Con un modelo de predicción para el sector textil y de moda del país que usa variables socioeconómicas y atributos de los productos para optimizar inventarios, un estudiante de la Maestría en Ingeniería - Analítica de la UNAL Medellín busca la predicción precisa de la demanda en esta industria. El desarrollo logró una estimación de ventas para la optimización del inventario, lo que se traduce en beneficios como la reducción de costos de almacenamiento y una planificación presupuestal de las ventas más precisa. La investigación, además, abre nuevamente el debate sobre la necesidad de implementar tecnologías y una cultura de datos para que la industria textil del país mantenga su competitividad global.

El modelo desarrollado por el estudiante de la UNAL Medellín alcanzó una precisión del 80,3%. Foto cortesía.

La moda se ha caracterizado por su estacionalidad y el cambio constante de tendencias como el color, las siluetas y las telas. Variaciones frecuentes las cuales hacen que el sector enfrente un desafío para adaptarse al uso de nuevas tecnologías, como el Machine Learning, para gestionar temas como la complejidad de la demanda y su predicción precisa. Lo anterior, debido a que, en este contexto, la industria se ha mantenido con procesos manuales y operativos y, en ocasiones, con una toma de decisiones empírica.

Edinson Manuel Serrano Casas, estudiante de Ingeniería - Analítica de la UNAL Medellín y líder de inteligencia de negocio y analítica de una empresa colombiana de moda de playa con fuerte presencia en el mercado de Estados Unidos, vio en esta brecha la oportunidad para una investigación de su maestría.

Serrano Casas desarrolló un modelo para la estimación de la demanda del sector textil y de moda colombiano, basado en técnicas de aprendizaje de máquinas (Machine Learning) y centrado en el canal de e-commerce de la empresa.

La economía de Antioquia ha estado marcada por la influencia de sectores clave como la ganadería, la agricultura y el sector textil. Este último ha sido un motor de desarrollo, facilitando la creación de empresas y generando empleo. Su importancia se refleja en su contribución al Producto Interno Bruto (PIB), con un crecimiento del 30% en 2022, según el Departamento Administrativo Nacional de Estadística (DANE), detalla el estudio.

El profesor de la Facultad de Minas y director de la tesis, Albeiro Espinoza Bedoya, expresa que, aunque la aplicación está en el contexto de la moda, el trabajo realizado por el estudiante se centra en la analítica de datos. “El tema es más de aplicación industrial, debido a la empresa donde trabajó Edinson que tiene una subsidiaria en Estados Unidos”, expresó el docente y director del grupo de investigación en Calidad de Software de la Universidad Nacional de Colombia Sede Medellín.

El Algoritmo: del reto a la estrategia

El resultado de la investigación del estudiante es un modelo de predicción de la demanda, cuya implementación se centró en el canal de comercio electrónico (e-commerce), el cual representa el 70% del inventario internacional de la compañía. El modelo va más allá de los datos de ventas históricos, incorporando características intrínsecas del producto y variables socioeconómicas.

“El propósito final del modelo era tener la mejor estimación de las ventas para poder tener la mejor estimación del inventario. Para lograr este pronóstico, el modelo supera los métodos tradicionales, combinando un robusto set de variables. Las variables endógenas, que son aquellas características intrínsecas del producto como línea (playa, beach cool), temporada (primavera o verano) y, sobre todo, silueta y color. Mientras que las exógenas son los factores externos cruciales como la ubicación del cliente (con el mercado de California, Estados Unidos como caso de estudio), días de promoción específicos (ejemplo, 4 de julio, black friday), e, incluso, variables socioeconómicas como la inflación e ingresos per cápita por zona en Estados Unidos”.

El ingeniero Serrano agrega que se debe entender la lógica detrás de la geografía porque "es muy diferente venderle a alguien de Texas a venderle a alguien de Florida", de allí la importancia de las variables socioeconómicas.

