Demand & Supply Planners
Profesionales que buscan migrar de Excel hacia pipelines automatizados y reproducibles en Python, con mayor grado de precisión.
Programa ejecutivo 100% en vivo para LatAm
Forecasting para Supply Chain con Python
Domina desde los modelos estadísticos clásicos (ETS, ARIMA, Croston) hasta algoritmos avanzados de machine learning (LightGBM, MLForecast, HierarchicalForecast) aplicados a la planificación de la demanda e inventarios.
24 horas12 sesiones en vivo
4 semanas3 sesiones por semana
PrácticoDatasets reales de LatAm
Contexto y visión
Introducción al curso
En el entorno volátil y competitivo de América Latina, la precisión en los pronósticos de demanda deja de ser una tarea puramente estadística para convertirse en la palanca financiera principal de la cadena de suministro. Un error sistemático genera excesos de inventario (capital de trabajo inmovilizado) o roturas de stock (pérdida de ventas y penalizaciones por nivel de servicio OTIF).
Este curso aborda la brecha entre los modelos tradicionales de hojas de cálculo y la analítica moderna en Python. Aprenderás a automatizar, evaluar y escalar pipelines de pronóstico con frameworks de última generación, capaces de procesar desde decenas hasta miles de SKUs simultáneamente.
Objetivo general
Capacitar al profesional para diseñar, implementar y validar pipelines end-to-end de pronóstico de demanda en Python, integrando técnicas estadísticas clásicas con algoritmos de machine learning y reconciliación jerárquica, para la toma de decisiones estratégicas y operativas en Supply Chain.
Al terminar podrás
Objetivos específicos
- Dominar la ingeniería de atributos (lags, rolling stats, calendarios) orientada a series de tiempo.
- Implementar y comparar modelos estadísticos acelerados (ETS, AutoARIMA, Croston).
- Construir modelos de machine learning con LightGBM y XGBoost, incorporando promociones y variables externas.
- Aplicar métricas de error de negocio (WAPE, BIAS, MASE, Pinball Loss) y reconciliación jerárquica de inventarios.
Requisitos previos
Nivel intermedio: manejo básico de Python y pandas, y familiaridad con notebooks. No se requiere experiencia previa en series de tiempo ni en machine learning.
Para quién es
A quién está dirigido
Data Scientists y analistas
Analistas cuantitativos que desean especializarse en las particularidades de Supply Chain: jerarquías, intermitencia y costo del error.
Líderes de S&OP y logística
Gerentes y jefes de área que requieren entender técnicamente las capacidades del machine learning para liderar proyectos analíticos exitosos.
Impacto
¿Por qué este curso transforma tu carrera y tu empresa?
Reducción directa de costos de inventario
Un incremento del 1% en la precisión del pronóstico puede reducir hasta un 5% los costos de almacenamiento y obsolescencia.
Tecnología state of the art
Aprenderás librerías modernas como statsforecast y mlforecast, desarrolladas por la comunidad global de series temporales.
SKUs intermitentes y jerárquicos
Tratamiento especializado para repuestos o productos de baja rotación, donde los métodos tradicionales fallan estrepitosamente.
Código reutilizable en tu empresa
Saldrás con plantillas de Jupyter Notebooks listas para conectar a tus fuentes de datos: PostgreSQL, Snowflake, CSV o Excel.
Nivel intermedio · 24 horas lectivas
Temario oficial del curso
Cuatro módulos de seis horas cada uno, de los modelos clásicos y Prophet hasta Polars y machine learning avanzado. Pulsa cada módulo para ver el detalle.
- Rol estratégico del forecasting en la planificación de la demanda y alineación S&OP.
- Tipos de modelos de pronóstico: causales, estadísticos, machine learning e híbridos.
- Métricas clave de evaluación de error: MAPE, WAPE, RMSE, MAE y BIAS.
- Introducción y manipulación de datos multiserie (SKU × almacén × cliente).
# Stack: Python, Pandas, NumPy, SciPy, Matplotlib / Seaborn
- Modelos univariados: ARIMA, SARIMA, ETS y Prophet.
