Pandas

1. El Gancho: La Entropía de los Datos Industriales En la teoría académica, los datos fluyen limpios. En la práctica de la cadena de suministro industrial, los ERPs heredados simplemente escupen basura. Recibir un Bill of Materials exportado en formato de tabla plana desde un sistema obsoleto implica lidiar habitualmente con una alta entropía de datos: celdas completamente vacías, espacios en blanco anómalos ocultos en los números de pieza (ej. " SN74LS00N "), nomenclaturas de fabricantes sin estandarizar (mezclando mayúsculas, minúsculas y acrónimos como “ti” o “Texas Inst.”), y un tipado inherentemente mixto donde las cantidades numéricas se solapan con campos de tipo string. ...

En las reuniones de S&OP (Sales & Operations Planning), a menudo se discute sobre opiniones en lugar de hechos. “Creo que venderemos más”, “El mes pasado fue raro”. El problema raíz no es la falta de visión comercial, es la falta de integridad en la señal. La mayoría de las cadenas de suministro se gestionan sobre hojas de cálculo que aceptan cualquier cosa: fechas como texto, espacios en blanco, y errores de dedo que convierten un pedido de 100 unidades en 100.000. Cuando alimentas tu algoritmo de predicción con esa “basura”, obtienes basura amplificada (El efecto Bullwhip financiero). ...

De la recolección de datos a los dashboards dinámicos, ¡ahora es el momento de predecir! Este post explora la integración del pronóstico a 5 días de OpenWeatherMap y la construcción de nuestro propio modelo de predicción de IA a 1 día utilizando datos históricos, todo visualizado en nuestro frontend interactivo.