Modelo Predictivo de Inventarios

Propuesta para Americana 2000 — Enero 2026

+40
Sucursales en Guatemala
Q90M+
Ventas Anuales
Q40M+
Inventario Promedio
+10,000
SKUs Activos
Objetivo del Proyecto

"Reducir el riesgo financiero de inventarios anticipando la demanda a 6 meses, integrando el lead time de importación para apoyar decisiones de compra y priorizar SKUs críticos."

Compromiso Operativo

Odoo no se pone en riesgo. El procesamiento analítico ocurre fuera del sistema productivo, con ETL nocturno a partir de las 10:00 PM. Latencia aceptable de 24 horas para decisiones de inventario.

Desafío Principal

Lead Time de Importación

3-4 Meses
Cada orden de compra es una decisión financiera irreversible por varios meses

Compras del Exterior

Q35M/año
De Q80M en compras totales, Q35M provienen de importaciones de Asia

Modalidad de Pago

Contado
El capital se compromete al momento de la orden, no hay reversión

SKUs a Gestionar

+10,000
Cada SKU requiere pronóstico individual para decisión óptima

Contexto del Negocio

Entendiendo la operación de Americana 2000

Perfil de la Empresa
  • Presencia Nacional
    Más de 40 sucursales en el pais de Guatemala, con Centros de Distribución Estratégicos.
  • Volumen de Operación (Promedio)
    Facturación anual superior a Q90 millones, con un inventario promedio de Q40 millones y compras anuales de Q80 millones.
  • Modelo de Importación (Aproximado)
    Q35 millones anuales en importaciones directas desde Asia, con pago al contado y lead times de 3 a 4 meses.
  • Infraestructura Tecnológica
    ERP Odoo con base de datos PostgreSQL, sistema estable que no debe ser afectado por procesos analíticos.
Indicadores Clave
Indicador Valor Actual Relevancia
Ventas Anuales Q90+ millones Base para cálculo de rotación y pronósticos
Inventario Promedio Q40+ millones Capital inmovilizado a optimizar
Compras Anuales Q80 millones Volumen de decisiones de reabastecimiento
Importaciones Asia Q35 millones Compras con mayor lead time y riesgo
SKUs Activos +10,000 Complejidad del portafolio
Lead Time Importación 3-4 meses Horizonte mínimo de planificación

El Problema Financiero Real

El error no se corrige rápido y se paga en efectivo

Consecuencias del Modelo Actual
Sobrecompra
Capital inmovilizado por meses sin generar retorno
Subcompra
Quiebres prolongados de 3-4 meses y ventas perdidas
Ciclo Largo
Correcciones tardan otro ciclo completo de importación

Impacto Financiero

Con Q35 millones en importaciones anuales al contado y un lead time de 3-4 meses, cada error de pronóstico compromete capital que no puede recuperarse hasta el siguiente ciclo. Esto no es solo un problema operativo, es un riesgo financiero estructural.

Limitación del Enfoque Actual

"El histórico explica el pasado, no protege el futuro."

Aspecto Reportes Históricos Modelo Predictivo
Enfoque temporal Qué pasó Qué pasará
Horizonte de decisión Reactivo Proactivo (6 meses)
Considera lead time
Incertidumbre cuantificada
Sugerencia de compra
Priorización de SKUs Manual Automática por riesgo
El Dilema de Cada Orden de Compra
1
Decisión

Se define cantidad a importar

2
Pago

Capital comprometido al contado

3
Espera

3-4 meses de lead time

4
Resultado

¿Sobró? ¿Faltó? Ya es tarde

Sin predicción, cada orden es una apuesta. Con predicción, es una decisión informada.

Propuesta de Valor

Un sistema que anticipa la demanda para proteger el capital

¿Qué Hace el Modelo?

