Análisis predictivo de ventas basado en modelos de machine learning para el negocio de genética avícola

Abstract

Este proyecto pretende generar predicciones de finanzas basándose en la data histórica de las ventas en el negocio avícola. Usaremos aprendizaje automático para probar tres modelos y encontrar el menor error porcentual en la predicción del segundo semestre del año 2024. Primero se pretende crear un análisis exploratorio de la data de ventas para proceder a limpiar y cargar la misma data en dataframes de Python para su procesamiento. Posteriormente se implementará modelos de regresión lineal, random forest y red neuronal para conseguir unas predicciones de ventas del segundo semestre del año 2024. Finalmente se calculará el error para elegir la mejor predicción que se ajuste a nuestra data y poder simplificar la toma de decisiones en las predicciones de ventas. This project aims to generate financial predictions based on historical sales data in the poultry business. We'll use machine learning to test three models and find the smallest percentage error in the second semester of 2024-year prediction. First, create an exploratory analysis of the sales data to proceed to clean and load the same data into Python dataframes for processing. Subsequently, linear, random forest and neural network regression models will be implemented to achieve sales predictions for the year 2024. Finally, the error will be calculated to choose the best prediction that fits our data and be able to simplify decision-making in the sales predictions of each coming year.