Comprobar la factibilidad de predicción de estacionalidad de venta de productos en una tienda retail

Abstract

Dentro de cualquier negocio es necesario saber cuánta será la demanda, ya que esto permite preparar la cantidad adecuada y logística de transporte para poder proveerla. Predecir cuándo y que producto se va a vender en una determinada fecha, se denomina la estacionalidad de productos o forecasting. El objetivo del presente trabajo es analizar la factibilidad de la predicción de las ventas diarias de categorías de productos ya sea sin y con presencia de eventos especiales. Los datos de ventas diarias de 30 categorías de productos fueron recuperados y agregados a partir de las ventas de productos particulares. Cuatro modelos predictivos fueron evaluados usando accurracy y error RMSE: regresión lineal, series de tiempo, redes neuronales convolucionales y redes neuronales LSTM. Cada uno de los modelos fue entrenado y evaluado en cada una de las categorías. En la gran mayoría de las categorías, el mejor resultado ha sido logrado con modelos de redes neuronales LSTM en el caso donde se eliminan las ventas correspondientes a eventos especiales de cyber days, aunque su precisión ronda el 60 %.

Within any business it is necessary to know how much the demand will be, as this allows to prepare the adequate quantity and transportation logistics to provide it. Predicting when and which product will be sold on a certain date is called the seasonality of products or forecasting. The objective of the present work is to analyze the feasibility of forecasting daily sales of product categories either without and with the presence of special events. Daily sales data for 30 product categories were retrieved and aggregated from the sales of particular products. Four predictive models were evaluated using accurracy and RMSE error: linear regression, time series, convolutional networks and LSTM neural networks. Each of the models was trained and evaluated in each of the categories. In the vast majority of categories, the best result has been achieved with LSTM neural network models in the case of eliminating sales corresponding to special cyber days events, although their accuracy is around 60 %.