Análisis predictivo y optimización estratégica: un enfoque empresarial para la toma de decisiones financieras

Abstract

La presente sistematización se desarrolló en colaboración con RECREAMARKETING S.A., empresa especializada en automatización de procesos, con el objetivo de implementar un modelo analítico predictivo basado en técnicas de aprendizaje automático, para optimizar la toma de decisiones comerciales y financieras a partir de datos históricos de ventas. Se adoptó la metodología CRISP-DM, que estructuró el proceso en fases de comprensión del negocio, preparación y transformación de datos, modelado, entrenamiento, validación e implementación. El modelo seleccionado fue una red neuronal LSTM multivariable, configurada para predecir simultáneamente cinco variables clave (volumen, precio neto, costo, impuesto y precio por litro). Los datos fueron segmentados por SKU y canal de distribución, y normalizados para asegurar su calidad y compatibilidad analítica. El modelo fue entrenado en Python y validado adicionalmente en la plataforma empresarial Watsonx.ai, mostrando un alto grado de precisión (R² > 0,97). Las proyecciones para abril a diciembre de 2025 reflejaron coherencia con las tendencias históricas y permitieron identificar patrones estratégicos, como productos con alto margen y canales con mayor rentabilidad. La presentación de resultados se realizó mediante un dashboard interactivo en Power BI, que consolidó las métricas clave, análisis detallado y recomendaciones de optimización comercial. La experiencia evidenció la viabilidad técnica y estratégica del uso de modelos predictivos en la gestión empresarial basada en datos, así como la necesidad de institucionalizar procesos de calidad de datos y toma de decisiones fundamentadas en evidencia.