albertoirusta/prevision-dia-tiempo-real-1

Cálculo de la previsión de ventas en el día utilizando el stream de datos recibido por los puntos de venta (POS - por sus sigla en inglés).

prevision-dia-tiempo-real

Cálculo de la previsión de ventas en el día utilizando el stream de datos recibido por los puntos de venta (POS - por sus sigla en inglés).

1. ¿Qué resuelve este código?
2. ¿A quién va dirigido este código?
3. Prerequisitos
4. Instalar R y RStudio para Fake Data
5. Crear una cuenta gratuita en Heroku.com
6. Instalar Heroku
7. Instalar git en tu ordenador
8. Cómo seguir el curso

¿Qué resuelve este código?

Mediante el uso de una regresión aplicada a los datos históricos de ventas y al stream de datos recibidos en tiempo real por las Terminales Punto de Venta (TPV o POS - por sus siglas en inglés) se obtiene una previsión de las ventas diarias y se compara con la previsión de ventas estimadas en el plan de negocio.

¿A quién va dirigido este código?

A todo el mundo que desea compartir conocimiento.

A cualquier persona interesada en la mejora cuantitativa de las cadenas de suministro.

A cualquier persona interesada en aplicar técnicas de análisis de datos en tiempo real.

Prerequisitos

Para la utilización de este código es necesario utilizar un conjunto de herramientas cuyo coste económico es cero €.

Instalar R y RStudio para Fake Data

Los datos utilizados en este proyecto son Fake. Para ello utilizamos R y RStudio. En orden y respectivamente, se instalan a partir de los siguientes enlaces:

-R proyect: https://cloud.r-project.org/

-RStudio Desktop free: https://rstudio.com/products/rstudio/download/

Una vez instalados, usaremos únicamente RStudio cuya interfaz es más amigable que la del propio R.

Alternativamente y habiendo instalado R proyect, se puede desde Anaconda (https://www.anaconda.com/distribution/) usar Jupiter para ejecutar los notebooks de R (recomendado). La ventaja de esta opción reside en que está conectado con Pycharm y GitHub. Más adelante, se expondrán los detalles de los pasos a seguir para instalar Phyton y Anaconda e integrar en Jupiter el notebook de R.

Crer una cuenta gratuita en Heroku.com

Esta plataforma nos permite ejecutar el código generado en la nube sin coste:

1. Creación de una cuenta gratuita en Heroku.com:

en tu navegador preferido:
https://signup.heroku.com/login

Instalar Heroku

https://devcenter.heroku.com/articles/heroku-cli

Una vez instalado, para comprobar que esté todo correcto, abrir una terminal e insertar:

$  heroku --version
heroku/7.35.0 win32-x64 node-v12.13.0

En caso de error, hay que modificar la dirección donde apunta. Para ello proceder como sigue:

Instalar git en tu ordenador

Git es la herramienta que permitirá que el código que modifiques en tu ordenador se pueda "subir" a la nube de Heroku. Git aporta muchas más cosas pero queda fuera del objeto de esta guía detallar Git. Si estás interesado te recomendamos este libro: Gitbook

0. Antes de instalar Git en tu ordenador, Crea una cuenta gratuita en Github

1. Instalando Git en tu ordenador

2. Si tu ordenador es un Mac, te recomendamos que utilices la opción de Brew.

Cómo seguir el curso

Este curso se divide en 5 bloques:

0. Pasos previos

1. Creando el modelo predictivo

2. Creando la cuenta de Google Cloud

3. Creando la cuenta de Heroku

4. Subiendo la App a Heroku

Se recomienda seguir los 5 bloques en el orden indicado, aunque para el usuario que conozca cómo crear cuentas en Google Cloud y/o en Heroku puede saltarse los pasos 2 y 3 respectivamente.

Diagrama general del curso