Optimización de la gestión de inventarios mediante análisis de ventas y modelado predictivo con Python utilizando una base de datos de Amazon del año 2022

Abstract

Para cualquier empresa el análisis de ventas es una herramienta fundamental para su crecimiento y rentabilidad, dado que ayuda a entender el comportamiento del mercado, descubrir nuevas oportunidades, mejorar la gestión del inventario y aumentar la competitividad en el mercado (Parkash, 2023). Amazon es una plataforma de comercio electrónico líder a nivel mundial, por lo tanto, analizar sus ventas puede ofrecer información relevante sobre el comportamiento del mercado. Este proyecto tiene como objetivo analizar y predecir el comportamiento de ventas para la optimización del inventario, utilizando una base de datos de Amazon correspondiente a los meses de abril, mayo y junio de 2022. A través del lenguaje de programación Python y bibliotecas como NumPy, Pandas, Scikit-learn, Matplotlib y Seaborn, se realizó un análisis exploratorio de datos, identificación de productos más vendidos y aplicación de modelos predictivos. Se evaluaron distintos algoritmos de clasificación y regresión, destacándose el modelo Random Forest como el más efectivo para predecir la variable “Category”, gracias a su capacidad para manejar el desbalance de clases y su alto rendimiento general. Para la variable “Size_Agrupada”, el modelo K-NN fue el mejor clasificador, logrando el mayor desempeño en términos de precisión general. En cuanto a la variable numérica “Qty_Mensual”, el modelo lineal obtuvo el mejor coeficiente de determinación (R²), posicionándose como la mejor alternativa según el objetivo del análisis. El desarrollo del proyecto se enmarcó en la metodología CRISP-DM, permitiendo una estructura clara y replicable para futuros estudios. Palabras claves: Análisis de venta, Python, análisis exploratorio de los datos, gestión de inventarios, CRISP-DM, modelo predictivo.