Si bien las mencionadas competencias parecen bastante similares, una notable diferencia entre ambas es que usaron distintas métricas para evaluar el desempeño de los modelos propuestos. Esto no permite que se pueda hacer una comparación directa entre los mejores modelos que obtuvieron los mejores puestos en ambos concursos, y por ende, no se puede llegar a una conclusión respecto a cuál modelo es mejor. Por tanto, este proyecto propone determinar si los algoritmos que mejor desempeño mostraron en una competencia también mostrarán un buen desempeño con los datos del otro certamen. Complementariamente, se tratará de entender qué influencia tienen diferentes métricas para determinar si un método de predicción es mejor que otro.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Series temporales
Ciencia de datos
Predicción masiva
ventas minoristas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/163333
Acceder
id SEDICI_9a14fa10d2d81136380504d3cc3ea769
oai_identifier_str oai:sedici.unlp.edu.ar:10915/163333
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Comparación de métodos y métricas para la predicción de series temporales aplicados a las ventas masivas de productos minoristasGonzález, RodrigoTaffernaberr, Juan CarloDiedrichs Escudero, Ana LauraTobar, SebastiánCiencias InformáticasSeries temporalesCiencia de datosPredicción masivaventas minoristasLa generación de pronósticos de ventas (sales forecasting) es una herramienta fundamental en la planificación de inventarios de una empresa. En el caso de grandes empresas de venta minorista (retail) como Amazon, Walmart o Mercado Libre el problema se vuelve muy complejo por la cantidad de productos cuyas ventas se deben predecir. Este proyecto se propone comparar los resultados de las competencias M5 del año 2020 y el Meli Data Challenge 2021, las cuales se basaron en predecir en forma masiva las ventas de productos minoristas. Si bien las mencionadas competencias parecen bastante similares, una notable diferencia entre ambas es que usaron distintas métricas para evaluar el desempeño de los modelos propuestos. Esto no permite que se pueda hacer una comparación directa entre los mejores modelos que obtuvieron los mejores puestos en ambos concursos, y por ende, no se puede llegar a una conclusión respecto a cuál modelo es mejor. Por tanto, este proyecto propone determinar si los algoritmos que mejor desempeño mostraron en una competencia también mostrarán un buen desempeño con los datos del otro certamen. Complementariamente, se tratará de entender qué influencia tienen diferentes métricas para determinar si un método de predicción es mejor que otro.Red de Universidades con Carreras en Informática2023-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/163333spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3724-66-4info:eu-repo/semantics/altIdentifier/isbn/978-987-3724-67-1info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/162004info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/161620info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:42:56Zoai:sedici.unlp.edu.ar:10915/163333Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:42:57.191SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Comparación de métodos y métricas para la predicción de series temporales aplicados a las ventas masivas de productos minoristas
title Comparación de métodos y métricas para la predicción de series temporales aplicados a las ventas masivas de productos minoristas
spellingShingle Comparación de métodos y métricas para la predicción de series temporales aplicados a las ventas masivas de productos minoristas
González, Rodrigo
Ciencias Informáticas
Series temporales
Ciencia de datos
Predicción masiva
ventas minoristas
title_short Comparación de métodos y métricas para la predicción de series temporales aplicados a las ventas masivas de productos minoristas
title_full Comparación de métodos y métricas para la predicción de series temporales aplicados a las ventas masivas de productos minoristas
title_fullStr Comparación de métodos y métricas para la predicción de series temporales aplicados a las ventas masivas de productos minoristas
title_full_unstemmed Comparación de métodos y métricas para la predicción de series temporales aplicados a las ventas masivas de productos minoristas
title_sort Comparación de métodos y métricas para la predicción de series temporales aplicados a las ventas masivas de productos minoristas
dc.creator.none.fl_str_mv González, Rodrigo
Taffernaberr, Juan Carlo
Diedrichs Escudero, Ana Laura
Tobar, Sebastián
author González, Rodrigo
author_facet González, Rodrigo
Taffernaberr, Juan Carlo
Diedrichs Escudero, Ana Laura
Tobar, Sebastián
author_role author
author2 Taffernaberr, Juan Carlo
Diedrichs Escudero, Ana Laura
Tobar, Sebastián
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Series temporales
Ciencia de datos
Predicción masiva
ventas minoristas
topic Ciencias Informáticas
Series temporales
Ciencia de datos
Predicción masiva
ventas minoristas
dc.description.none.fl_txt_mv La generación de pronósticos de ventas (sales forecasting) es una herramienta fundamental en la planificación de inventarios de una empresa. En el caso de grandes empresas de venta minorista (retail) como Amazon, Walmart o Mercado Libre el problema se vuelve muy complejo por la cantidad de productos cuyas ventas se deben predecir. Este proyecto se propone comparar los resultados de las competencias M5 del año 2020 y el Meli Data Challenge 2021, las cuales se basaron en predecir en forma masiva las ventas de productos minoristas. Si bien las mencionadas competencias parecen bastante similares, una notable diferencia entre ambas es que usaron distintas métricas para evaluar el desempeño de los modelos propuestos. Esto no permite que se pueda hacer una comparación directa entre los mejores modelos que obtuvieron los mejores puestos en ambos concursos, y por ende, no se puede llegar a una conclusión respecto a cuál modelo es mejor. Por tanto, este proyecto propone determinar si los algoritmos que mejor desempeño mostraron en una competencia también mostrarán un buen desempeño con los datos del otro certamen. Complementariamente, se tratará de entender qué influencia tienen diferentes métricas para determinar si un método de predicción es mejor que otro.
Red de Universidades con Carreras en Informática
description La generación de pronósticos de ventas (sales forecasting) es una herramienta fundamental en la planificación de inventarios de una empresa. En el caso de grandes empresas de venta minorista (retail) como Amazon, Walmart o Mercado Libre el problema se vuelve muy complejo por la cantidad de productos cuyas ventas se deben predecir. Este proyecto se propone comparar los resultados de las competencias M5 del año 2020 y el Meli Data Challenge 2021, las cuales se basaron en predecir en forma masiva las ventas de productos minoristas. Si bien las mencionadas competencias parecen bastante similares, una notable diferencia entre ambas es que usaron distintas métricas para evaluar el desempeño de los modelos propuestos. Esto no permite que se pueda hacer una comparación directa entre los mejores modelos que obtuvieron los mejores puestos en ambos concursos, y por ende, no se puede llegar a una conclusión respecto a cuál modelo es mejor. Por tanto, este proyecto propone determinar si los algoritmos que mejor desempeño mostraron en una competencia también mostrarán un buen desempeño con los datos del otro certamen. Complementariamente, se tratará de entender qué influencia tienen diferentes métricas para determinar si un método de predicción es mejor que otro.
publishDate 2023
dc.date.none.fl_str_mv 2023-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/163333
url http://sedici.unlp.edu.ar/handle/10915/163333
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-3724-66-4
info:eu-repo/semantics/altIdentifier/isbn/978-987-3724-67-1
info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/162004
info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/161620
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616299054891008
score 13.070432

Publicaciones similares