Sistema de gestión predictiva de inventarios basado en redes neuronales profundas para retail de bebidas

Abstract

Este trabajo de tesis aborda la problemática del forecasting de demanda en una pyme de retail. Objetivo: desarrollar e implementar un sistema predictivo de inventarios basado en redes neuronales profundas que reduzca el error de predicción en al menos 25% respecto a métodos tradicionales, validado mediante un piloto en Beer Market. Conclusión: Este proyecto desarrolló, implementó y validó BrewCast, un sistema de gestión predictiva de inventarios basado en redes neuronales profundas, diseñado específicamente para el contexto operativo de Beer Market. El sistema procesa 46 features que capturan patrones temporales, efectos estacionales, dinámicas promocionales y características de segmentación de productos, generando predicciones de demanda semanal por SKU×Local que superan en 30% la precisión de métodos tradicionales basados en promedios históricos. A lo largo de seis fases de desarrollo (consolidación de datos, ingeniería de features, diseño arquitectónico, entrenamiento, implementación de piloto, y evaluación de resultados), se alcanzaron logros concretos en múltiples dimensiones.