MEJORA DE LAS PREDICCIONES ENTIENDAS FÍSICAS UTILIZANDO LAINFORMACIÓN DE LA TIENDA ONLINE

Abstract

El trabajo analiza la relación entre las ventas online y físicas de Zara con el objetivo de optimizar la distribución de inventarios en tiendas físicas. Utilizando datos históricos de ventas de ambos canales, se evalúa la correlación entre sus patrones de consumo. El estudio muestra una correlación promedio del 35.3%, indicando que, aunque no es perfecta, existe una relación positiva entre ambos canales.

El análisis se realizó a nivel nacional y regional, con especial atención a la localización de tiendas físicas y la segmentación de productos. Se utilizó un enfoque de Big Data y técnicas estadísticas, como el coeficiente de Pearson, para cuantificar la dependencia entre las ventas online y físicas. Además, se emplearon herramientas de visualización como Tableau y Python para representar los resultados.

Los resultados sugieren que los datos de ventas online pueden mejorar los modelos predictivos de demanda en tiendas físicas, especialmente en grandes ciudades y durante campañas promocionales. Sin embargo, la correlación varía según la región y las características del producto. En particular, los productos de alta rotación muestran una mayor correlación entre ambos canales.

Finalmente, el trabajo concluye que integrar los datos de ventas online en los modelos logísticos de Zara puede optimizar la gestión de inventarios, reduciendo desequilibrios en las tiendas físicas y mejorando la eficiencia en la distribución de productos

The study analyzes the relationship between Zara's online and physical sales with the aim of optimizing inventory distribution in physical stores. Using historical sales data from both channels, the correlation between their consumption patterns is evaluated. The study shows an average correlation of 35.3%, indicating that, although not perfect, there is a positive relationship between the two channels.

The analysis was conducted at both national and regional levels, with special attention to the location of physical stores and product segmentation. A Big Data approach and statistical techniques, such as the Pearson correlation coefficient, were used to quantify the dependency between online and physical sales. Additionally, visualization tools such as Tableau and Python were employed to present the results.

The results suggest that online sales data can improve predictive demand models for physical stores, especially in large cities and during promotional campaigns. However, the correlation varies depending on the region and the product characteristics. In particular, high-turnover products show a higher correlation between the two channels.

Finally, the study concludes that integrating online sales data into Zara's logistics models can optimize inventory management, reducing imbalances in physical stores and improving product distribution efficiency.