Previsión de la demanda multi-país para una empresa fabricante del sector de la construcción, basada en variables externas macroeconómicas extraídas de fuentes open-data

• Lorena Polo-Navarro ^[1] ; Marta Sarasa-Rubio ^[1] ; David Ciprés-Bagüeste ^[1] ; David Escuín -Fino ^[1]
  1. [1] Instituto Tecnológico de Aragón
• Localización: DYNA management, ISSN-e 2340-6585, Vol. 10, Nº. 1, 2022
• Idioma: español
• DOI: 10.6036/MN10356
• Títulos paralelos:
  • Multi-country demand forecasting for a company in the construction sector, based on external macroeconomic variables extracted from open data sources
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    La previsión de la demanda es un aspecto muy importante en las empresas ya que proporciona información muy valiosa de cara a la toma de decisiones sobre planificación, precios y estrategias de crecimiento empresarial. En este artículo, se realiza la previsión de la demanda multi-país de una empresa del sector de la construcción. En el caso de estudio, se analizan diferentes variables externas de fuentes open data de cada país para añadirlas en los modelos de previsión y así poder reducir la incertidumbre en la previsión de la demanda. El análisis se lleva a cabo con métodos de previsión univariantes y multivariantes. Los resultados muestran cómo la consideración de variables externas mejora los resultados de previsión. Finalmente, se evalúa la mejora de la previsión para distintos tipos de demanda por medio de la metodología de clasificación de Syntetos, Boylan y Croston.

  • English

    Demand forecasting is a very important feature in companies since it provides valuable information for taking decisions about planning, pricing and business growth strategies. In this paper, multi-country demand forecasting for a company of the construction industry is carried out. In the case study, we analyze different external variables from open data sources of each country in order to reduce uncertainty in demand forecasting. The analysis is carried out with different univariate and multivariate methods. The results show how the consideration of external variables improves the forecasts. Finally, forecasts of different kinds of demand are evaluated using Syntetos, Boylan and Croston classification methodology.