2025-06-042025-06-042024-11-19https://hdl.handle.net/20.500.13077/1357Trabajo final de graduación como requisito para optar por el grado académico de Licenciatura en Ingeniería en Procesos y Calidad en la Sede Central de la Universidad Técnica NacionalEl proyecto titulado "Propuesta de optimización de la compra y venta de inventario para una tienda retail a través de herramientas de Business Intelligence y Machine Learning" de los estudiantes Kendall Oviedo y Oscar Hidalgo de la carrera de Ingeniería en Procesos y Calidad, se desarrolla en la tienda Amapolas, ubicada en Guácima, Alajuela. Esta empresa cuenta con más de 30 años de experiencia en el sector minorista y opera con siete categorías de productos: damas, caballeros, infantil, juguetería, librería, navidad y detalles y envolturas. Ante retos operativos relacionados con el manejo de inventarios, el estudio se enfoca en optimizar la relación entre las compras y ventas, utilizando análisis descriptivo y predictivo. El problema principal identificado es un desajuste entre las compras y ventas de inventario, lo que ha llevado a desperdicios por productos sin rotación y costos de oportunidad por falta de stock. Para abordar esta problemática, el proyecto propone el uso de herramientas de Business Intelligence para analizar datos históricos de 36 meses que abarca desde enero 2021 a diciembre 2023 y algoritmos de Machine Learning, como Decision Tree, para predecir la demanda futura. La metodología incluye varios pasos clave: un mapeo de procesos para comprender las operaciones actuales, la integración de datos mediante un modelo ETL (Extraer, Transformar y Cargar) en Power BI, y el desarrollo de Dashboards interactivos que visualizan patrones de compras, ventas y estacionalidad. Estos análisis permiten identificar picos de demanda en fechas clave, como Navidad o el Día de la Madre, optimizando las estrategias de inventario para cada temporada y categoría de productos. El análisis descriptivo reveló inconsistencias en las compras y ventas históricas. Por ejemplo, categorías como "Damas" y "Juguetería" presentan inventarios excedentes, mientras que otras como "Caballeros" muestran déficit, lo que afecta la experiencia del cliente y la liquidez de la empresa. Por otro lado, el análisis predictivo permitió estimar la demanda futura con un enfoque más preciso, proponiendo planes de compras alineados con las tendencias estacionales y las proyecciones de ventas. El impacto esperado del proyecto incluye la reducción de desperdicios por inventarios inactivos, mejora en la disponibilidad de productos y una toma de decisiones más ágil y basada en datos. Además, se busca fortalecer la sostenibilidad del negocio, incrementando su rentabilidad y reforzando un modelo operativo replicable. El uso de Dashboards operativos permite a los encargados de la tienda monitorear en tiempo real indicadores clave de desempeño (KPIs) relacionados con compras y ventas de inventario, facilitando la adaptación a cambios en el mercado. Es importante mencionar que, este trabajo no solo propone soluciones tecnológicas para optimizar la gestión de inventarios, sino que también fomenta una cultura organizacional basada en datos, asegurando que la tienda Amapolas mantenga su competitividad en un mercado minorista en constante progreso.PDF125 pp.spaacceso abiertoAttribution-NonCommercial-ShareAlike 4.0 InternationalMACHINE LEARNINGGESTIÓN DE INVENTARIOSOPTIMIZACIÓN DE PROCESOSANÁLISIS DE DATOSINDICADORES CLAVE DE DESEMPEÑOPOWER BIÁRBOLES DE DECISIÓNtesis