Build your ultimate AI agent
Descripción del curso
Predecir con precisión la demanda de productos permite a una empresa anticiparse al mercado. Al conocer qué factores dan forma a la demanda, puedes orientar mejor los comportamientos en torno a tus productos. Este curso te guía por el proceso de prever la demanda de productos usando R. Aprenderás a identificar impulsores clave de la demanda, analizar efectos estacionales y predecir la demanda de una jerarquía de productos a partir de un ejemplo real. Al finalizar, podrás prever la demanda de múltiples productos en varias regiones de un estado de EE. UU. Luego, agregarás estas predicciones de distintas regiones del mismo estado para construir un sistema completo de previsión jerárquica.
Requisitos previos
Programa de formación
Contenido del curso
1
Previsión de la demanda con series temporales
En previsión, el modelado de series temporales es un gran punto de partida. Necesitas pronosticar los valores futuros de la demanda de ventas y un buen enfoque base son los modelos ARIMA. En este capítulo aprenderás a implementar rápidamente modelos ARIMA y a obtener pronósticos iniciales sólidos para la demanda futura de productos.
- Cargar datos en un objeto xts50 XP
- Importar datos100 XP
- Representar / visualizar datos100 XP
- Introducción a series temporales ARIMA50 XP
- Función auto.arima()100 XP
- Interpretar auto.arima50 XP
- Predecir y evaluar50 XP
- Función forecast100 XP
- Calcular MAPE y MAE100 XP
- Visualización del pronóstico100 XP
- Intervalos de confianza para el pronóstico100 XP
2
Componentes de la demanda
La teoría económica tiene mucho que decir sobre cómo predecir valores de demanda. Factores externos como el precio, la estacionalidad y el calendario de promociones influyen claramente en varios aspectos de la demanda de productos. En este capítulo aprenderás los fundamentos de los modelos de elasticidad precio y cómo incorporar la estacionalidad y el timing de las promociones en nuestros pronósticos de demanda de productos.
3
Combinando regresión con series temporales
Los modelos de series temporales y las regresiones de precios no tienen por qué considerarse enfoques separados para prever la demanda de productos. ¡Se pueden combinar! En este capítulo aprenderás dos maneras de “combinar” la información obtenida en ambos enfoques de modelado: funciones de transferencia y combinación de pronósticos (ensembling).
4
Previsión jerárquica
Hasta ahora nos hemos centrado en construir modelos individuales para prever la demanda de productos. Sin embargo, no hemos aprovechado que todos estos productos forman una jerarquía de ventas: los productos componen regiones y las regiones componen estados. ¿Cómo garantizamos que nuestros pronósticos cuadren correctamente a lo largo de la jerarquía, de arriba abajo y de abajo arriba? En este capítulo aprenderás qué es la previsión jerárquica y cómo utilizarla a tu favor para prever la demanda de productos.
R
Previsión de la demanda de productos en R
Curso
completado
