Proyecto Final de Carrera - CDN 2023
Universidad de Montevideo
http://raico-analytics.raiconet.com/
Este proyecto de ciencia de datos tiene como objetivo principal mejorar la eficiencia en la toma de decisiones en la empresa de transporte internacional Raiconet, a través de la identificación y predicción de cambios en el volumen de carga a lo largo del tiempo.
La relevancia de este proyecto radica en la capacidad de anticiparse a las fluctuaciones de los kilos transportados, lo que permitirá tomar decisiones informadas en aspectos cruciales como la asignación de horas de operación en aduana, la determinación estratégica en los cupos y asignación de vuelos semanales, así como también la planificación estratégica de ventas futuras y capacidad de transporte para las mismas. Para lograrlo, se llevaron a cabo cuatro etapas clave: Exploratory Data Analysis (EDA), Modelado, Desarrollo y Deploy. La fase de EDA implicó comprender el problema y analizar los datos recopilados, mientras que la etapa de Modelado se centró en desarrollar un modelo capaz de capturar tendencias y patrones para resolver el problema. Una vez obtenido el modelo deseado, se procedió a integrarlo en una Dash Web App para que los usuarios pudieran hacer uso de él. Finalmente, en la fase de Deploy, el modelo se llevo a producción utilizando Amazon Web Services, lo que permite que esté disponible para su uso y que se integre en la toma de decisiones diarias.
Dada la naturaleza transversal del problema, varias áreas de la empresa, incluyendo importación, exportación y comercial, participaron activamente en el proyecto. Cada una de estas áreas desempeñó un papel específico aportando domain knowledge a la resolución del desafío. Estos conocimientos fueron vitales para validar en las distintas etapas del proyecto los resultados obtenidos. La herramienta final no solo proporciona información sobre las predicciones de kilos a transportar en las próximas 10 semanas, sino que también ofrece valiosos insights relacionados con la evolución del transporte de kilos por motivo. Además de las proyecciones futuras, la herramienta analiza el histórico de kilos transportados, identificando patrones y tendencias clave en el comportamiento logístico.
Un aspecto distintivo de esta herramienta es su capacidad para destacar los clientes principales asociados con cada motivo de transporte. Este análisis detallado permite una comprensión más profunda de las relaciones comerciales y proporciona información estratégica sobre los actores clave en cada motivo. Al conocer los clientes principales y sus contribuciones a cada motivo, los usuarios pueden tomar decisiones más informadas y adaptar sus estrategias logísticas de manera más efectiva.
En resumen, este proyecto no solo se centra en las predicciones futuras, sino que también ofrece una visión integral de la dinámica del transporte, revelando patrones históricos y resaltando la importancia de los clientes para cada motivo. Involucrando un proceso que abarca desde el análisis de datos hasta la implementación de una herramienta web para múltiples áreas de la empresa.