Comparative Analysis of Modern Machine Learning Models for Retail Sales Forecasting

Este estudio demuestra que, en el contexto de la previsión de ventas minoristas con demanda intermitente y datos incompletos, los métodos basados en árboles como XGBoost superan a arquitecturas de aprendizaje profundo más sofisticadas, lo que sugiere que la selección del modelo debe priorizar la adecuación a las características del problema sobre la complejidad arquitectónica.

Lo esencial

¡Claro que sí! Imagina que este artículo es como una gran carrera de obstáculos entre diferentes "atletas" (modelos de inteligencia artificial) para ver quién puede predecir mejor cuántas botellas de champú o jabón se venderán en una tienda física la próxima semana.

Aquí tienes la explicación, traducida al español y con analogías sencillas:

🏪 El Problema: Predecir el futuro en una tienda física

Imagina que eres el gerente de una cadena de tiendas de barrio. Tienes miles de productos y miles de tiendas. A veces, un producto se vende mucho; otras veces, no se vende nada durante semanas (demanda intermitente). A veces, los datos faltan porque el sistema se cayó o porque el producto estaba agotado.

El objetivo es simple: Saber exactamente cuánto pedir para no tener demasiados productos acumulados (que ocupan espacio) ni quedarse sin stock (y perder ventas).

🥊 Los Competidores

Los autores pusieron a prueba a tres tipos de "atletas" para ver quién gana:

1. Los Clásicos (Estadística): Son como los abuelos de la previsión. Usan fórmulas matemáticas antiguas y sencillas.
   • Analogía: Son como un viejo reloj de péndulo. Funcionan bien si el tiempo es estable, pero si hay una tormenta repentina, se confunden.
2. Los Árboles de Decisión (XGBoost y LightGBM): Son modelos que aprenden haciendo miles de preguntas de "sí o no".
   • Analogía: Imagina a un detective muy metódico que revisa cada pista (precio, día de la semana, promoción, competencia) y toma decisiones lógicas paso a paso. Es muy bueno con datos desordenados.
3. Las Redes Neuronales (Deep Learning): Son modelos muy complejos inspirados en el cerebro humano.
   • Analogía: Son como un genio artístico que intenta ver patrones ocultos y conexiones mágicas en medio de la nada. Suelen ser muy potentes, pero a veces se marean si los datos son muy sucios o escasos.

🧪 El Experimento: ¿Qué pasó?

Los investigadores probaron a estos atletas en dos escenarios principales:

• Escenario Local: Entrenar un modelo específico para cada grupo de productos (ej. un modelo solo para jabones, otro solo para champús).
• Escenario Global: Entrenar un solo modelo gigante para todo el supermercado a la vez.

También probaron dos tipos de "limpieza" de datos:

• Datos sucios: Dejar los huecos tal cual (como están en la vida real).
• Datos "reparados": Usar una IA avanzada (SAITS) para adivinar y rellenar los huecos de los datos faltantes.

🏆 Los Resultados: ¡Ganan los Detectives!

Aquí está la sorpresa del estudio:

1. Los Árboles de Decisión (XGBoost y LightGBM) ganaron por goleada.

   • La analogía: En el mundo de las tiendas físicas, donde los datos son "sucios", faltan valores y los productos cambian de estante, el detective metódico funciona mejor que el genio artístico. El detective no se confunde con los huecos en los datos; simplemente ignora lo que no sabe y se centra en lo que sí ve.
   • El modelo XGBoost fue el campeón, con el error más bajo.

2. Las Redes Neuronales (Deep Learning) tuvieron dificultades.

   • La analogía: El genio artístico intentó adivinar los patrones, pero como los datos de las tiendas físicas son muy irregulares (a veces se vende, a veces no), el genio se frustró y empezó a hacer predicciones exageradas (creía que se vendería mucho más de lo real).
   • Incluso cuando usaron la IA para "reparar" los datos faltantes, las redes neuronales no lograron superar a los árboles de decisión. De hecho, en algunos casos, "reparar" los datos tan artificialmente confundió aún más a los modelos.