Para cada uno de los +10,000 SKUs, el sistema:

  • Proyecta demanda futura a 6 meses
    Utilizando modelos ARIMA optimizados por producto, con análisis de estacionalidad y tendencias históricas.
  • Evalúa incertidumbre del pronóstico
    Cada predicción incluye rangos mínimo y máximo, permitiendo decisiones con diferentes niveles de riesgo.
  • Considera el lead time de importación
    El horizonte de 6 meses cubre el ciclo completo de importación desde Asia, permitiendo decidir antes de que sea tarde.
  • Genera recomendación accionable
    Cuánto comprar, cuándo comprar, qué NO comprar. Se decide antes de pagar, no después.
  • Clasifica por nivel de riesgo
    Semáforo de 4 niveles (EXTREMO, ALTO, MEDIO, BAJO) para priorizar atención en los SKUs más críticos.
Sistema de Clasificación de Riesgo
Nivel Criterio Acción Recomendada
EXTREMO Inventario insuficiente para cubrir pronóstico Compra urgente con factor de seguridad 1.75x
ALTO Cobertura menor a 1 mes de ventas Incluir en próxima orden de importación
MEDIO Cobertura entre 1 y 4 meses Monitorear, planificar reabastecimiento
BAJO Cobertura mayor a 4 meses No comprar, evaluar rotación
¿Qué Reciben los Equipos?

Finanzas

• Priorización de uso de capital
• Identificación de riesgo de sobrestock
• Escenarios a 3-6 meses
• Soporte cuantitativo para decisiones de caja

Compras

• Lista priorizada de productos a importar
• Cantidades sugeridas por SKU
• Identificación de quiebres potenciales
• Datos descargables para órdenes de compra

Arquitectura Técnica

Odoo sigue siendo Odoo. El análisis vive afuera.

Flujo de Datos
Odoo / PostgreSQL
ETL Nocturno
Servidor Analítico
Modelos ARIMA
Shiny Dashboard

Principios de Seguridad Operativa

  • ETL se ejecuta únicamente después de las 10:00 PM
  • Conexión de solo lectura a Odoo
  • Servidor analítico completamente independiente
  • Latencia de 24 horas (aceptable para decisiones de inventario)
  • Cero impacto en operación diaria del ERP
Stack Tecnológico
Componente Tecnología Propósito
Extracción de Datos R + RPostgreSQL Conexión segura a Odoo/PostgreSQL
Procesamiento ETL R + tidyverse Transformación y limpieza de datos
Modelos Predictivos R + forecast + furrr ARIMA paralelo para +10,000 SKUs
Almacenamiento RDS (archivos R) Datasets optimizados para consulta rápida
Visualización Shiny Server + shinydashboard Dashboard interactivo web
Gráficos highcharter + plotly + DT Visualizaciones interactivas

Dashboard Ejecutivo

Visualización diseñada para decisiones, no para técnicos

Vista Previa del Sistema
2,847
Items en Categoría
142
Riesgo Extremo
389
Riesgo Alto
45
En Tránsito
CÓDIGO DESCRIPCIÓN PRONÓSTICO 6M INVENTARIO RIESGO SUGERIDO
SKU-0023 Producto Importado Premium A 1,250 180 EXTREMO +1,070
SKU-0156 Artículo de Alta Rotación B 890 245 ALTO +645
SKU-0089 Producto Estacional C 560 320 MEDIO +240
SKU-0201 Item Regular D 340 890 BAJO 0

Visualización de ejemplo. El dashboard real se personalizará con las categorías de Americana 2000.

Funcionalidades del Dashboard

Filtros Dinámicos

Selección por categoría, subcategoría, nivel de riesgo. Visualización inmediata de productos críticos.

Gráficos Predictivos

Click en cualquier producto para ver su serie temporal histórica y proyección a 6 meses con intervalos de confianza.

Vista por Bodega

Existencias desglosadas por ubicación para cada SKU. Identificación de producto en tránsito.

Exportación Excel

Descarga de datos filtrados para integración con procesos de compras y análisis adicional.
Análisis de Quiebres de Inventario

El sistema identifica productos con ventas históricas pero sin existencia actual, aplicando técnicas de imputación de datos (Filtro de Kalman) para estimar la demanda no satisfecha y priorizar reabastecimiento.

¿Por qué es importante?

Un quiebre de inventario no solo es una venta perdida hoy. Con lead times de 3-4 meses, significa pérdida de ventas durante todo ese período. El costo real es mucho mayor que el de una sola transacción.

