Predicción de ventas para pymes
Sistema de predicción de ventas para pymes del sector de alimento para mascotas. El modelo principal, basado en XGBoost para series temporales, alcanza ~77 % de precisión (R²).
Python · FastAPI · XGBoost · MLflow · Docker · Next.js
El problema
Una pyme de retail no sabe cuánto va a vender ni cuándo reponer: compra de más (capital inmovilizado y producto que caduca) o de menos (quiebres de stock y ventas perdidas). Decidir el inventario «a ojo» cuesta dinero todas las semanas.
Mi rol
TODO(jc): describe tu rol (modelado ML, API, dashboard) y si fue individual o con Yultic.
La solución y las decisiones
- Modelo XGBoost para series temporales que proyecta ventas de 7 a 90 días.
- API en FastAPI (desplegada en Railway) que sirve las predicciones, con seguimiento de experimentos vía MLflow.
- Dashboard en Next.js (TanStack Query + Recharts) con KPIs, predicciones exportables a CSV, alertas de inventario y órdenes de compra sugeridas.
- Detalle de dominio que mejora la precisión: el modelo excluye los domingos (la tienda cierra) y maneja moneda y fechas en formato local (es-SV).
Resultado e impacto
- El modelo alcanza ~77 % de precisión (R²) en la predicción de ventas.