Patrones de demanda de productos de supermercado utilizando técnicas de minería de datos.

Abstract

La predicción de la demanda en supermercados es de vital importancia para mejorar la gestión de inventarios y la toma de decisiones comerciales. Este estudio se centró en la aplicación de técnicas de minería de datos predictiva para identificar patrones de demanda en un supermercado ubicado en Ciudad del Este, Paraguay, durante el periodo comprendido entre agosto de 2017 y mayo de 2024. La motivación para este proyecto surgió de la necesidad de aprovechar los datos históricos de ventas para anticipar el comportamiento del consumo, reducir pérdidas por sobre stock o desabastecimiento y garantizar la disponibilidad de productos esenciales. El análisis se llevó a cabo utilizando registros transaccionales proporcionados por el supermercado, los cuales fueron organizados en un almacén de datos estructurado bajo un modelo en estrella. La metodología aplicada siguió el proceso de descubrimiento de conocimiento en bases de datos (KDD), incluyendo la recolección, limpieza, transformación y carga de los datos mediante procesos ETL. Para la etapa de modelado se utilizaron técnicas de series temporales, específicamente el modelo Prophet, por su capacidad para capturar tendencias, estacionalidades y eventos atípicos en series cronológicas. Los resultados obtenidos permitieron identificar una fuerte estacionalidad en el mes de diciembre, caída en las ventas durante el año 2021 a causa de la pandemia, y una recuperación progresiva en los años siguientes. Además, se observó que las siete categorías más vendidas concentran más del 70% del total de ventas. A partir de estos hallazgos se construyeron modelos de predicción con un horizonte de 40 semanas, lo cual aporta información clave para la planificación estratégica de compras y reposición de productos.