2 Fast Food Modelo predictivo de ventas


2MB Größe 11 Downloads 133 vistas
Caso Fast Food: Modelos predictivo de ventas Antonio Cerdán Orive

Información y pasos ejecutados  Datos relativos a las ventas (€) comparables en diario

de los restaurantes de España para el periodo 20092016  Evolución diaria de restaurantes comprables en el mismo periodo  Datos de ventas comparables por provincia en mensual  Información histórica de festivos a nivel nacional, CCAA y provincias



2. Análisis de Datos

1.

3.

mensuales requeridas:  Previsiones Diarias: Para los meses t+1 y t+2  Previsiones Mensuales:  Cierre del año en curso  Presupuestos (más de un año)



6.

Modelo Ventas Comparables



diaria del paso 4  Se construye un modelo mensual para filtrar de la Baseline el efecto de la configuración semanal:  Efecto Adicional de 5 Sábados  Efecto Adicional de 5 Viernes…  Obtenemos la Baseline final sin efectos calendario y efectos de configuración de días de la semana

(TOL)  Análisis de la información  Visualización de la evolución de las ventas comparables  Visualización de la evolución de las ventas medias por restaurante  Análisis de las estacionalidades (Anual, Semanal) y efectos calendario (Verano, Navidad, Semana Santa, Festivos)

  Creación del modelo sobre las ventas medias por

restaurante, variables del modelo:  Verano  Festivos Nacionales, de Comunidad y Capitales de provincia  Navidad y Semana Santa  Tendencia, estacionalidad seminal y anual  Intervenciones  Diagnosis y validación de las estimaciones y previsiones

4. Modelo Diario Total, Ventas Comparables

Entregable Final  Se genera la Baseline Total mensual a través de la Baseline

 Creación de fichero .oza para la carga en la herramienta estadística

Modelo Diario Sobre Ventas Medias por Restaurante

Información Utilizada  Informe Excel con las previsiones diarias y



5. Modelo Mensual Sobre el Baseline

  Con la serie de evolución de los restaurantes comparables  Con el escenario de previsión para los restaurantes comparables  Se genera los resultados a nivel de Venta Comparable Total tanto en

histórico como en previsión:  Baseline Total (Incluye configuración de días)  Impactos por familia de efectos (Verano, Semana Santa, Festivos, …)  Previsión de Venta Comparable Total, Baseline Total y Efectos

Análisis de las ventas medias por restaurante (1/4) 12.000

Evolutivo 2009/01/01 – 2016/04/06

10.000 8.000 6.000 4.000 2.000 0

Ventas medias por restaurante

Qué se observa: 1. Amplitud entre los máximos y mínimos 2. Tendencias en las ventas: a) 2009 – 2011 y resto 3. Fuerte componente estacional: a) Verano b) Navidad c) Semana Santa 4. Tres máximos de venta: a) 2010/01/02 b) 2011/01/02 c) 2012/01/07 Hagamos foco en los últimos 15 meses…….

Análisis de las ventas medias por restaurante (2/4): Zoom periodo ene-2015-mar-2016 10.000

Evolutivo 2015/01/01 2009/01/01 – 2016/04/06 2015/12/31

9.000

Qué se observa: 1. Salida de la Navidad 2014 2. Semana Santa 3. Periodo Estival a) Mayo - Junio: tendencia leve b) Julio – Agosto: Impacto claro c) Sábados vs. resto días en agosto d) Septiembre: Back to School 4. Puente de diciembre y Navidad Hagamos foco en los últimos 4 meses…….

8.000 7.000 6.000 5.000 4.000 3.000 2.000 1.000 0

Ventas medias por restaurante

Análisis de las ventas medias por restaurante (3/4):Zoom periodo dic-2015-abril-2016 Evolutivo 2015/12/01 2009/01/01 – 2016/04/06 2015/12/31

10.000 9.000

Qué se observa: • Estacionalidad Semanal clara:

8.000 7.000

a) b)

6.000 5.000

• Efecto Puente: a)

4.000

2.000 1.000 Festivo 8 de diciembre

Martes 8 de Diciembre, lunes puente

• Navidad 2015 • Carnaval y Semana Santa • Filtremos la estacionalidad semanal

3.000

0

Sábado: Día de mayor venta Viernes y Domingo: Venta similar menor al sábado

Navidad 2015 - 2016

Efecto carnaval

Ventas medias por restaurante

Semana Santa 2016

Análisis de las ventas medias por restaurante (4/4): Serie desestacionalizada Evolutivo 2009/01/01 – 2016/04/06 2015/12/31 Qué se observa sin la estacionalidad semanal: 1. Efectos Calendario mejor perfilados 2. Tendencias de crecimiento bien diferenciadas: a) Crecimiento hasta el 2012 b) Decrecimiento en 2012 – 2013 – 2014 c) Leve crecimiento en el 2015

