Cuatro análisis cortos, extraídos de clases reales. Cada uno se desbloquea cuando termina el anterior — visualiza el mismo progreso que vivirás en el programa completo.
Antes de elegir el modelo equivocado
Así Se Elige un Modelo Real
Un mismo archivo prueba Media Móvil, suavizamiento exponencial, Holt y Winters — un cambio recalcula todo al instante
Cada combinación se descarta en vivo por una razón visible: un pronóstico que se dispara, un pico que desaparece, una proyección que cae a negativo
El criterio no reemplaza la estadística — la complementa
Habría que ver en dónde queremos poner nuestro dinero
95% de nivel de servicio, no da lo mismo en todos los códigos
A mayor variabilidad de un código, más días de inventario genera el mismo nivel de servicio
En el Excel real, bajar el nivel de servicio de un segmento muy variable (AY2) llevó su inventario de ~90 a 73 días
El efecto fue quirúrgico: el inventario total casi no se movió — la reducción se concentró justo donde sobraba
El error de "módulo no encontrado" que nadie edita del video
Así se automatiza la elección del mejor modelo — en vivo, con el error incluido
Automatizar la selección del modelo evita el sesgo de elegir "a criterio manual"
Un error de librería no instalada es normal — no invalida el método, se resuelve en segundos
Antes de modelar, hay que leer la serie: tendencia + estacionalidad a simple vista
El mismo botón "Resolver", en Excel y en Python
Así se ve el mismo problema de optimización de inventario — primero en Excel, luego en código
Python no es un lenguaje nuevo desde cero — es el mismo razonamiento que ya usan en Excel Solver
Definir el problema en código es casi idéntico a configurar Solver: celda objetivo, restricciones, variables
El resultado es tangible: estatus óptimo, ítems seleccionados, valor máximo logrado
Serie completada
Conoce el programa completo
Esto fue solo una muestra de 4 fragmentos. El programa completo son 145 horas, dos certificaciones, y el paso a paso completo para romper tu techo técnico.