- Modelos multivariados para relacionar múltiples variables (VAR, VARMA).
- Evaluación formal de estacionalidad, tendencia y patrones cíclicos en la demanda.
- Criterios de selección automática del modelo óptimo por categoría o producto.
from statsforecast.models import AutoARIMA, AutoETS
from prophet import Prophet
- Modelos híbridos y espectrales (SOFTS, Theta, Holt-Winters avanzado).
- Integración de alto rendimiento con Python y Polars para procesamiento ultrarrápido de datasets masivos.
- Construcción y automatización de pipelines end-to-end de forecasting.
- Diagnóstico de residuales, validación temporal cruzada (backtesting) y control de sesgos.
import polars as pl
from statsforecast.models import Theta, HoltWinters
- Forecasting integrado de demanda y requisitos de abastecimiento (requisition planning).
- Optimización de inventarios y cálculo dinámico de stock de seguridad según la incertidumbre del pronóstico.
- Simulación de escenarios (what-if analysis) para promociones, quiebres de stock y disrupciones en la cadena.
- Construcción de dashboards de resultados y storytelling analítico para la alta gerencia.
# Modelado probabilístico, optimización de inventarios y visualización ejecutiva
Cronograma oficial · 1 mes
Diseñado para profesionales activos en LatAm
Cuatro semanas con una intensidad de tres días por semana y dos horas por sesión: 24 horas lectivas directas en vivo, más talleres y prácticas en Python.
Opción A
Lunes, miércoles y viernes
Opción B
Martes, jueves y sábados
Horario tarde / noche
18:30 a 20:30 (GMT-5 / GMT-6)
Resumen semanal de aprendizaje
6 horas lectivas
Fundamentos del forecasting en Supply Chain
- Rol estratégico del forecasting en demanda y S&OP
- Tipos de modelos: causales, estadísticos e híbridos
- Métricas de error de negocio (MAPE, WAPE, RMSE, BIAS)
- Introducción a estructuras de datos multiserie
6 horas lectivas
Modelos clásicos y modernos
- Modelos univariados: ARIMA, SARIMA, ETS y Prophet
- Modelos multivariados: VAR y VARMA
- Evaluación de estacionalidad y tendencia
- Selección automática del modelo óptimo por SKU
6 horas lectivas
Forecasting avanzado y automatización
- Modelos híbridos y espectrales (SOFTS, Theta, Holt-Winters)
- Alto rendimiento con Python y Polars
- Automatización de pipelines en producción
- Diagnóstico de residuales y validación temporal
6 horas lectivas
Aplicaciones en Supply Chain
- Forecasting de demanda y necesidades de abastecimiento
- Optimización de inventarios y safety stock dinámico
- Simulación de escenarios de mercado (what-if)
- Dashboard de resultados y storytelling analítico
Inversión
Costos de inscripción
Precios estructurados según el poder adquisitivo de América Latina, para que el programa sea accesible desde México, Colombia, Perú, Chile, Argentina y Centroamérica.
Preventa (Early Bird)
Inscripciones anticipadas · primeros 15 cupos
$180USD
- Acceso a las 24 horas en vivo
- Grabaciones de por vida
- Repositorio GitHub de códigos
- Certificado digital de finalización
Precio regular
Tarifa estándar posterior a la preventa
$250USD
- Acceso a las 24 horas en vivo
- Grabaciones de por vida
- Repositorio GitHub de códigos
- Certificado digital de finalización
Grupal / Corporativo
A partir de 3 participantes por empresa
$160USD / pers.
- Todo lo del plan regular
- Factura fiscal a nombre de la empresa
- Sesión de Q&A privada (1 hora adicional)
Pagos en USD vía tarjeta o transferencia. Cupos limitados: la preventa cierra al completar los primeros 15 inscritos.
Asegura tu cupo en la preventa
Cuatro semanas, 24 horas en vivo y un repositorio de código que te llevas para aplicarlo en tu propia operación.
Reserva tu cupo
Forecasting para Supply Chain con Python
Preventa (Early Bird) — $180 USD