Saber qué viene, no solo qué pasó

Data Science & ML Aplicado. Un reporte cuenta lo que ya ocurrió. Un modelo bien planteado anticipa la demanda, ordena prioridades o revisa lo que nadie alcanza a mirar. Desarrollo soluciones predictivas y analíticas para e-commerce y logística, y proyectos de visión computacional, medidos contra el resultado del negocio.

Cuándo tiene sentido

Se compra o se produce por intuición y el stock lo paga.
Hay años de datos guardados que nadie usa para decidir.
Un control visual repetitivo depende de que alguien no se distraiga.

Qué entrego

Pronósticos de demanda y de stock
Modelos predictivos para e-commerce y logística
Visión computacional para detección, conteo e inspección
Modelo en producción con seguimiento de su desempeño
Informe de resultados en lenguaje de negocio

Con qué trabajo

Python
SQL
Machine learning
Visión computacional

Cómo se ve

Ejemplos construidos con datos sintéticos para mostrar la forma de cada entrega. No corresponden a ningún cliente.

Pronóstico de demanda

Doce semanas de historia y seis de proyección, con lo que mueve el número y dónde hay riesgo.

Datos sintéticos

Nivel de servicio: 97,2 %; +4,5 pp vs. método anterior
Error del pronóstico (MAPE): 8,4 %; −3,1 pp vs. método anterior
Quiebres evitados: 38; por trimestre
Stock inmovilizado: −14 %; vs. año anterior

Demanda semanal, en unidades

Qué mueve la demanda

Estacionalidad 34 %
Promociones 27 %
Precio 18 %
Clima 12 %
Feriados 9 %

Riesgo de quiebre, próximas seis semanas

S 13 S 14 S 15 S 16 S 17 S 18 Bebidas Snacks Lácteos Limpieza Hogar Mascotas

Ver los datos como tabla

Demanda semanal, en unidades
Semana	unidades	Banda del 80 %
1	820
2	845
3	810
4	870
5	905
6	880
7	930
8	960
9	940
10	985
11	1010
12	1040
13	1065	± 40
14	1090	± 55
15	1075	± 70
16	1120	± 85
17	1150	± 100
18	1170	± 115

Qué mueve la demanda
Factor	Peso
Estacionalidad	34 %
Promociones	27 %
Precio	18 %
Clima	12 %
Feriados	9 %

Riesgo de quiebre, próximas seis semanas
Familia	S 13	S 14	S 15	S 16	S 17	S 18
Bebidas	muy bajo	bajo	bajo	medio	alto	muy alto
Snacks	muy bajo	muy bajo	bajo	bajo	bajo	medio
Lácteos	bajo	medio	alto	alto	medio	bajo
Limpieza	muy bajo	muy bajo	muy bajo	bajo	bajo	bajo
Hogar	muy bajo	bajo	muy bajo	muy bajo	bajo	medio
Mascotas	medio	bajo	bajo	muy bajo	muy bajo	muy bajo

Inspección por visión computacional

Conteo de paquetes en una cinta y aviso de los que hay que revisar.

Datos sintéticos

Foto de cajas de cartón sobre una cinta transportadora, con recuadros de detección simulados sobre cada caja y una marcada para revisar.

Foto real, dominio público (U.S. Department of Agriculture). Detecciones simuladas para este ejemplo.

Contados: 128
Para revisar: 3
Precisión: 96,2 %
Exhaustividad: 94,8 %

Qué vio el modelo y qué era

Real / Detectado Sin dañoGolpeadaEtiqueta ilegible Sin daño 412 6 2 Golpeada 9 71 3 Etiqueta ilegible 1 2 38

Paquetes por hora

Ver los datos como tabla

Qué vio el modelo y qué era
Real	Sin daño	Golpeada	Etiqueta ilegible
Sin daño	412	6	2
Golpeada	9	71	3
Etiqueta ilegible	1	2	38

Paquetes por hora
Hora	Aprobados	Para revisar
8:00	96	2
9:00	112	3
10:00	120	1
11:00	118	4
12:00	104	2
13:00	98	3
14:00	122	2
15:00	126	5
16:00	119	3
17:00	110	2

¿Tu proceso se frena en esta línea?

Con dos líneas sobre qué llega tarde alcanza para empezar.

Contar mi caso