Modelo para predicción de la demanda potencial basado en Machine Learning aplicado en una empresa del sector textil y moda colombiano – caso de estudio aplicado al mercado de California

Abstract

El desafío para predecir la demanda de las compañías del sector textil moda constituye un aspecto fundamental para incrementar el volumen de ventas con un adecuado manejo del inventario. En este contexto, las compañías pueden acceder a ventajas competitivas que soporten el constante cambio del mercado global. Esta investigación aborda dicho desafío desarrollando un método de predicción de la demanda empleando técnicas de aprendizaje de máquinas. A través de un conjunto de datos representativo, que incluye información detallada sobre las ventas e inventario de una compañía del sector textil moda en el canal de comercio electrónico, se ajustan técnicas de aprendizaje de máquina, utilizando un enfoque de redes neuronales recurrentes, específicamente LSTM, y XGBoost. Los resultados obtenidos demuestran que el método propuesto alcanza una precisión general del 80,3%, demostrando su habilidad para predecir la demanda. La investigación aporta al campo del comercio electrónico de las empresas del sector textil moda con presencia en el mercado de Estados Unidos de América un enfoque predictivo que se centra en la precisión y la generalización. Este enfoque de generalización implica que el modelo no está restringido a un conjunto de datos específico o a condiciones de mercado particulares, sino que puede ajustarse y mantener su precisión ante los cambios dinámicos que presenta el comercio electrónico. (Tomado de la fuente)

The challenge of predicting demand for companies in the textile and fashion sector is a fundamental aspect to increase sales volume with proper inventory management. In this context, companies can access competitive advantages to support the constantly changing global market. This research addresses this challenge by developing a demand forecasting method using machine learning techniques. Through a representative dataset, which includes detailed information about the sales and inventory of a fashion textile company in the e-commerce channel, machine learning techniques are adjusted, using a recurrent neural network approach, specifically LSTM, and XGBoost. The results obtained show that the proposed method achieves an overall accuracy of 80,3%, demonstrating its ability to predict demand. The research brings to the field of e-commerce for fashion textile companies with a presence in the United States market a predictive approach that focuses on accuracy and generalization. This generalization approach implies that the model is not restricted to a specific data set or to particular market conditions, but can adjust and maintain its accuracy in the face of dynamic changes in e-commerce.