Optimización de la toma de decisiones en la Empresa Insuban a través de una aplicación de análisis de ventas

Abstract

La implementación de un módulo de análisis de datos para la optimización de la toma de decisiones en la empresa INSUBAN del Cantón Valencia abordó la necesidad crítica de transformar datos históricos de ventas almacenados en documentos PDF en información accionable para decisiones comerciales estratégicas. El proyecto desarrolló una solución personalizada utilizando Python y bibliotecas especializadas como Pandas, Matplotlib y Tabula-py, siguiendo una metodología sistemática que incluyó diagnóstico inicial, recolección y procesamiento de datos, desarrollo del módulo y validación continua. Los resultados demuestran mejoras significativas en múltiples aspectos operativos: una reducción del 15% en situaciones de desabastecimiento, optimización del 12% en costos de almacenamiento, precisión del 90% en predicciones de ventas y reducción del 30% en tiempo dedicado al análisis de datos. La automatización implementada permitió la generación de visualizaciones dinámicas y reportes automatizados, facilitando la identificación de patrones y tendencias en el comportamiento de ventas. La solución desarrollada no solo mejoró la eficiencia operativa, sino que también proporcionó una base sólida para la planificación estratégica y la gestión proactiva del inventario. Esta experiencia establece un precedente valioso para pequeñas empresas que buscan modernizar sus procesos analíticos, demostrando que la implementación de soluciones adaptadas a necesidades específicas puede generar beneficios tangibles en eficiencia operativa y precisión en la toma de decisiones. El proyecto también reveló áreas de oportunidad para futuras mejoras, incluyendo la posible integración de capacidades de aprendizaje automático más avanzadas y la expansión del alcance del análisis para incorporar factores externos del mercado.The implementation of a data analytics module for optimizing decision-making at INSUBAN company in Canton Valencia addressed the critical need to transform historical sales data stored in PDF documents into actionable information for strategic commercial decisions. The project developed a customized solution using Python and specialized libraries such as Pandas, Matplotlib, and Tabula-py, following a systematic methodology that included initial diagnosis, data collection and processing, module development, and continuous validation. Results show significant improvements across multiple operational aspects: a 15% reduction in stockout situations, 12% optimization in storage costs, 90% accuracy in sales predictions, and 30% reduction in time spent on data analysis. The implemented automation enabled the generation of dynamic visualizations and automated reports, facilitating the identification of patterns and trends in sales behavior. The developed solution not only improved operational efficiency but also provided a solid foundation for strategic planning and proactive inventory management. This experience establishes a valuable precedent for small businesses seeking to modernize their analytical processes, demonstrating that implementing solutions adapted to specific needs can generate tangible benefits in operational efficiency and decision-making accuracy. The project also revealed areas of opportunity for future improvements, including the possible integration of more advanced machine learning capabilities and the expansion of analysis scope to incorporate external market factors.