{"id":2476,"date":"2022-07-18T18:20:04","date_gmt":"2022-07-18T18:20:04","guid":{"rendered":"https:\/\/lisdatasolutions.sidnpre.com\/?post_type=casos_de_uso&p=2476"},"modified":"2023-01-18T12:53:29","modified_gmt":"2023-01-18T12:53:29","slug":"prediccion-de-la-demanda","status":"publish","type":"casos_de_uso","link":"https:\/\/www.lisdatasolutions.com\/es\/casos-de-uso\/prediccion-de-la-demanda\/","title":{"rendered":"Predicci\u00f3n de la demanda"},"content":{"rendered":"\n
Con el an\u00e1lisis de datos de diversas fuentes y el uso de algoritmos de Machine Learning el sistema es capaz de automatizar la previsi\u00f3n de la demanda y con ello optimizar las operaciones de aprovisionamiento y compras as\u00ed como la mejora de procesos productivos.<\/p>\n\n\n\n
Conocer la demanda de un producto\/servicio ha sido siempre un factor muy importante en todos los negocios, desde negocios de barrio a grandes empresas log\u00edsticas, el\u00e9ctricas, etc. La transici\u00f3n de la toma de decisiones empresariales basadas en \u00ab\u00bbcorazonadas\u00bb\u00bb fue sustituida por el an\u00e1lisis de datos realizado en hojas de c\u00e1lculo, y ya ha sido superada mediante la implementaci\u00f3n de algoritmos de \u00ab\u00bbMachine Learning\u00bb\u00bb, que son capaces de automatizar y realizar a gran escala todos estos c\u00e1lculos.<\/p>\n\n\n\n Tras conocer en detalle el negocio y las peculiaridades de sus datos, realizamos an\u00e1lisis exploratorios con el fin de determinar qu\u00e9 algoritmos y con qu\u00e9 configuraciones son adecuados. Utilizando tanto m\u00e9todos univariables o multivariables podemos predecir series temporales de consumos, producciones o gastos. Estos se integran en procesos ETL y se seleccionan los algoritmos que producen los mejores resultados en un proceso iterativo que puede automatizarse mediante reglas heur\u00edsticas.<\/p>\n\n\n\n Analizamos la calidad del dato y representamos la informaci\u00f3n de m\u00faltiples formas (lineas-puntos, histogramas, box plots) con el objetivo de identificar aquello de mayor valor, corrobor\u00e1ndolo con el conocimiento de negocio del cliente. Disponemos de algoritmos (Naive, SNaive, HoltsWinter, STLF, Forecast, VAR, Prophet) implementados o implementamos nuevos en caso ser necesario ( por ejemplo, redes neuronales del tipo LSTM). Se procede a la validaci\u00f3n de los algoritmos utilizando m\u00e9tricas de error para seleccionar el m\u00e1s adecuado.<\/p>\n\n\n\n Realizamos un cuadro de mando para visualizar los resultados, configurado y adecuado a las necesidades y exigencias del cliente, permiti\u00e9ndole tomar decisiones Data Driven. Con el an\u00e1lisis de datos de diversas fuentes y el uso de algoritmos de Machine Learning el sistema es capaz de automatizar la previsi\u00f3n de la demanda y con ello optimizar las operaciones de aprovisionamiento y compras as\u00ed como la mejora de procesos productivos. Objetivos Realizar predicciones que aportan informaci\u00f3n sobre el futuro a nivel […]<\/p>\n","protected":false},"author":1,"featured_media":2481,"comment_status":"open","ping_status":"closed","template":"","meta":{"inline_featured_image":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0},"casos-de-uso":[77,80,81,76,79,78],"acf":[],"yoast_head":"\n<\/figure>\n\n\n\n
Qu\u00e9 hacemos<\/h2>\n\n\n\n
<\/figure>\n\n\n\n
C\u00f3mo lo hacemos<\/h2>\n\n\n\n
An\u00e1lisis exploratorio<\/h3>\n\n\n\n
Esta etapa se realiza mediante la librer\u00eda pandas de Python<\/p>\n\n\n\nSelecci\u00f3n de algoritmos<\/h3>\n\n\n\n
Explotaci\u00f3n de los datos<\/h3>\n\n\n\n
En caso de ser necesario, se implementan tambi\u00e9n las reglas de heur\u00edstica empleadas para la reselecci\u00f3n de algoritmos\/configuraciones.<\/p>\n","protected":false},"excerpt":{"rendered":"