Aplicación de Pronóstico Presupuestario con Machine Learning e Integración Power BI

Prueba el modelo aquí:

Resumen

Este proyecto crea una aplicación de pronóstico presupuestario que usa machine learning para predecir costos y ganancias con alta precisión. Integra visualizaciones automáticas en Power BI y una API para facilitar su uso en empresas. Destaca la importancia de variables clave como márgenes de ganancia y costos de transporte, y automatiza el análisis financiero para mejorar la planificación y toma de decisiones.

Introducción

Este proyecto desarrolla una aplicación inteligente de pronóstico presupuestario para empresas, integrando técnicas avanzadas de machine learning, análisis exploratorio de datos y modelado predictivo de series temporales. Al limpiar, transformar y modelar dos grandes conjuntos de datos financieros (costos e ingresos), la solución estima con precisión los costos totales y la utilidad neta, identificando patrones, anomalías y variables clave que impactan el presupuesto.

El sistema incluye una API opcional y visualización automatizada a través de Power BI, permitiendo una integración perfecta en los flujos de trabajo empresariales. El objetivo final es proporcionar información basada en datos para la planificación financiera y la toma de decisiones.

Descripción General del Proyecto

Objetivos

Desarrollar un sistema inteligente y automatizado de pronóstico presupuestario que utiliza técnicas de machine learning y análisis de datos para:

• Predecir con precisión ingresos, costos y ganancias de la empresa
• Identificar impulsores financieros clave
• Detectar patrones y anomalías en datos históricos
• Construir modelos predictivos explicables para la toma de decisiones
• Integrar resultados con herramientas de visualización como Power BI
• Automatizar procesos de análisis y reportes financieros

Características Principales

• Limpieza y fusión de conjuntos de datos financieros
• Ingeniería avanzada de características
• Múltiples modelos de machine learning (Random Forest, XGBoost, LightGBM, Prophet)
• Evaluación y validación de modelos
• API REST con Streamlit
• Integración con Power BI
• Generación automatizada de reportes

Desarrollo del Modelo

Pipeline de Procesamiento de Datos

Carga de Datos y Evaluación Inicial:

• Se cargaron y examinaron dos conjuntos de datos: costos (50,000 filas × 25 columnas) e ingresos (50,000 filas × 13 columnas)
• Identificación y conversión de columnas de fecha/hora
• Verificación de valores faltantes y duplicados

Ingeniería de Características:

• Creación de métricas financieras (márgenes de ganancia, porcentajes de desglose de costos)
• Extracción de características temporales (año, mes, día, día de la semana, hora)
• Generación de términos de interacción
• Aplicación de binning a variables continuas
• Codificación de variables categóricas

Selección de Características:

• Eliminación de características con baja varianza
• Eliminación de características altamente correlacionadas
• Reducción de dimensionalidad con PCA
• Selección de características principales mediante importancia de Random Forest

Entrenamiento y Evaluación de Modelos

Modelos Base:

• SARIMA (series temporales univariadas)
• Prophet (pronóstico de series temporales)

Modelos Avanzados:

• Random Forest
• XGBoost
• LightGBM

Métodos de Ensamblaje:

• Stacking Regressor (XGBoost + LightGBM)
• Voting Regressor (XGBoost + LightGBM)

Métricas de Rendimiento

Modelo	MAE (Costo Total)	RMSE (Costo Total)	R² (Costo Total)	MAE (Ganancia Neta)	RMSE (Ganancia Neta)	R² (Ganancia Neta)
Random Forest	107.26	225.47	0.996	100.28	156.85	0.987
XGBoost	208.13	276.92	0.993	83.90	114.53	0.993
LightGBM	219.30	299.68	0.992	85.14	121.98	0.992
Stacking	-	92.52	-	-	-	-
Voting	-	88.03	-	-	-	-

Explorador de Datos

Visualizaciones Clave

Análisis Temporal:

• Distribución de servicios por año/mes/día de la semana
• Patrones de retraso en pagos

Métricas Financieras:

• Porcentajes de desglose de costos
• Distribuciones de márgenes de ganancia
• Relaciones entre ingresos y ganancia neta

Análisis de Correlación:

• Mapas de calor que muestran relaciones entre variables clave
• Visualizaciones de valores SHAP

Detección de Anomalías:

• Visualización de valores atípicos usando diagramas de caja
• Resultados de Isolation Forest

Herramienta de Pronóstico y Simulación

Características

Interfaz Interactiva (Streamlit):

• Deslizadores para ajuste de parámetros
• Simulación de escenarios
• Actualizaciones de pronóstico en tiempo real

Integración con Power BI:

• Actualización automatizada de datos
• Paneles interactivos
• Capacidades de exploración detallada

Endpoints de API:

• Interfaz RESTful para integración
• Soporte para predicciones por lotes

Resultados y Hallazgos

Características Predictivas Principales

• profit_margin_percentage (más importante para ambos objetivos)
• transportation_cost_percent
• cost_anomaly flags
• Características temporales (mes, día de la semana)

Conclusiones del Modelado

• Los modelos basados en árboles superaron a los enfoques de series temporales
• XGBoost mostró el mejor equilibrio entre rendimiento y velocidad
• Los métodos de ensamblaje proporcionaron mejoras marginales

Implicaciones Empresariales

• Identificación de impulsores clave de costos y oportunidades de ganancia
• Habilitación de pronósticos precisos a 30-90 días
• Detección de eventos de servicio anómalos

Conclusión

Este proyecto entregó con éxito una solución integral de pronóstico presupuestario que:

• Automatiza el análisis financiero realizado previamente de forma manual
• Mejora la precisión con modelos de machine learning (R² > 0.99)
• Proporciona información accionable mediante IA explicable
• Se integra perfectamente con herramientas de BI existentes

El sistema es particularmente valioso para:

• Equipos de planificación y análisis financiero
• Gerentes de operaciones
• Liderazgo ejecutivo

Mejoras Futuras Podrían Incluir:

• Pipelines de datos en tiempo real
• Modelado de escenarios “what-if”
• Alertas automatizadas para anomalías

Prueba el modelo aquí: