Se adjunta presentacion y data:
Data: https://drive.google.com/drive/folders/ ... sp=sharing

Pronostico de elasticidad de precios en retail

Integrantes:

- Carlos Sánchez Coronel

- Jairzinho Santos Fajardo

- Elmer Rojas Zuta

- Luis Daniel Paliza Vilca

Resumen

La estimación de la elasticidad precio-demanda es crucial para la gestión estratégica en el sector de consumo masivo. Este estudio se enfoca en las bebidas de frutas, distribuidas en el canal tradicional peruano. Para ello, se analizaron 664,441 registros transaccionales del año 2024, utilizando técnicas de Machine Learning. Se compararon diferentes algoritmos, destacando XGBoost como el principal modelo de predicción, que mostró un desempeño superior a enfoques como Random Forest, SVR y un modelo log-log. Las variables consideradas incluyeron el precio por litro, características del producto, giro del establecimiento, segmento socioeconómico y estacionalidad. La herramienta SHAP se utilizó para interpretar la importancia de las variables. Los resultados muestran una elasticidad estimada entre 1.5 y 2.8, confirmando que el precio es el factor más influyente en la predicción de la demanda semanal. Los hallazgos ofrecen lineamientos basados en datos para la gestión de precios y la planificación comercial, resaltando la relevancia de la inteligencia artificial para una toma de decisiones más informada.

Elasticidad precio-demanda, Machine Learning, XGBoost, Canal Tradicional, Predicción de Demanda, Análisis SHAP, Retail en Perú.