Caso de Éxito
Modelo de predicción de demanda
Detalle a nivel producto y farmacia individual
Objetivo del proyecto
Ferrer cuenta con la BBDD de detalle de pedidos históricos de cada farmacia, ya que su modelo de distribución incluye el contacto directo con las farmacias a través de una red comercial de visitadores distribuidos en todo el territorio.
La empresa tenía el convencimiento que había un potencial de mejorar la comprensión y predicción de las necesidades de cada farmacia, a partir de crear un modelo que hiciera una predicción de la demanda de cada producto del portafolio de Ferrer en cada una de las farmacias clientes.
Ferrer propuso a Kraz la ejecución de un proyecto de predicción de demanda partiendo del análisis de los datos internamente disponibles. También apostó por desarrollar este proyecto de forma colaborativa con Kraz, implicando al equipo de Data de Ferrer con el equipo de Kraz.
Solución Kraz
El desarrollo del proyecto incluyó los siguientes pasos:
- Acceso a datos históricos de pedidos en datalake.
- Transformación de los datos en series temporales (capilaridad semanal).
- Desarrollo de algoritmos de predicción de demanda.
- Aplicación de una única predicción a partir de los resultados de los distintos posibles algoritmos (ensamble de modelos).
Puesta en producción de los resultados del modelo, ejecución periódica de actualización de previsiones de demanda.
Resultados del proyecto
El proyecto de predicción de demanda ha aportado los siguientes beneficios de negocio:
- Mejor gestión de las cada una de las farmacias a nivel individual a partir de la información de apoyo para el equipo comercial de Ferrer de visitadores farmacéuticos.
- Incremento en la activación de pedidos a partir de la sugerencia individualizada del posible contenido de un próximo pedido.
- Mejor experiencia del equipo comercial al incluir información útil de soporte a la gestión de pedidos en farmacias (información disponible a través del terminal de información comercial).
- Mejora en la experiencia de los clientes directos (farmacias) al poder detectar necesidades de suministro de forma anticipada.
