Resumen Ejecutivo

^{Autor: Fabio Albuquerque — Orientador: Wagner Dos Anjos Carvalho}

^{Resumen elaborado por la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción.}

Este trabajo desarrolla y compara tres modelos predictivos de machine learning – regresión logística multinomial, árboles de decisión y bosques aleatorios – para determinar el enfoque de mayor precisión en la asignación de un inventario de joyas. El objetivo es proponer un marco metodológico para optimizar la gestión de existencias, reducir el tiempo de rotación de los productos y maximizar los ingresos. La investigación busca responder qué enfoque, entre modelos explicativos y puramente predictivos, ofrece mayor valor estratégico para el desafío de asignación de artículos únicos en el comercio minorista de lujo de segunda mano, donde la correcta asignación de cada producto es un factor crítico de éxito. El estudio tiene como objetivo la creación de un marco replicable para automatizar y mejorar esta decisión, generando un impacto directo en la eficiencia operativa y la rentabilidad.

El mercado de lujo en Brasil, el tercero más grande entre las naciones emergentes (MCKINSEY, 2014), motiva esta investigación. El sector creció un 30% en 2023 (VALOR ECONÔMICO, 2025). Simultáneamente, el comercio de productos de segunda mano aumentó un 48,5% entre 2020 y 2021 (SEBRAE, 2021), impulsado por la búsqueda de precios asequibles y por la sostenibilidad, que se espera que influya entre el 20% y el 30% de las compras de joyas en los próximos años (MCKINSEY, 2021).

En este contexto, la gestión de inventario es el principal desafío operativo para las marcas de segunda mano (THREDUP, 2024). A diferencia del comercio minorista tradicional, el inventario se compone de piezas únicas e irrepetibles, adquiridas de personas físicas, lo que convierte la asignación en una decisión compleja y de alto impacto. El consumidor de lujo brasileño valora la disponibilidad inmediata del producto en la tienda física (MCKINSEY, 2014), y una asignación inadecuada resulta en ventas perdidas, aumento del tiempo de rotación y capital inmovilizado. La excelencia en la asignación es, por lo tanto, fundamental para acelerar el ciclo de ventas.

La aplicación de machine learning es una solución estratégica para esta complejidad. Los modelos predictivos transforman grandes volúmenes de datos históricos en decisiones optimizadas (Provost y Fawcett, 2016). Analizando las características de la joya (tipo, marca, piedra, precio) y el historial de ventas de cada tienda, los algoritmos predicen el destino ideal para cada nuevo artículo, sustituyendo la intuición por un proceso sistemático, escalable y con mayor potencial de acierto, alineando el inventario a los perfiles de consumo de cada punto de venta.

La principal contribución de este estudio es un marco metodológico replicable para la optimización de inventario, materializado en un script de automatización. El marco valora la interpretabilidad, ya que, como defienden Provost y Fawcett (2016), el análisis de la estructura interna de un modelo puede generar más valor estratégico que sus predicciones aisladas, al revelar el “porqué” de las recomendaciones. Al comparar modelos de diferentes complejidades, el trabajo ofrece una solución adaptable que puede aplicarse a otros sectores del comercio minorista que enfrentan desafíos similares con inventarios de artículos únicos, proporcionando una guía práctica para la implementación de inteligencia de datos enfocada en resultados.

La metodología es cuantitativa, diseñada para evaluar la eficacia de los modelos predictivos. El proceso comienza con la construcción de una base de datos simulados que refleja la realidad del mercado brasileño de joyería de segunda mano. Tras una etapa de preprocesamiento y limpieza (“data wrangling”), el Análisis de Correspondencia Múltiple (ACM) se utiliza para explorar los perfiles de consumo. El núcleo del análisis es el desarrollo y la comparación de tres algoritmos: Regresión Logística Multinomial (RLM), Árboles de Decisión y Bosques Aleatorios. El rendimiento de cada modelo se evalúa para determinar la solución óptima, equilibrando precisión e interpretabilidad.

