Arango Londoño, DavidOrozco Castaño, Gabriel2025-11-042025-11-042025http://hdl.handle.net/11522/5042El proyecto tuvo como objetivo analizar el impacto de las variaciones de precios sobre la demanda de una empresa del sector calzado, buscando fortalecer su competitividad y sostenibilidad. Inicialmente, se propuso diseñar un algoritmo de optimización de precios basado en la elasticidad precio-demanda, sin embargo, el análisis de los datos históricos reveló que los cambios de precios no se realizaron bajo condiciones estadísticamente controladas, lo que impidió calcular una elasticidad confiable. Ante esta limitación, se redirigió el enfoque metodológico hacia la proyección de la demanda utilizando variables clave como el stock disponible, el precio promedio, los descuentos aplicados, la semana estacionaria y el comportamiento semanal de las ventas. El estudio se centró en productos de la categoría escolar. Aunque durante el desarrollo del estudio se exploraron distintos modelos de machine learning y de series de tiempo, ARIMAX y Prophet ofrecieron resultados satisfactorios en términos de precisión y ajuste a los datos. Tras una comparación detallada entre ambos, se optó por el modelo Prophet, ya que presentó un mejor rendimiento y un comportamiento más estable, lo que lo hace más adecuado para el contexto analizado. Este modelo permitió simular escenarios futuros de ventas para el año 2025, proporcionando a la empresa una herramienta predictiva robusta que mejora la toma de decisiones. Además, se identificaron oportunidades para optimizar la política de precios mediante la implementación de un sistema de asignación de precios más estructurado, lo que podría mejorar la relación entre el precio y la demanda, optimizando la estrategia comercial de la empresa.The project aimed to analyze the impact of price variations on the demand of a footwear company, seeking to strengthen its competitiveness and sustainability. Initially, the goal was to design a price optimization algorithm based on price-demand elasticity. However, the analysis of historical data revealed that price changes had not been made under statistically controlled conditions, which prevented the calculation of reliable elasticity. Faced with this limitation, the methodological approach was redirected toward demand forecasting using key variables such as available stock, average price, applied discounts, seasonal week, and weekly sales behavior. The study focused on products in the school category. Although various machine learning and time series models were explored during the study, ARIMAX and Prophet provided satisfactory results in terms of accuracy and data fit. After a detailed comparison between the two, the Prophet model was selected for its better performance and more stable behavior, making it more suitable for the analyzed context. This model enabled the simulation of future sales scenarios for the year 2025, providing the company with a robust predictive tool to enhance decision-making. Additionally, opportunities were identified to optimize the pricing policy through the implementation of a more structured pricing allocation system, which could improve the relationship between price and demand, optimizing the company’s commercial strategy.94 p.application/pdfspaIndicadores de gestiónElasticidad de precio de la demandaAsignación de preciosModelamiento estadísticoModelo de aprendizaje estadísticoManagement indicatorsPrice elasticity of demandPricing allocationAlgorithm designStatistical learning modelmaster thesishttps://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_abf2