Serie temporal + Forecast
—
Descomposición
Tendencia
Estacionalidad anual
Efecto día semana
Residual / Ruido
Motor de forecasting con ML que combina series temporales, estacionalidad, eventos especiales y señales externas para proyectar demanda por SKU y zona con bandas de confianza ajustables.
| # | SKU / Producto | Unidades proyectadas | Variación | Precisión modelo | Riesgo |
|---|
Esto es una demo interactiva de Vora, no un producto en venta. Corre entera en tu navegador, sobre datos ficticios, y existe para mostrar en concreto —no en una lámina de PowerPoint— el tipo de artefacto de software que construimos.
Cada pieza del marketplace ataca un problema real de un sector donde ya entregamos: son posibilidades de lo que podemos construir sobre tu operación, con tus datos, tus reglas y tus integraciones. Lo que ves aquí en unos segundos, en producción es un proyecto acotado y medible.
Qué está corriendo de verdad en esta página, con qué números, y qué no.
Una fórmula determinística real, corriendo en tu navegador: toma la zona, la categoría de SKU, el horizonte y el historial que configuras, y calcula la demanda proyectada combinando una demanda base por categoría, un multiplicador por zona, un factor de horizonte y el impacto de los eventos especiales que marques.
De ahí salen también el stock de seguridad, el punto de reorden y el ahorro estimado — todos como porcentajes fijos de la demanda proyectada, no de un modelo entrenado.
Las series histórica y de pronóstico se generan con una tendencia, un componente estacional (seno) y ruido — no se leen de ninguna base de datos. La variación de ±10% y el ruido de cada punto salen de una función hash sobre "zona+SKU": mismos datos de entrada, mismo resultado siempre, pero no es una medición real de nada.
Las bandas de confianza 80%/95% del gráfico son una banda geométrica proporcional al rango de la serie (95% = 12% del rango, 80% = 65% de esa banda) — visualmente plausible, pero no un intervalo estadístico derivado de la incertidumbre de un modelo real.
Da una primera cifra de cuánto vas a vender, cuánto stock de seguridad mantener y cuándo reordenar, por zona y categoría, antes de conectar ningún dato real — una forma de mostrar la mecánica de un motor de forecasting, no un pronóstico listo para producción.
Las alertas operativas y los SKUs en riesgo de la derecha se arman con las mismas reglas fijas, no con un modelo de detección de anomalías.
Para producción faltaría: conectar el historial de ventas real desde el ERP/WMS, entrenar y validar un modelo de series de tiempo de verdad (o mantenerlo determinístico pero calibrado contra resultados reales), y derivar las bandas de confianza de la incertidumbre real del modelo en vez de un ± geométrico fijo.
Esta demo se construyó como pieza de muestra. Una versión productiva sobre tu historial de ventas real, integrada a tu ERP o WMS, es un proyecto acotado y medible.