ZIPO: Plataforma de optimización de inventarios para restaurantes mediante analítica de datos

Abstract

Este trabajo desarrolla la parte analítica y tecnológica de Zipo, una plataforma SaaS pensada para que los restaurantes independientes gestionen su inventario, anticipen la demanda y automaticen sus pedidos desde un único sitio. El sector se caracteriza por márgenes muy ajustados y una digitalización escasa de la gestión interna, lo que convierte el desperdicio alimentario y las roturas de stock en problemas con impacto económico directo. A partir de ese diagnóstico, el trabajo define el modelo de negocio de la plataforma, diseña su arquitectura en seis módulos y desarrolla por completo el módulo de predicción de demanda. Para ello se construye un pipeline en Python que, sobre un dataset sintético que simula un restaurante, predice la demanda de cada producto con el modelo Prophet y genera de forma automática las alertas de stock y la orden de compra. Los resultados muestran que la combinación de una predicción interpretable con un sistema de alertas basado en márgenes de seguridad produce recomendaciones de compra coherentes y con valor económico para el restaurante. El trabajo concluye que una herramienta así es viable con tecnologías maduras y de código abierto, y señala como principal limitación la ausencia de validación con datos reales.

This project develops the analytical and technological side of Zipo, a SaaS platform designed to help independent restaurants manage their inventory, anticipate demand and automate their orders from a single place. The sector is characterised by very tight margins and limited digitalisation of internal management, which turns food waste and stockouts into problems with a direct economic impact. Building on this diagnosis, the project defines the platform's business model, designs its architecture across six modules and fully develops the demand forecasting module. To this end, a Python pipeline is built that, using a synthetic dataset simulating a restaurant, forecasts the demand for each product with the Prophet model and automatically generates stock alerts and the purchase order. The results show that combining an interpretable forecast with an alert system based on safety margins produces coherent purchasing recommendations with economic value for the restaurant. The project concludes that such a tool is feasible with mature, open-source technologies, and identifies the lack of validation with real data as its main limitation.