El presente trabajo tiene por objetivo establecer una metodología para la predicción de la
demanda diaria de envíos en una empresa dedicada al comercio electrónico por medio del
uso de algoritmos matemáticos.
Para ello, se ha comenzado realizando una intensa revisión literaria para analizar los métodos
y algoritmos empleados hasta el momento en la predicción de la demanda en diferentes
industrias y empresas en base a artículos científicos internacionales. Gracias a esta búsqueda
bibliográfica se eligieron los algoritmos, tanto estadísticos como de aprendizaje automático,
que habían proporcionado buenos resultados según los artículos consultados para evaluar su
eficiencia en el caso particular de este proyecto.
A partir de este punto, se trabajó en comprender el funcionamiento de cada algoritmo en
particular aplicados en el contexto que nos ocupa, así como los parámetros más
característicos de cada uno. Seguidamente, se llevó a cabo la programación de éstos y el
testeo de su idoneidad a partir del histórico de datos facilitados por la empresa.
Posteriormente, se compararon los resultados obtenidos por los diferentes algoritmos con la
finalidad de hallar aquellos que mejor se ajustaban a las observaciones registradas por la
compañía. En el caso concreto de este trabajo, los algoritmos que mejor ajustaban las
predicciones eran los de aprendizaje automático (más concretamente, bosques aleatorios, k
vecinos más próximos y la red neuronal LSTM).
Una vez obtenidos los resultados iniciales, se valoró la opción de mejorarlos mediante dos
métodos. El primero consistía en combinar estos algoritmos en la predicción de la demanda
utilizando un método de ensamblaje, pero se llegó a la conclusión de que no había ninguna
combinación de algoritmos que mejorase los resultados obtenidos de forma clara. El segundo
método fue la calibración de los parámetros característicos de cada algoritmo con el fin de
mejorar la bondad de los resultados obtenidos.
Ningún método mejoraba de forma significativa los resultados iniciales obtenidos pero la
calibración de parámetros fue el único método que consiguió mejorar los resultados de forma
general en todas las ciudades. Es por ello por lo que se decidió aconsejar a la empresa la
predicción de su demanda por medio del algoritmo de bosques aleatorios y con el método de
mejora de calibración de parámetros.