Fases del Proyecto

5 meses de implementación estructurada

Cronograma de Implementación
Mes 1

Fase 1: Análisis y Preparación de Datos

Revisión de estructura de datos en Odoo, validación de históricos de ventas e inventario, diseño del modelo de datos analítico. Identificación de categorías y subcategorías críticas.

Mes 2

Fase 2: ETL Nocturno

Desarrollo de procesos de extracción incremental desde PostgreSQL, transformación y limpieza de datos, carga a base analítica. Configuración de ejecución automática post 10:00 PM.

Mes 3

Fase 3: Análisis de Demanda

Análisis exploratorio de patrones de venta, identificación de estacionalidad, segmentación de productos por comportamiento. Validación de calidad de datos históricos.

Mes 4

Fase 4: Modelos Predictivos

Entrenamiento de modelos ARIMA para cada SKU, validación de precisión, generación de pronósticos a 6 meses con intervalos de confianza. Cálculo de niveles de riesgo y compras sugeridas.

Mes 5

Fase 5: Visualización y Entrega

Implementación de dashboard en Shiny Server, capacitación de usuarios, documentación técnica y de usuario. Entrega de código fuente y transferencia de conocimiento.

Operación Continua Post-Implementación
  • Ejecución Automática Nocturna
    Los modelos se re-entrenan cada noche con datos actualizados. Pronósticos siempre frescos para la mañana siguiente.
  • Uso Diario por Equipos
    Compras y Finanzas acceden al dashboard para consulta y descarga de reportes según necesidad.
  • Sin Intervención Manual
    Una vez configurado, el sistema opera de forma autónoma. Solo requiere monitoreo ocasional de infraestructura.

Entregables

Todo lo que Americana 2000 recibe

Componentes del Sistema
Entregable Descripción Formato
Scripts ETL Procesos de extracción, transformación y carga de datos Código R (.R)
Modelos Predictivos Algoritmos ARIMA configurados para cada SKU Código R (.R)
Motor de Riesgo Lógica de clasificación y cálculo de compra sugerida Código R (.R)
Dashboard Shiny Aplicación web interactiva (UI + Server + Global) Código R (.R)
Documentación Técnica Guía de instalación, configuración y mantenimiento PDF/Markdown
Manual de Usuario Guía de uso del dashboard para usuarios finales PDF
Capacitación Sesiones de entrenamiento para equipos de Compras y Finanzas Virtual/Presencial
Requisitos de Infraestructura

Americana 2000 debe proveer:

  • Servidor Analítico
    Máquina virtual o física con Linux (Ubuntu recomendado), mínimo 32GB RAM, 500GB almacenamiento. Puede ser on-premise o cloud.
  • Acceso a PostgreSQL de Odoo
    Credenciales de solo lectura para conexión desde el servidor analítico.
  • Acceso de Red
    Conectividad entre servidor analítico y base de datos Odoo (puede requerir configuración de firewall/VPN).

Alternativa Cloud

Si Americana 2000 no cuenta con infraestructura propia, DS Conexión puede configurar el sistema en un servidor cloud con costo mensual adicional de aproximadamente USD 250-500/mes (AWS, DigitalOcean, o similar).

Retorno de Inversión

Una mejora marginal paga el proyecto

Análisis Financiero del Proyecto
2.7%
Mejora mínima necesaria en inventario para recuperar inversión
Q40M
Inventario promedio susceptible de optimización
Q35M
Importaciones anuales que requieren predicción

El Cálculo Simple

Inversión Total: USD 39,195.00 ≈ Q305,000.00

Inventario Promedio: Q40,000,000.00

Mejora Necesaria: Q305,000.00 / Q40,000,000.00 = 0.76%

Reducir el sobrestock en menos del 1% del inventario total recupera la inversión completa.

Con Q35 millones en importaciones de Asia, evitar un solo error de sobrecompra del 1% significa Q350,000 en capital no inmovilizado.