Ventas medias por restaurante desestacionalizadas

Variables introducidas Verano: Impactos de fin de semana y entre

semana

Festivos: Impacto directo y efectos puente • Festivos Nacionales • Festivos de Comunidad y de Capital de Provincia: Ponderados por número de restaurantes comparables • Días no Lectivos: Laborables no lectivos en los colegios

•Junio •Julio •Agosto •Septiembre

Ventas comparables

Navidad y Semana Santa •Navidad: Configuración semanal del 25/12, 01/01 y 06/01; para los efectos prefestivos •Semana Santa: Misma configuración semanal pero en distintos meses

Tendencia, componentes estacionales e intervenciones: •Tendencia •Estacionalidad Semanal y Anual •AIA: Análisis de Intervención Automático

Primeros resultados: Venta, venta prevista y MAPE*

[Y1]

100%

9.000

90%

8.000

80%

7.000

70%

6.000

60%

5.000

50%

4.000

40%

3.000

30%

2.000

20%

1.000

10%

0

0%

MAPE [Y2]

Diario 3.16%

[Y2]

Comparativa de previsión In – Sample: 2015/01/01 – 2015/12/31

10.000

Previsión In Sample [Y1]

MAPE* Semanal Mensual Trimestral Semestral 1.09% 0.51% 0.30% 0.18%

* Mean absolute percentage error

Ventas medias por restaurante [Y1]

Por qué el MAPE y no otro estadístico de error: • Frente al Error Medio: No se compensan los errores positivos con los negativos, • Frente al ECM: El dato real y la previsión importan; el tamaño de la muestra no es determinante.

Primeros resultados: Componentes de la venta 10.000

Comparativa Venta, Baseline y Efectos Vbles.: 2015/01/01 – 2016/04/06

8.000

6.000

4.000

2.000

0

-2.000

Efectos Variables Explicativas

Baseline

Ventas medias por restaurante

Primeros resultados: Aportación por grupo de variables y año Comparativa de la aportación de cada grupo de variable al Total de Efecto

El total de efecto medido en esta primera fase, representa un 10% aproximadamente del volumen total de las ventas: • Orden de las variables calendario por volumen de impacto: El Verano, la Navidad, los Festivos nacionales y no nacionales y la Semana Santa

Primeros resultados: Comparativa de Due-To

Due To: 2014 vs. 2013

Due To: 2015 vs. 2014

Primeros resultados: Real vs Previsión Comparativa de previsión Out – Sample: 2016/02/01 – 2016/04/06

100%

9.000

90%

8.000

80%

7.000

70%

6.000

60%

5.000

50%

4.000

40%

3.000

30%

2.000

20%

1.000

10%

[Y2]

[Y1]

10.000

0%

0

MAPE [Y2]

Previsión Out Sample [Y1]

Ventas medias por restaurante [Y1]

Diario 5.28%

MAPE* Semanal Mensual 2.37% 0.84%

* Mean absolute percentage error

Primeros resultados: Previsión de venta total, efectos y Baseline 4.500.000

Previsión Out – Sample: 2016/04/07 – 2016/06/30

4.000.000 3.500.000 3.000.000 2.500.000 2.000.000 1.500.000 1.000.000 500.000

Previsión 2016/04/07 – 2016/06/30

0

Efecto incremental

Baseline

Venta Comparable

Baseline: Contiene todo aquello que no hemos explicado en los modelos más estacionalidades, configuración de días de semana y tendencia. Dentro de lo no explicado tenemos: • Drivers internos: Campañas de Marketing y Publicidad, precios propios, innovación de productos, … • Drivers externos: Campañas de Marketing y Publicidad de la competencia, precios de la competencia, innovación de productos , economía, climatología, …

Primeros resultados: Previsión de venta comparable, efectos y Baseline Previsión Out – Sample: 2016/04/07 – 2016/06/30

120.000.000

100,0% 90,0%

100.000.000

80,0% 70,0%

80.000.000

60,0% 50,0%

60.000.000 Previsión 2016/04/07 – 2016/06/30

40.000.000

40,0% 30,0% 20,0%

20.000.000

10,0% 0 01/01/2009

01/01/2010

01/01/2011

01/01/2012

Porc Efecto Medido

01/01/2013 BaseLine*

01/01/2014

01/01/2015

Venta Comparables Mensual

01/01/2016

0,0%

Primeros resultados: Previsión de venta comparable, efectos y Baseline Previsión Out – Sample: 2016/04/07 – 2016/06/30

Previsión 2016/04/07 – 2016/06/30

Gracias