Análisis y pronóstico de venta de productos para la gestión de inventario de la Farmacia Comunal San Miguel

Abstract

La presente memoria aborda el análisis y pronóstico de venta de productos de la Farmacia Comunal de San Miguel con foco en generar un aporte a la gestión de inventario de esta institución.

El trabajo se centra en la aplicación metodológica del CRISP-DM y el uso de técnicas de modelamiento variadas que aportarán a resolver la problemática de hallar el mejor método de predicción de valores de venta en periodos cercanos, desde el mes actual y hasta 5 meses hacia adelante. Se tuvo acceso directo a la base de datos transaccional de la farmacia, permitiendo contar con la información necesaria para generar las series de tiempo que permitieron indagar, analizar y corregir datos de series de tiempo.

Se modelaron más de 350 series de tiempo, elegidas por su viabilidad analítica, con foco en la aplicación y análisis de las técnicas de medias móviles simples, ARIMA, Prophet y su variación Prophet con estacionalidad anual forzada, pero también se replicó la metodología que se utiliza actualmente en la farmacia a fin de comparar las nuevas opciones con la situación actual.

Adicionalmente, se aplicó un clasificador basado en el método de aprendizaje Random Forest capaz de elegir, en un 58% de los casos, la mejor técnica de predicción para cualquier serie de tiempo solamente en base a sus características y luego de ser entrenada con un set de datos. A partir del modelamiento se realizó el análisis iterativo de resultados para la generación de conclusiones que aportasen a la resolución del problema.

Las principales conclusiones del trabajo son, en primer lugar, que cada una de las series de tiempo responde de manera distinta a cada una de las series de tiempo basados en sus propias características y, por lo tanto, se obtendrán mejores desempeños al utilizar etiquetas que asignen a cada serie de tiempo la técnica que debe usarse con ella específicamente. En segundo lugar, se determinó que la utilización del clasificador no fue suficientemente eficaz en su labor respecto de la inversión de tiempo y recursos computacionales que implica.

A lo anterior se suman la entrega de recomendaciones de utilización del output del trabajo de memoria, así como también sugerencias y lineamientos a seguir para dar continuidad a la labor ya realizada. Por último, se destaca la recomendación de aplicación de prácticas de negocio sencillas que aporten a la mejora del sistema FarmaBot donde, sin la necesidad de grandes inversiones, se generen impactos positivos en el servicio que la farmacia presta a la comunidad.