Escenarios de Retorno
Escenario Mejora en Inventario Capital Liberado/Año ROI Primer Año
Conservador 2% Q800,000 162%
Moderado 5% Q2,000,000 555%
Optimista 10% Q4,000,000 1,210%

* ROI calculado sobre inversión de ~Q305,000 (USD 39,195 a TC 7.78)

Beneficios Cualitativos Adicionales
  • Reducción de Quiebres de Inventario
    Menos ventas perdidas por falta de producto. Con lead times de 3-4 meses, cada quiebre evitado equivale a 3-4 meses de ventas recuperadas.
  • Mejor Planeación de Caja
    Visibilidad a 6 meses de necesidades de compra permite planificar flujo de efectivo con anticipación.
  • Decisiones Defendibles
    Respaldo cuantitativo para justificar decisiones de compra ante Dirección y Junta Directiva.
  • Profesionalización del Proceso
    De decisiones basadas en intuición a decisiones basadas en datos y modelos.

Plan de Inversión

Estructura de pagos diseñada para facilitar la decisión

Inversión Total del Proyecto
USD 39,195.00
Pago único o en 10 mensualidades
10 pagos mensuales de
USD 3,919.50
Estructura de Pagos
Pago Momento Monto USD Hito Asociado
1 Inicio del Proyecto USD 3,919.50 Kick-off y acceso a datos
2 Mes 2 USD 3,919.50 ETL funcional
3 Mes 3 USD 3,919.50 Modelos entrenados
4 Mes 4 USD 3,919.50 Dashboard en producción
5 Mes 5 USD 3,919.50 Capacitación completada
6-10 Meses 6-10 USD 3,919.50 c/u Soporte y optimización
Lo Que NO Incluye Costos Adicionales
  • Sin licencias de software
    R, Shiny, y todas las librerías utilizadas son open source y gratuitas.
  • Sin pagos por usuario
    Usuarios ilimitados pueden acceder al dashboard sin costo adicional.
  • Sin pagos por ejecución
    Los modelos pueden ejecutarse tantas veces como se necesite.
  • Sin dependencia de proveedor
    El código fuente es entregado. Americana 2000 puede operar y modificar el sistema de forma independiente.

Propiedad Intelectual

El activo queda en Americana 2000

Términos de Propiedad

Principio Fundamental

Todo el código fuente, modelos predictivos, y documentación desarrollados específicamente para este proyecto son propiedad exclusiva de Americana 2000 una vez completado el pago.

  • Código Fuente Entregado
    Todos los scripts R (ETL, modelos, dashboard) son entregados con comentarios y documentación para su comprensión y mantenimiento.
  • Modelos Predictivos Propios
    Los parámetros y configuraciones específicas entrenadas con datos de Americana 2000 son propiedad de la empresa.
  • Total Control Interno
    La empresa puede modificar, extender, o adaptar el sistema sin necesidad de autorización de DS Conexión.
  • Sin Dependencia de Proveedor
    El sistema puede ser operado y mantenido por personal interno o cualquier otro proveedor de servicios.
Esto es Inversión, No Gasto
Aspecto Licencia SaaS Típica Este Proyecto
Propiedad del código Del proveedor De Americana 2000
Pagos recurrentes Mensuales/anuales indefinidos Solo durante implementación
Acceso a datos En servidores del proveedor 100% en infraestructura propia
Si termina la relación Pierde acceso al sistema Conserva todo el sistema
Modificaciones Depende del proveedor Total libertad
Valor en balance Gasto operativo Activo intangible

Siguientes Pasos

Del interés a la implementación

Proceso de Arranque
1
Validar Alcance

Confirmar expectativas y requerimientos específicos

2
Confirmar Datos

Validar acceso y estructura de datos en Odoo

3
Firmar Acuerdo

Formalizar términos y calendario

4
Iniciar

Kick-off y primer pago

Acciones Inmediatas
  • Reunión de Validación Técnica
    DS Conexión requiere una sesión con el equipo de TI para confirmar acceso a PostgreSQL y estructura de datos de Odoo.
  • Definición de Categorías Prioritarias
    Identificar las 3-5 categorías de productos más críticas para enfocar la validación inicial de modelos.
  • Asignación de Recursos
    Designar un contacto de Compras y uno de TI como enlaces durante el proyecto.
Mensaje Final

"Con compras al contado y lead times de 3-4 meses desde Asia, el futuro vale más que el pasado. Este proyecto convierte datos históricos en visión anticipada, transformando cada decisión de compra de una apuesta en una decisión informada."

— DS Conexión
Data Science & Strategy