La base de datos fue simulada mediante un script en Python en Google Colab, permitiendo un escenario controlado y realista. La construcción de los datos se basó en tres pilares: las características de las joyas y los precios se definieron a partir de una investigación en los e-commerces de las principales joyerías de Brasil; la estacionalidad de ventas se modeló basándose en informes trimestrales públicos de la mayor joyería del país, compilando datos de 2023 y 2024 (Vivara S. A., 2023a, 2023b, 2023c, 2024, 2025) para una serie histórica de 24 meses; y se crearon perfiles de consumo distintos para cuatro tiendas hipotéticas, induciendo afinidades estadísticas por categorías de producto y rangos de precios. El análisis y la modelización se llevaron a cabo en Python con las bibliotecas Pandas, Statsmodels y Scikit-learn.

Antes del modelado, los datos pasaron por “data wrangling”. La variable continua de precio se convirtió en la variable categórica “fx_preco” con cinco rangos basados en percentiles (10%, 25%, 50%, 75%), permitiendo que los modelos de clasificación identificaran perfiles de consumo de forma más granular. La columna de fecha fue eliminada, ya que el enfoque era el perfil del producto. Para procesar las variables categóricas, se aplicó la técnica de “one-hot encoding”. Para evitar multicolinealidad perfecta, se eliminó la primera columna “dummy” de cada variable original, práctica recomendada para garantizar la estabilidad de modelos lineales (Géron, 2021). Esta estructura de datos se utilizó en los tres modelos para garantizar la comparabilidad de los resultados.

La selección de los modelos buscó equilibrar el poder predictivo y la capacidad explicativa, un dilema central en la ciencia de datos aplicada (Shmueli, 2010). La Regresión Logística Multinomial (RLM) fue elegida como modelo base por su alta interpretabilidad, permitiendo probar la significancia estadística de cada característica (Favero y Belfiore, 2024). El Árbol de Decisión fue empleado para capturar relaciones no lineales a través de una estructura de reglas de fácil visualización, utilizando el Índice Gini (Kotsiantis, 2007; Géron, 2021). Finalmente, el modelo de Bosques Aleatorios, un método de “ensemble”, fue seleccionado para maximizar la precisión predictiva (Breiman, 2001). El rendimiento se evaluó con métricas de la matriz de confusión, como Precisión, Sensibilidad, Especificidad y F1-Score, que es útil en escenarios con clases desbalanceadas (Favero y Belfiore, 2024; Géron, 2021).

La fase de resultados comenzó con el Análisis de Correspondencia Múltiple (ACM). Una prueba chi-cuadrado previa confirmó (valor p < 0,05) la existencia de asociaciones estadísticamente significativas entre las variables, validando el uso del ACM. La técnica descompuso la inercia total de los datos (Favero y Belfiore, 2024), proyectando las asociaciones en un mapa perceptual. Las dos primeras dimensiones explicaron el 35,87% de la varianza total, permitiendo la identificación de perfiles claros. El mapa reveló que la Tienda D tenía una fuerte asociación con productos de entrada (joyas sin piedra, rango de precios 0-1630), mientras que la Tienda A era el destino para productos de alto valor (collares con diamantes, rango 13441-25200). Las Tiendas B y C presentaron perfiles cercanos, sugiriendo una superposición de nichos.

Las coordenadas de cada joya en las dos dimensiones del ACM se incorporaron al conjunto de datos como nuevas “características” sintéticas. El primer modelo, la Regresión Logística Multinomial (RLM), se implementó con las variables originales para establecer una “línea de base”. La significancia global del modelo fue confirmada por la prueba de la razón de verosimilitud (valor p bajo). El análisis de los coeficientes reveló perfiles consistentes con el ACM: la Tienda D mostró una fuerte afinidad por joyas sin piedra (coeficiente de 4,26) y de marca nacional (coeficiente de 2,96) en comparación con la tienda de referencia (Tienda A). Se infirió que la Tienda A era el foco para productos de marca importada con diamantes, collares y pulseras.

