Predicción de múltiples series de tiempo univariadas a través de diversos modelos predictivos y meta-learning aplicado en la industrial del retail

Abstract

En la siguiente memoria, se aborda un problema de predicción de demanda de productos en la industria supermercadista usando avances metodológicos recientes. Esto es debido a que los modelos y metodologías utilizadas más recientes, son de a mediados del 2018. Además de esto, serán analizadas series de tiempo extraídas desde un retail nacional, estas series son interesantes y particulares de analizar debido a que el comportamiento de estas es bastante sucio, ya que se ven perturbadas por eventos no predecibles, ni tampoco descritos o medidos en el pasado, como lo son promociones únicas de fin de semana, o de horarios en particular. Por otro lado, también son afectadas por fechas festivas, feriados, situación país, aumento o disminución del valor de la moneda, etc. También se ven afectadas por algún desliz en la gestión de operaciones o logística de la empresa, esto se puede ver reflejado en no tener el stock del producto demandado, es decir, un quiebre de stock, generando un vacío en la historia del producto. Dado estas condiciones particulares, se compararán un total de 7 modelos predictivos, sumado un clasificador capaz de elegir qué modelo utilizar para cada serie de tiempo. Es decir, no es necesario ejecutar los siete modelos, si no que este clasificador elige de antemano cuál es el mejor al entregarle la serie de tiempo con suficiente historia, reduciendo el tiempo de ejecución total en n veces en promedio, siendo n=7 la cantidad de modelos candidatos, debido a que al saber cuál es el mejor, es posible ahorrarse el tiempo de ejecución de los otros n-1 modelos. Se trabajará con un poco menos de tres años de historia, y con 5.000 series de tiempo de variado comportamiento entre ellas. El objetivo es generar una predicción más precisa que un modelo de media móvil a dos semanas, lo que se hace en la actualidad en el centro de distribución del retail, el cual está encargado de reponer cada uno de los artículos a los distintos locales distribuidos en el país. Esto es para disminuir los costos asociados a dos grandes problemas. El primero, la subestimación de la demanda, lo que genera quiebres de stock en los distintos locales, perdiendo la oportunidad de haber vendido más unidades, y el segundo, es el costo asociado a una sobre estimación de la demanda de un producto, lo que lleva a un sobre stock en la bodega del local, implicando costos de almacenaje y espacio, pudiendo quitar espacio para productos que si están vendiéndose y en el caso final que no tengan rotación y estén estancados en la bodega, son liquidados a un precio incluso menor que al costo total generado, para liberar espacio y abrir cupo a nuevos artículos de temporada con una contribución mayor.