La solución gracias a la plataforma BeDataScience fue:

En primer lugar, se realiza un diagnóstico del potencial de la información, recogiendo, integrando y normalizando información histórica de expedición de pedidos, inventarios, mermas, contratos con clientes, materiales, tablas de clientes y otros datos externos de un período de 2 años, creándose un Datalake específico en BeDataScience con: +6Mill de registros, +600Mill de unidades, +10Mil Materiales.

Se realiza a su vez una evaluación y análisis de las tipologías de clientes, y de la jerarquía y características de los materiales, y se realiza un proceso de tratamiento y mejora de la calidad de la información para su máximo aprovechamiento, normalizando y enriqueciendo los datos con nuevas variables de interés.

A continuación, se crea una Base Analítica para la implantación de IA y se procede a la Modelización, para determinar qué tipo de algoritmos permiten generar los mejores ajustes en los modelos de predicción. Se realiza un análisis estadístico individual de variables, una tipificación de patrones, y se implantan procesos de Machine Learning para la preselección y valoración de tipos de algoritmos de previsión.

Por último, se ejecuta el sistema de modelos planteado, y se adapta para la automatización de procesos analíticos y de seguimiento a través de Cuadros de Mando.