Sales Forecast by using Convolutional Neural Networks

Abstract

Todas las empresas necesitan un método efectivo para predecir las ventas futuras y existen varios métodos clásicos, puramente estadísticos, que se utilizan ampliamente en la industria. Sin embargo, estos métodos de predicción no siempre son efectivos cuando se enfrentan a predicciones sin una tendencia clara en datos pasados. Recientemente, han aparecido técnicas más sofisticadas con capacidades de predicción mejoradas, basadas en aprendizaje automático y redes neuronales. Por ejemplo, las redes neuronales Feedforward y las redes neuronales recurrentes han demostrado una buena precisión al trabajar en la predicción de series temporales. Pero, ambos métodos fallan cuando se utilizan muchas capas ocultas, esto se debe al conocido problema de desaparición de gradiente.

Este trabajo propone un nuevo método de predicción de ventas basado en redes neuronales convolucionales. Este tipo de red neuronal se usa generalmente para tareas de procesamiento de imágenes. Pero en este trabajo, exploramos nuevas aplicaciones y desarrollamos modelos que producen buenos resultados en la predicción de ventas para datos reales de productos farmacéuticos. Los datos utilizados pertenecen a una base de datos de una franquicia de farmacias ecuatoriana. Esta base de datos contiene ventas semanales de productos durante un período de 4 años. Con este conjunto de datos, se implementaron y probaron varios métodos de predicción clásicos y basados en inteligencia artificial. Luego, nuestro m´etodo propuesto basado en redes neuronales convolucionales fue diseñado y programado en Matlab. Después de esto, todos estos métodos de predicción se compararon utilizando tres métricas: precisión de predicción, número de pesos y número de iteraciones. Finalmente, procedimos a determinar cual método de predicción es mejor tanto en precisión y eficiencia como en sus ventajas y desventajas