Especializaciones de la Facultad de Ingeniería · 2021
Predicción de ventas futuras
RESUMEN : La finalidad del proyecto es predecir las ventas para el mes siguiente para una cadena de tiendas, haciendo uso de algoritmos de inteligencia artificial. El dataset cuenta con 4 archivos (productos, categoría de los productos, tiendas y ventas diarias) tomados de la competencia de kaggle “Predict Future Sales” que proporcionan información detallada de las ventas históricas para 22.171 productos en 34 meses, a partir del mes de enero de 2013. Se probaron diferentes metodologías para organizar la información para la generación de los modelos. Los datos se reprocesaron para tener la información organizada por ventas mensuales para cada tienda y categoría de producto y posteriormente fueron separados de acuerdo a un lookback para generar las series de tiempo para entrenar los modelos. Se probaron diferentes modelos y se utilizó una métrica particular de negocio para medir el error de las predicciones.
Texto completo 32 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- 1. RESUMENp. 6
- 2. DESCRIPCIÓN DEL PROBLEMAp. 7
- 2.1 APROXIMACIÓN DESDE LA ANALÍTICA DE DATOSp. 7
- 2.2 ORIGEN DE LOS DATOSp. 7
- 2.3 MÉTRICAS DE DESEMPEÑOp. 8
- 3. DATOSp. 10
- 3.1 DATOS ORIGINALESp. 10
- 3.2 ANALÍTICA DESCRIPTIVAp. 14
- 4. PROCESO DE ANALÍTICAp. 18
- 4.1 PIPELINE PRINCIPALp. 18
- 4.2 PREPROCESAMIENTOp. 18
- 4.3 MODELOSp. 21
- 4.4 MÉTRICASp. 23
- 5. METODOLOGÍAp. 23
- 5.1 BASELINEp. 23
- 5.2 VALIDACIÓNp. 23
- 5.3 ITERACIONES y EVOLUCIÓNp. 25
- 5.4 HERRAMIENTASp. 25
- 6. RESULTADOSp. 26
- 6.1 MÉTRICASp. 23
- 6.2 EVALUACIÓN CUALITATIVAp. 26
- 6.3 CONSIDERACIONES DE PRODUCCIÓNp. 30
- 7. CONCLUSIONESp. 31
- 8. BIBLIOGRAFÍAp. 32
- Figura 1. Items.csvp. 10
- Figura 2. items_categories.csvp. 11
- Figura 3. shops.csvp. 12
- Figura 4. Sales_train.csvp. 13
- Figura 5. Descripción de los datosp. 14
- Figura 6. Serie temporal de las ventas totales por mesp. 15
- Figura 7.Ventas mensuales por tiendap. 16
- Figura 8.Ventas para las tiendas 37 y 50p. 17
- Figura 9.Outliers por tienda y categoríap. 17
- Figura 10. Pipeline de trabajop. 18
- Figura 11. Merge (items, sales_train)p. 19
- Figura 12. Dataset agrupado por mes, tienda y categoríap. 19
- Figura 13. New_dataset.csvp. 20
- Figura 14. Distribución de las ventas por categorías y tiendasp. 20
- Figura 15. Dataset con nuevas columnas creadasp. 21
- Figura 16. Arquitectura para una red neuronal combinadap. 22
- Figura 17. Resumen de la red neuronal combinadap. 22
- Figura 18. División del dataset en entrenamiento y validaciónp. 24
- Figura 19. Validación cruzadap. 24
- Figura 21. Evaluación del conjunto de datos de validación para diferentes look backsp. 27
- validaciónp. 23
- validaciónp. 23
- Figura 24. RMSE vs Función de activación para diferentes arquitecturas de redp. 29
- Tabla 1. Costos mensuales de almacén por tiendap. 9
- Tabla 2. Descripción columnas items.csvp. 11
- Tabla 3. Descripción columnas items_categories.csvp. 11
- Tabla 4. Descripción columnas shops.csvp. 12
- Tabla 5. Descripción columnas sales_train.csvp. 13