3. El tamaño importa (pero no siempre).

   • A veces se dice que "cuantos más datos, mejor para la IA". Pero en este caso, como las tiendas físicas son fragmentadas (miles de tiendas pequeñas con datos diferentes), entrenar un modelo gigante para todo no ayudó. Funcionó mejor tener un modelo pequeño y específico para cada grupo de productos.

💡 La Lección Principal (Para el gerente de la tienda)

El mensaje del estudio es muy claro: No necesitas la tecnología más compleja para resolver un problema complejo.

• Si tienes una tienda física con datos irregulares, no gastes dinero ni tiempo intentando usar las redes neuronales más modernas y costosas.
• Usa modelos basados en árboles de decisión (como XGBoost). Son más rápidos, más baratos de entrenar y, lo más importante, aciertan más.

🎯 En resumen

Imagina que quieres predecir si lloverá mañana.

• Si vives en un lugar donde siempre llueve igual, un modelo complejo de satélite (Deep Learning) podría funcionar.
• Pero si vives en un pueblo donde el clima cambia locamente, los datos son incompletos y hay tormentas repentinas, lo mejor es consultar a un veterano local que conoce cada rincón del pueblo (XGBoost).

Este estudio nos dice que, para las tiendas físicas, el "veterano local" (los modelos de árboles) es mucho mejor que el "satélite de alta tecnología" (las redes neuronales), especialmente cuando los datos no son perfectos.

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Título: Análisis Comparativo de Modelos Modernos de Aprendizaje Automático para la Predicción de Ventas Minoristas

1. Problema y Contexto

La predicción precisa de la demanda es fundamental para los minoristas con tiendas físicas (brick-and-mortar) para optimizar la gestión de inventario y minimizar costos. Sin embargo, estos entornos presentan desafíos únicos que difieren de los datos de comercio electrónico o las competiciones de pronóstico estándar (como M5):

• Demanda Intermitente: Las series de tiempo presentan una alta frecuencia de días sin ventas (cerca del 100% de las series tienen al menos un día cero).
• Datos Incompletos: Tasa de valores faltantes del 20.93% en variables auxiliares.
• Rotación de Productos: Cambios frecuentes en el surtido y censura de productos.
• Fragmentación: Miles de tiendas con variabilidad a nivel local y promociones intrasemanales rápidas.

El objetivo del estudio es evaluar si las arquitecturas de aprendizaje profundo (DL) modernas superan a los métodos estadísticos clásicos y a los ensembles basados en árboles en este contexto específico de retail físico, considerando diferentes estrategias de agregación y tratamiento de datos faltantes.

2. Metodología

El estudio se basó en datos reales de un minorista importante en el Sudeste de Europa (SEE), cubriendo la categoría de productos de higiene en 446 tiendas.

• Datos: 46,841 series temporales diarias a nivel SKU-tienda. Longitud media de 727 observaciones.
• Preprocesamiento:
  • Eliminación de sesgos por falta de stock (out-of-stock).
  • Ingeniería de características: Lags, ventanas rodantes, efectos calendario, precios relativos, competencia y variables macroeconómicas.
  • Imputación: Se comparó un enfoque sin imputación (tratando ceros como no ventas y faltantes como datos desconocidos) contra un enfoque utilizando el modelo SAITS (basado en Transformers) para imputar valores faltantes.
• Modelos Evaluados:
  • Líneas Base: Suavizado Exponencial (ETS), Modelo Theta, Croston SBA.
  • Ensembles de Árboles: XGBoost y LightGBM.
  • Arquitecturas de Deep Learning: N-BEATS, N-HiTS y Temporal Fusion Transformer (TFT).
• Configuraciones Experimentales: Se probaron cuatro escenarios combinando:
  1. Local: Modelos entrenados individualmente para cada grupo de productos.
  2. Global: Un único modelo entrenado para toda la categoría.
  3. Datos: Con y sin imputación (usando SAITS).
• Evaluación:
  • Horizonte de predicción: 26 semanas (182 días).
  • Métricas: RMSE, MAE, Error de Demanda, Sesgo de Demanda, RMSSE, MASE.
  • Protocolos: Rolling-origin para árboles vs. Direct multi-horizon para redes neuronales (y viceversa para validación).

