Forecast 360: previsiones financieras en minutos, con mayor precisión.
Sector
Servicios financieros
Challenge
La operación dependía de modelos de forecast en Excel, de la consolidación manual de múltiples bases de datos y de un gran esfuerzo por parte de personal calificado para generar previsiones que, aun así, llegaban tarde y eran poco fiables para el ritmo del canal.
Results
La nueva estructura redujo el tiempo de ejecución de dos semanas a minutos, aumentó en un 85 % la precisión de las previsiones y liberó 960 horas productivas al año para actividades de mayor valor.
Framework
Forecast 360
“La principal ventaja no fue solamente hacer predicciones más rápidas, sino permitir que la administración probara diferentes escenarios, comprendiera el impacto y tomara decisiones en tiempo real para el canal.”
Superintendente de planificación comercial
Servicios financieros
En el canal independiente, una previsión lenta ya nace desactualizada
La operación se inserta en un contexto en que el canal comercial cambia rápidamente, las campañas modifican el comportamiento casi a diario y las decisiones sobre metas, incentivos y atribución deben adaptarse a un entorno más dinámico de lo que suele permitir el cierre tradicional.
En este escenario, el forecast no es solo una pieza de planificación, sino un instrumento para ajustar con precisión el margen, el ritmo comercial y la respuesta táctica.
El problema no era la falta de datos, sino el costo de convertirlos en proyecciones accionables
Antes del proyecto, el forecast se elaboraba en planillas de cálculo, con una consolidación manual de diferentes fuentes y una dependencia directa de profesionales con experiencia. Este proceso podía tardar hasta dos semanas en llegar a una versión final.
El costo de la lentitud era alto: personas con habilidades analíticas dedicaban tiempo a tareas repetitivas; cuando la previsión estaba lista, parte del contexto ya había cambiado; el conocimiento se concentraba en individuos, lo que hacía que la operación fuera vulnerable a posibles cambios.
Un modelo para predecir, simular y ajustar sin detener la operación
MATH desarrolló el Forecast 360 para automatizar la generación de previsiones. La arquitectura integró las fuentes de datos ya existentes y aplicó modelos de regresión y modelos de series de tiempo (Prophet) para captar tendencias, variaciones estacionales y efectos del calendario.
El backend en Python, la integración con SAS (saspy) y el procesamiento con Pandas crearon una solución explicable y auditable. En la interfaz de usuario, un portal interactivo en Streamlit con visualización en Plotly permitió al equipo gerencial ajustar escenarios y simular indicadores sin depender de la fila técnica.
Divide estas secciones con citas de testimonios u otros aspectos destacados que refuercen la narración del caso de éxito.
El proyecto no solo aceleró un informe. Puso la simulación del negocio en manos de quienes necesitan tomar decisiones.
Se redujo el tiempo y aumentó la confianza, y así, la operación ganó margen para pensar
El forecast dejó de llevar hasta dos semanas y ahora se realiza en cuestión de minutos. La precisión de las previsiones aumentó en un 85 %. Al eliminar unas 80 horas al mes de trabajo manual, la operación recuperó 960 horas al año. El simulador permitió al equipo ajustar los escenarios sin necesidad de una asistencia técnica constante.