El objetivo final del modelo era lograr la mejor estimación de ventas posible para optimizar el inventario. Lo que se traduce, según el candidato a Magíster, en beneficios directos para la empresa como la eliminación del exceso de inventario (sobre-ejecución), la reducción de costos de almacenamiento y una planificación presupuestaria de ventas más precisa.

La precisión: más del 80%

De acuerdo con la investigación, para la construcción del modelo, se evaluaron diferentes algoritmos, siendo el LSTM (Long Short-Term Memory), un tipo de red neuronal recurrente, que demostró ser más óptima.

Edinson señala que la investigación concluyó que el método propuesto alcanza una precisión general del 80,3%. “Los resultados prácticos han sido inmediatos: hemos visto una reducción importante en el tema inventarios, sin ver reducción en las ventas. Esto se traduce en una mejora en la eficiencia operativa, la optimización del presupuesto de ventas y la reducción en el gasto de almacenamiento”.

El éxito en la predicción de la demanda ha abierto una nueva línea de analítica en la compañía: la estimación de la oferta. "Ya no solamente estamos trabajando con un tema de estimación de la demanda, sino que, incluso, nos estamos yendo hasta cómo estimamos la oferta. La meta es asegurar que, si existe una demanda importante, la capacidad productiva (el capital de trabajo) pueda suplirla”, añade Serrano Casas.

El estudio refleja cómo la industria textil se enfrenta a la necesidad de transformar sus procesos operativos, los cuales aún son altamente manuales. La investigación expone cómo las empresas manejan grandes volúmenes de datos a través de registros contables, ventas, producción y métricas de eficiencia, lo que resalta la importancia de la digitalización y la optimización de la gestión de la información. La globalización ha obligado a estas compañías a redefinir sus modelos de negocio y su forma de interactuar con el mercado, haciéndolas más dependientes de herramientas tecnológicas para su desarrollo.

El modelo, aunque diseñado para un caso específico, está centrado en la generalización y es escalable para otras empresas del sector textil con los ajustes necesarios. No obstante, el estudiante de la UNAL Medellín hace un llamado a los profesionales de la industria a no depender solo de la experiencia para “apagar incendios" o de la Inteligencia Artificial genérica, sino de la investigación rigurosa.

"A veces la industria se viene alejando un poquito cada vez más de la academia. El camino hacia la competitividad global exige modernizar procesos, fomentar una cultura de cooperación y basar las decisiones estratégicas en algoritmos robustos y datos confiables”, añade Edinson Manuel Serrano.

Insumo de oro: los datos

Un aspecto central del proyecto no fue la tecnología, sino la calidad de la información. El desarrollo de la tesis sirvió, además, para promover una cultura organizacional en torno a los datos. El investigador subraya que, en Colombia, la calidad de los datos para este fin es un tema "muy denso".

La tesis también resalta cómo el uso de datos confiables se ha convertido en un activo fundamental para la industria, ya que permite identificar oportunidades de mejora en distintas áreas, como la gestión comercial y operativa. La transformación digital facilita la optimización de procesos, la predicción de la oferta y demanda, y la exploración de nuevas oportunidades de crecimiento.

De acuerdo con el Ingeniero Administrador, una de las principales lecciones para la industria es la necesidad de estructurar los datos a través de procesos de limpieza y transformación adecuados. "Lo primero que debemos arreglar son los datos, que usted tenga la confianza de que lo que está presentando te va a ayudar porque posiblemente el modelo termine siendo más nocivo".

El estudiante concluye que, a pesar de su crecimiento, el sector textil y de moda colombiano se enfrenta a desafíos del mercado global, lo que exige una mayor inversión en innovación, transformación digital y nuevas estrategias tecnológicas. “Para mantenerse competitivo es esencial modernizar los procesos productivos, fomentar una cultura organizacional basada en la cooperación y la eficiencia y adoptar tecnologías avanzadas que permitan mejorar la producción a escala y la toma de decisiones estratégicas”, recalca el autor.

(FIN/JRDP)

27 de octubre de 2025