Proyección de demanda geo-temporal aplicada a Dell Technologies LATAM

Abstract

En este trabajo se diseñó una metodología de limpieza de datos enfocada en inteligencia de negocios para el conjunto de datos de ventas de Dell Technologies LATAM asociadas a proyectos, para luego proponer, construir y evaluar diferentes modelos de predicción de series temporales que nos permitan realizar una proyección de demanda geo-temporal del margen recaudado, además de realizar un trabajo de reportería utilizando Power BI. El trabajo se realizó utilizando Python como herramienta de limpieza de datos y creación de modelos de predicción, mientras que el trabajo de reportería se realizó utilizando Power BI. Los modelos resultaron exitosos, encontrando ligeras diferencias entre ellos, pero cada uno con sus beneficios y desventajas. Además, la limpieza de datos logró que el trabajo de reportería fuese clave. Estos resultados pueden ser de mucha utilidad si se utilizan con el conocimiento del negocio suficiente, pues permitirán mejorar la toma de decisiones y potenciar a Dell Technologies.

In this work we designed a data cleaning methodology focused on business intelligence for the Dell Technologies LATAM sales data set associated with projects, to then propose, build and evaluate different time series prediction models that allow us to make a geo-temporal demand projection of the margin collected, in addition to performing a reporting work using Power BI. The work was performed using Python as a tool for data cleaning and creation of prediction models, while the reporting work was performed using Power BI. The models were successful, finding slight differences between the models, but each with its benefits and disadvantages, and the data cleansing made the reporting work key. These results can be very useful if used with sufficient knowledge of the business, as it will improve decision making and empower Dell Technologies.