Solución de inteligencia de negocios para el seguimiento de precios a los productos de la cesta básica alimentaria, a través de Web Scraping, aprendizaje automático y tableros de control

Abstract

En esta investigación, se presenta el desarrollo de una solución de inteligencia de negocios innovadora que combina el Web Scraping, técnicas de aprendizaje automático y tableros de control en Power BI para realizar el seguimiento de los precios de los artículos de la canasta básica alimentaria en cinco tiendas de retail. El objetivo de esta solución es proporcionar a los responsables de la toma de decisiones en el sector alimentario una herramienta eficiente y precisa para monitorear y analizar los precios de los productos en tiempo real.

Para llevar a cabo este estudio, se implementó un sistema de Web Scraping que recopila datos de precios de los sitios web de las tiendas de retail seleccionadas. Estos datos se procesaron utilizando técnicas de aprendizaje automático para identificar patrones y tendencias en los precios de los productos a lo largo del tiempo. Posteriormente, se crearon tableros de control interactivos en Power BI que muestran visualmente los resultados obtenidos, permitiendo a los usuarios explorar y analizar los datos de manera intuitiva.

Los resultados obtenidos muestran que los precios de la canasta básica alimentaria presentan variaciones significativas entre las tiendas de retail seleccionadas. Además, se observa una tendencia general de aumento de precios en determinados productos a lo largo del tiempo. Estos hallazgos brindan una visión clara sobre el comportamiento de los precios en el mercado y pueden ser utilizados para tomar decisiones estratégicas, como ajustar las estrategias de precios, negociar con proveedores y mejorar la rentabilidad del negocio.

In this Master’s Thesis, the development of an innovative business intelligence solution is presented. This solution combines Web Scraping, machine learning techniques, and Power BI dashboards to track the prices of basic food basket items in five retail stores. The objective of this solution is to provide decision-makers in the food sector with an efficient and accurate tool to monitor and analyze product prices in real time.

To conduct this study, a Web Scraping system was implemented to collect price data from the selected retail stores' websites. The collected data were processed using machine learning techniques to identify patterns and trends in product prices over time. Subsequently, interactive dashboards were created in Power BI to visually display the obtained results, allowing users to explore and analyze the data intuitively.

The results show significant variations in the prices of basic food basket items among the selected retail stores. Additionally, there is a general trend of increasing prices for certain products over time. These findings provide a clear insight into price behavior in the market and can be used to make strategic decisions, such as adjusting pricing strategies, negotiating with suppliers, and improving business profitability.