Análisis de series temporales para predicción de demanda de productos

Abstract

Este trabajo se organiza en cuatro secciones principales que abordan de manera integral el análisis de series temporales aplicado a la predicción de demanda. La primera sección presenta el origen de los datos y realiza un análisis descriptivo de las ventas históricas, proporcionando una visión general inicial. La segunda sección explora los modelos de estrategia utilizados en el proyecto, como Power BI, ARIMA, SARIMAX y Prophet, herramientas clave en el análisis de datos temporales. La tercera sección se enfoca en un informe sobre la predicción de demanda técnica basada en el modelo SARIMAX, mientras que la cuarta sección detalla el análisis de series temporales del producto en estudio y concluye con recomendaciones y observaciones generales. Los métodos de análisis de series temporales se dividen en dos categorías: cualitativos y cuantitativos. Los métodos cualitativos, basados en el juicio humano y la experiencia, permiten identificar patrones y tendencias de forma subjetiva, mientras que los métodos cuantitativos emplean modelos matemáticos para detectar patrones en los datos de manera objetiva. Entre los métodos cuantitativos más comunes se encuentran la regresión lineal, el análisis de componentes principales y el modelo ARIMA. La estructura metodológica planteada en este trabajo no solo destaca la importancia de seleccionar la técnica adecuada, sino también de adaptar el modelo a los objetivos específicos de predicción y análisis. Esto proporciona una base sólida para que el análisis de series temporales no solo mejore las proyecciones de demanda, sino también optimice la gestión de recursos en función de las necesidades reales del mercado.