Optimización del proceso de solicitud de pedidos para franquicias de farmacias

Abstract

Esta tesis trata la problemática de dos locales de franquicia de farmacia en la búsqueda de obtener un mejor margen (diferencia entre compra y venta), sin incluir sueldos, arriendos y gastos operaciones. Dentro de las variables que inciden en el margen, solamente la solicitud de pedido de mercadería es gestionable por parte del franquiciatario, dado que los precios, el proveedor y la publicidad es manejada por el franquiciante (es decir, el franquiciatario no puede innovar). Inicialmente el margen es de 22% y el objetivo es aumentar en un 8% para obtener un margen del 30%, considerando que teóricamente el margen ofrecido por la franquicia es 35%. Entonces, para lograr el objetivo general se plantea un objetivo específico de crear un modelo de aprendizaje automático que pueda predecir la venta de la siguiente semana y en base a ello realizar el pedido. Para ello entrenamos un modelo de regresión con una matriz de features obtenida de datos históricos que considera las estaciones del año y las ventas semanales por producto. El modelo finalmente elegido es en base a redes neuronales profundas que entregó el mejor resultado en la medida de desviación estándar promedio (DEP) y es reentrenado mensualmente para asumir las variaciones de las ventas y el clima. La medida de desviación estándar promedio (DEP) obtenida en los locales es: 0,78 en local de Santa Rosa y 0,95 en local de Vespucio Norte. La efectividad del modelo en los últimos 5 meses logrando una mejora del 7% en el primer local (en adelante local de Santa Rosa ) y del 5% en el segundo local (en adelante local de Vespucio Norte ), lo que no logra el objetivo de aumento del 8% del margen. El motivo de no logro del objetivo del 8% esperado, se encuentra en la estrategia agresiva de venta que se llevó a cabo durante los meses de junio, julio y agosto, donde en adición a la cantidad predicha se aumentó el pedido en un 2% en local de Santa Rosa y en un 5% en local de Vespucio Norte sin generar el efecto esperado de aumentar ventas. Como conclusión, el trabajo ha sido desafiante para encontrar un modelo de aprendizaje automático que tuviese mayor efectividad y junto con ello modificar el flujo de pedido. El resultado si bien no cumplió el objetivo permitió un avance de 5 y 7 puntos en el margen de cada farmacia respectivamente, lo que nos ha generado mayores ganancias como empresa.