En esta página se detalla cómo se organiza cada modalidad: qué datos se relevan antes de empezar, qué modelos se entrenan según el área (reposición de stock, analítica comercial, ruteo logístico) y con qué cadencia se revisan los resultados. También se aclaran los requisitos mínimos de calidad de datos y los tiempos típicos de estabilización de cada implementación.
No todos los equipos comerciales llegan con el mismo punto de partida. Algunos ya tienen datos de punto de venta ordenados y buscan modelos de predicción; otros todavía discuten qué métrica mirar. Los tres formatos de abajo describen el nivel de involucramiento, qué se entrega en cada etapa y qué se espera del lado del cliente para que el trabajo avance sin fricción.
Revisión del estado real de la información: ventas por sucursal, maestros de productos, historial de reposición y calidad de los registros de punto de venta. Se entrega un informe con brechas detectadas, campos faltantes y una propuesta de prioridades antes de invertir en modelos.
Requiere acceso de lectura a las bases de ventas y una persona de contacto del área comercial para validar hallazgos.
Ver cómo empiezaImplementación de predicción por SKU y sucursal usando ventas históricas, calendario y variables externas. El alcance incluye entrenamiento, validación contra datos reales y puesta en producción del modelo con la cadencia de actualización acordada.
Pensado para cadenas medianas con al menos doce meses de historial limpio y equipos de abastecimiento que ya operan con reglas definidas.
Ver soluciones aplicadasAcompañamiento mensual sobre tableros, indicadores por rol y revisión de desvíos. El foco está en que las decisiones de compra, pricing y logística se tomen con datos actualizados y no con reportes que se archivan.
Incluye acuerdos de calidad de datos, cadencia de revisión y ajustes al modelo cuando cambia el contexto de consumo.
Ver experiencia previaModelado de rutas, ventanas horarias y restricciones de flota para reducir kilómetros y horas de trabajo. Se parte de los datos de entregas existentes y se valida cada escenario contra la operación real antes de llevarlo a despacho diario.
Necesita registros de entregas georreferenciados y supervisores dispuestos a revisar las propuestas de ruteo durante las primeras semanas.
Ver caso de referenciaSi todavía no sabés cuál corresponde a tu operación, conviene empezar por el contacto inicial y revisar el punto de partida antes de definir alcance.
Antes de elegir cómo trabajar con nosotros conviene aclarar el alcance real de cada modalidad. No todo proyecto de analítica o machine learning arranca igual, y hay supuestos que suelen generar malentendidos. Acá van las definiciones que usamos en las propuestas.
El diagnóstico es una revisión de tus fuentes de datos disponibles: punto de venta, ERP, planillas de logística, registros de atención. Revisamos calidad, frecuencia y cobertura antes de proponer cualquier modelo. No incluye limpieza profunda ni migración de sistemas: eso es una etapa posterior y se cotiza aparte. Si los datos base no están mínimamente ordenados, lo decimos en esa instancia y no avanzamos con un piloto que después no se sostiene.
Un piloto típico trabaja sobre un solo proceso, por ejemplo reposición de stock en una categoría o ruteo de una zona. Dura entre seis y diez semanas según el volumen de datos históricos. Se entrega un modelo funcionando, un tablero de seguimiento y un documento con las métricas de error observadas. No incluye integración productiva con tus sistemas ni capacitación extendida a todo el equipo: eso corresponde a la etapa de despliegue.
El acompañamiento continuo tiene sentido cuando ya hay modelos en producción y necesitás monitoreo, reentrenamiento y ajustes por cambios de contexto, como variaciones fuertes de demanda o nuevos canales. El formato por proyecto conviene cuando el objetivo es acotado y tiene fecha de cierre. Mezclar ambos sin criterio suele terminar en reuniones sin decisiones: preferimos definir desde el inicio cuál de los dos aplica.
Para predicción de demanda pedimos al menos dos años de ventas por sucursal y por producto, con calendario y precios. Para optimización logística, historial de entregas con tiempos reales y restricciones de flota. Si falta alguno de esos insumos, lo indicamos antes de firmar y planteamos alternativas: usar un período más corto, trabajar por categoría agregada o empezar con un relevamiento manual acotado. No prometemos resultados sobre datos que no existen.
No trabajamos con datos de personas fuera del contexto comercial de tu operación, ni con información que no esté bajo tu control legítimo. Tampoco intervenimos sistemas de terceros sin autorización escrita del proveedor. Y no entregamos modelos como caja negra: si el equipo no puede interpretar por qué el sistema recomienda algo, el proyecto no está terminado.
Todo dato que compartís queda bajo acuerdo de confidencialidad previo al inicio. Los modelos entrenados con tu información no se reutilizan para otros clientes. Si en algún momento querés cortar el trabajo, te entregamos el código, la documentación y los datos procesados en formatos estándar. No retenemos nada que te impida continuar por tu cuenta.