Dimensionar cuántos recursos se deben disponer, cuánto stock aprovisionar o cuántas personas contratar son los retos más importantes a los que se enfrenta una empresa ya que impactan de manera directa en la cuenta de resultados.
Las empresas suelen tomar estas decisiones basándose en el histórico de información y la experiencia de sus gerentes. Sin embargo, como son problemas complejos, hay muchos datos y variables que pueden pasarse por alto por parte de las personas. Los históricos son largos, la forma de hacer los registros cambia, puede haber información proveniente de diferentes sistemas, variables que no se han observado, etc.
Los modelos de inteligencia artificial basados en series temporales permiten a las empresas tomar decisiones óptimas. En este tipo de proyectos, lo más importante es que la empresa disponga de datos de ventas (con un histórico de tiempo suficiente) y estos datos sean accesibles.
La labor del equipo de IA es encontrar patrones en el histórico de ventas para así predecir cómo se comportarán las ventas en el futuro. Para esto prueban con diferentes algoritmos de machine learning hasta que dan con el más preciso. Este trabajo se suele hacer en el lenguaje de programación Phyton, aunque en ocasiones también se usa R.
La recomendación es empezar con una parte de todos los datos. Por ejemplo, las ventas de una categoría de producto o en un territorio específico. Así podremos comprobar si los resultados que proporciona son mejores que los obtenidos previamente sin IA y, en caso de que sí, extender el análisis al total de las ventas.
Como resultado de estos proyectos de predicción o forecast, las empresas obtienen una estimación de ventas en el futuro, lo que les permite dimensionar los recursos que van a necesitar, optimizar la inversión, hacer cálculos sobre su crecimiento y adaptarse a un mercado tan rápido y cambiante como el actual.