ntegración de la Analítica de Datos POS y el Machine Learning para la Gestión Estratégica de Categorías en Comercial Nutresa S.A.S : Desarrollo de un Dashboard para Recomendación de Productos y Predicción de Ventas Utilizando Metodología CRISP-DM. Semestre de industria

Abstract

RESUMEN : El objetivo de este proyecto fue construir un Dashboard que integre la analítica de datos POS con algoritmos de Machine Learning para mejorar la toma de decisiones empresariales en Comercial Nutresa S.A.S, una empresa líder en la distribución y venta de productos de consumo masivo. Utilizando la metodología CRISP-DM, se desarrollaron varios objetivos específicos: asegurar la calidad de los datos mediante técnicas de limpieza y preprocesamiento, realizar un análisis exploratorio de los datos POS, desarrollar un algoritmo de recomendación de productos y crear un modelo inicial para la predicción de ventas a nivel de categorías. La metodología incluyó fases de entendimiento del negocio, entendimiento de los datos, preparación de los datos, modelado, evaluación y despliegue, empleando herramientas como Python, Microsoft Excel y Power BI ®. Los resultados muestran avances significativos en la recomendación de productos, con un modelo que recomendó 837 productos en 19 categorías con alta precisión y evitando duplicaciones. Sin embargo, el modelo de predicción de ventas presentó resultados insatisfactorios, con altos márgenes de error en varias categorías, indicando la necesidad de mejoras. Las conclusiones destacan que la integración efectiva de analítica de datos POS y algoritmos de Machine Learning proporciona herramientas valiosas para la toma de decisiones empresariales. El análisis exploratorio y el modelo de recomendación demostraron ser eficientes y precisos, mientras que el modelo de predicción de ventas requiere ajustes para capturar mejor las tendencias y variabilidades en los datos de ventas históricos. Este proyecto evidencia el potencial de la analítica de negocios para generar valor y optimizar el modelo de negocio de la organización.

ABSTRACT : The objective of this project was to build a Dashboard that integrates POS data analytics with Machine Learning algorithms to improve business decision making in Comercial Nutresa S.A.S, a leading company in the distribution and sale of mass consumption products. Using the CRISP-DM methodology, several specific objectives were developed: ensure data quality through cleaning and preprocessing techniques, perform an exploratory analysis of POS data, develop a product recommendation algorithm and create an initial model for sales prediction at the category level. The methodology included phases of business understanding, data understanding, data preparation, modeling, evaluation and deployment, using tools such as Python, Microsoft Excel and Power BI ®. The results show significant advances in product recommendation, with a model that recommended 837 products in 19 categories with high accuracy and avoiding duplication. However, the sales prediction model presented unsatisfactory results, with high error margins in several categories, indicating the need for improvement. The findings highlight that effective integration of POS data analytics and machine learning algorithms provides valuable tools for business decision making. The exploratory analysis and recommendation model proved to be efficient and accurate, while the sales prediction model requires adjustments to better capture trends and variabilities in historical sales data. This project evidences the potential of business analytics to generate value and optimize the organization's business model.