Este proyecto desarrolla un modelo de Machine Learning para predecir ventas en un horizonte de 6 meses, utilizando datos reales del sector retail. Se comparan modelos de Regresión Lineal y Random Forest, visualizando insights clave para la toma de decisiones estratégicas.
Mejorar la planificación de ventas, optimizar inventarios y maximizar ingresos.
Origen: Dataset obtenido de Google Dataset Search
Modelos utilizados: Regresión Lineal y Random Forest
Métricas de evaluación: RMSE y R²
Visualización de insights: Importancia de variables, predicción de ventas y distribución de datos.
📌 Modelo con mejor rendimiento: Random Forest
📌 Variables más influyentes: Número de clientes y ventas por cliente
📌 Impacto de promociones: Aumento estimado del 15-20% en ventas
Python
Pandas, NumPy, Scikit-learn
Seaborn, Matplotlib
Este proyecto fue desarrollado íntegramente en Jupyter Notebook.
-
Asegúrate de tener instalado Python 3 y Jupyter Notebook (puedes usar Anaconda para facilitar la instalación).
-
Clona este repositorio o descarga los archivos manualmente:
git clone https://github.com/affec-ds/prediccion-ventas-retail.git
-
Navega a la carpeta del proyecto:
cd prediccion-ventas-retail -
Abre el notebook:
jupyter notebook
-
Ejecuta el archivo Financial Forecast Project.ipynb paso a paso para revisar el análisis, modelo y visualizaciones.