Modelo de analítica y visualización de datos para la predicción de la demanda del medicamento Ampicilina + Sulbactam en Sicmafarma SAS

Abstract

Este trabajo de grado surge de la necesidad de optimizar la comercialización del medicamento Ampicilina + Sulbactam en Sicmafarma S.A.S., dado que las decisiones comerciales carecían de soporte analítico para anticipar la demanda y gestionar adecuadamente los inventarios. Ante esta situación, se establece el propósito de diseñar un modelo de analítica y visualización de datos, el cual permita mejorar la precisión en la predicción de la demanda del medicamento. Para lograrlo, se desarrolló una consultoría académica estructurada en tres componentes. Primero, se realizó un diagnóstico de ventas incorporando variables internas (ventas y precios propios) y externas (precios de competidores, factores epidemiológicos y climatológicos). Segundo, se comparan modelos de pronóstico, especialmente OLS, log–log y random forest, para identificar cuál se ajusta mejor al comportamiento de los datos. A partir de dicha comparación, se seleccionó el modelo log-log ya que presentó el equilibrio más adecuado entre la capacidad explicativa e interpretabilidad. Tercero, se planteó Scrum como marco metodológico para implementar el modelo, permitiendo planear iteraciones y escalar la propuesta a otros medicamentos.

This thesis arose from the need to optimize the marketing of the drug Ampicillin + Sulbactam at Sicmafarma S.A.S., given that commercial decisions lacked analytical support for anticipating demand and properly managing inventory. In response to this situation, the objective was to design a data analytics and visualization model to improve the accuracy of drug demand forecasting. To achieve this, an academic consultancy was developed, structured in three components. First, a sales analysis was conducted, incorporating internal variables (sales and pricing) and external variables (competitor pricing, epidemiological and climatological factors). Second, forecasting models, particularly OLS, log-log, and random forest, were compared to identify the one that best fit the data. Based on this comparison, the log-log model was selected because it presented the most suitable balance between explanatory power and interpretability. Third, Scrum was proposed as a methodological framework to implement the model, allowing for the planning of iterations and scaling of the proposal to other medications.