Maestría en Analítica de Datos para la Toma de Decisiones · 2026
Modelado Predictivo con Machine Learning para la Gestión Eficiente de Inventarios de alimentos perecederos y no perecederos basado en la transaccionalidad de la demanda
El presente trabajo desarrolla un modelo de analítica predictiva para la optimización de la gestión de inventarios, un calendario de desabastecimiento y la planeación de la demanda en la cadena productiva, logística y de distribución de alimentos del corredor Buenaventura, Cali, Yumbo y Palmira en el departamento del Valle del Cauca, Colombia. Una gestión ineficiente no solo genera sobrecostos por deterioro de perecederos y sobrestock de no perecederos, sino que impacta directamente en la seguridad alimentaria de la región. El problema central abordado radica en la asimetría entre la planificación del abastecimiento y el comportamiento real del consumo. Los métodos convencionales de planeación, basados en promedios móviles, fallan sistemáticamente en los puntos de inflexión del calendario, generando dos escenarios críticos: el efecto látigo —compras excesivas previas a los recesos que derivan en mermas de productos de vida corta— y los quiebres de stock en los momentos de reactivación de la operación. Para enfrentar esta problemática se consolidó una base histórica de registros transaccionales de entradas y salidas correspondientes al período 2023–2025 de diferentes empresas que amablemente la suministraron para su evaluación y tratamiento. Mediante un proceso de extracción, transformación y carga (ETL) se construyó una tabla analítica unificada que sirvió de insumo único para el análisis. Se aplicó una clasificación ABC evidenciando que 37 productos, equivalentes al 5 % del portafolio, concentran el 79,6 % del consumo total, focalizando el modelado en este subconjunto crítico. Los entregables del proyecto son un calendario de riesgo de desabastecimiento por producto y por mes, una proyección de la demanda y un conjunto de parámetros de inventario. El análisis de sensibilidad confirmó que octubre constituye el mes crítico más robusto, independiente de la parametrización, y permitió distinguir dos naturalezas del riesgo —de demanda y de abastecimiento—, cada una con su acción correctiva.