3. Contribuciones Clave

1. Pipeline End-to-End: Ofrece una guía práctica completa para la predicción de ventas a largo plazo en retail físico, abarcando desde el preprocesamiento hasta la estrategia de entrenamiento.
2. Comparación Empírica Exhaustiva: Evalúa modelos de vanguardia (DL) contra ensembles tradicionales en condiciones reales de retail físico (datos dispersos, intermitentes y con ruido), contrastando estrategias locales vs. globales.
3. Análisis de Imputación: Investiga el impacto de la imputación basada en Deep Learning (SAITS) en el rendimiento de modelos posteriores, revelando cómo la imputación puede distorsionar la distribución de los datos y afectar negativamente a ciertos modelos.

4. Resultados Principales

• Dominio de los Ensembles de Árboles: Los modelos basados en gradient boosting (XGBoost y LightGBM) superaron consistentemente a las arquitecturas neuronales en la mayoría de los escenarios.
  • El mejor resultado global fue obtenido por XGBoost en configuración local (sin imputación), con un RMSE de 4.833 y un MAE de 1.935.
  • Los modelos de árboles mostraron mayor robustez ante la intermitencia y la heterogeneidad de los datos.
• Rendimiento de Deep Learning:
  • Las redes neuronales (N-BEATS, N-HiTS, TFT) obtuvieron resultados inferiores a los ensembles en configuraciones locales.
  • En configuraciones globales, el rendimiento de las redes neuronales mejoró ligeramente, pero seguía siendo inferior a XGBoost/LightGBM.
  • Sesgo: Los ensembles tendieron a una ligera subestimación (sesgo negativo), mientras que las redes neuronales mostraron una sobreestimación sistemática.
• Impacto de la Imputación (SAITS):
  • La imputación con SAITS deterioró significativamente el rendimiento de LightGBM en configuraciones locales (el RMSE saltó de 4.847 a 10.758), probablemente debido a la compresión de la varianza y cambios en la distribución introducidos por el modelo de imputación.
  • XGBoost mostró mayor resiliencia a la imputación, aunque su rendimiento también disminuyó.
  • En configuraciones globales con datos imputados, las redes neuronales se volvieron competitivas, pero no superaron a los ensembles.
• Eficiencia Computacional:
  • Los modelos de árboles son drásticamente más rápidos en entrenamiento (minutos) en comparación con las redes neuronales (horas a días).
  • XGBoost fue el más eficiente en tiempo de entrenamiento (14.5 minutos vs. 4424 minutos para TFT).

5. Significado e Implicaciones

• Selección de Modelos: Para el retail físico con datos intermitentes y fragmentados, la sofisticación arquitectónica (Deep Learning) no garantiza un mejor rendimiento. La alineación del modelo con las características del problema (intermitencia, datos tabulares heterogéneos) es más crítica.
• Estrategia Local vs. Global: En este contexto, el entrenamiento de modelos locales (por grupo de productos) es superior al enfoque global, ya que captura patrones únicos que se diluyen al agrupar datos diversos.
• Calidad de Datos: La imputación avanzada (SAITS) no es una panacea; puede introducir artefactos que degradan el rendimiento de modelos basados en árboles si no se gestiona cuidadosamente.
• Recomendación Práctica: Para minoristas físicos, se recomienda priorizar XGBoost o LightGBM en configuraciones locales con datos crudos (o imputación simple) debido a su superior precisión, menor sesgo y eficiencia computacional, lo que facilita la implementación en tiempo real y la gestión de inventario.

En conclusión, el estudio desafía la noción de que el Deep Learning es siempre superior en la predicción de series temporales, demostrando que en el entorno complejo y ruidoso del retail físico tradicional, los métodos de ensembles de árboles siguen siendo el estado del arte.