Planificación de demanda unificada

Mejorar el nivel de servicio es un gran desafío, en especial si no se sabe qué productos nos van a pedir nuestros clientes. Por eso, vamos a contar cómo comenzamos a realizar una transformación E2E del proceso de replenishment de un cliente de la industria alimenticia. En este proceso, mejoramos su sistema actual de forecasts de consumo y utilizamos dichas estimaciones para ayudarnos a pronosticar órdenes. Dada la gran cantidad de datos, apalancamos nuestros modelos en herramientas top del mercado, como Databricks, PySpark y MLFlow. 

Pre-requisitos

Lo ideal sería que se armen una cuenta community en Databricks: https://community.cloud.databricks.com/login.html asumimos además que la gente conoce Python

Sobre Nicolás García Aramouni

Nicolás es Licenciado en Economía Empresarial y Magister en Gestión de Negocios y Análisis de Datos. Trabaja hace dos años en Accenture como Científico de Datos. Le gusta mucho el análisis de datos, en especial aplicados a los deportes, y tiene especial experiencia en proyectos de pronóstico de demanda 

Sobre Ruben Gonzalez Rodriguez

Rubén D. es Ingeniero Electricista, Magister en Ingeniería y actualmente se encuentra finalizando una Especialización en Ciencia de Datos. Hace 2 años hace parte del área de Applied Intelligence de Accenture con el rol de Especialista en Data Science. Le gusta hacer Data Science porque le permite explicar el mundo a través de modelos, especialmente de ML, y ver como con la ayuda de estos se mejoran procesos. Ha trabajado en varios proyectos de pronóstico de demanda para supply chain y le motiva todo lo que tenga que ver con código.