El análisis de RLM se profundizó con la visualización del impacto del precio en la probabilidad de asignación. Un gráfico de probabilidades predichas mostró que las joyas por debajo de R$5.000 tenían mayor probabilidad de ser asignadas a la Tienda D, mientras que la probabilidad para la Tienda A crecía exponencialmente con el precio. Las Tiendas C y B ocupaban nichos de precio intermedios, con picos entre R$4.000-R$6.000 y R$9.000-R$12.000, respectivamente. El modelo alcanzó una precisión del 62,9% en el entrenamiento y del 61,6% en la prueba. La proximidad entre los valores indicó una buena generalización, sin sobreajuste (“overfitting”), estableciendo una sólida “baseline” de rendimiento.

A continuación, se desarrolló un modelo de Árbol de Decisión. Inicialmente, entrenado con las coordenadas de la ACM y con poda de coste de complejidad para evitar el sobreajuste, el modelo presentó una precisión del 61,60% y una puntuación F1 del 61,00% en la prueba. Sin embargo, un segundo modelo de árbol, ajustado solo con las variables originales, presentó un rendimiento ligeramente superior, con una precisión del 62,3% en la prueba. Este resultado contraintuitivo sugirió que la sumarización de la ACM podría haber ocultado matices que el modelo capturaba directamente de las características del producto. La mayor interpretabilidad del segundo modelo, con reglas de negocio claras como “si anillo y marca nacional y sin piedra, entonces Tienda D”, lo hizo más valioso en la práctica, reforzando que la complejidad no siempre se traduce en un mejor rendimiento (Shmueli, 2010).

La etapa final del modelado buscó el límite de la precisión con un modelo de Bosques Aleatorios. Con hiperparámetros estándar, alcanzó un 62,6% de precisión en la prueba. Tras la optimización con “GridSearchCV”, la combinación óptima encontrada fue “maxdepth” = 10, “nestimators” = 500 y “max_features” = 3. El modelo final optimizado registró una precisión del 62,4% y una puntuación F1 ponderada del 62,3% en la prueba. Este resultado, aunque robusto, no representó una ganancia significativa en relación con los modelos más simples.

El análisis comparativo final de todos los modelos reveló el hallazgo más importante del estudio. El modelo de Regresión Logística Multinomial emergió como la solución de mayor poder predictivo, alcanzando un F1-score ponderado de 62,9% y una precisión de 63,1%. Los modelos más complejos, como los Bosques Aleatorios (F1-score de 62,3%), y los enfoques con ingeniería de atributos, como el Árbol de Decisión con coordenadas de la ACM (F1-score de 61,0%), no superaron a la RLM. La incorporación de las coordenadas de la ACM demostró ser perjudicial, sugiriendo que, para este dataset, la información contenida en las variables originales era más rica y directamente utilizable.

La conclusión principal es que, con un rendimiento similar entre los modelos, la interpretabilidad y la simplicidad deben ser los criterios de desempate. En este sentido, tanto la RLM, que ofrece claras perspectivas estadísticas, como el Árbol de Decisión (sin las coordenadas de la ACM), que genera reglas de negocio intuitivas, se presentan como las soluciones de mayor valor práctico. Superan a modelos “caja negra” como los Bosques Aleatorios, que, en este caso, no aportaron ganancias de rendimiento que justificaran la pérdida de transparencia. El estudio demuestra que la búsqueda de complejidad y precisión marginal puede ser menos valiosa que la adopción de modelos más simples que proporcionan perspectivas estratégicas accionables.

El hallazgo principal de este estudio es que, para el problema de asignación de inventario de joyas, la simplicidad metodológica superó a la complejidad. El modelo de Regresión Logística Multinomial, el más simple e interpretable, presentó el mejor rendimiento predictivo, con un F1-score de 62.9%. Enfoques más complejos, como Bosques Aleatorios y la ingeniería de atributos con ACM, no aportaron ganancias de precisión. Este resultado valida un marco de decisión que, en ausencia de ganancias predictivas expresivas, debe priorizar modelos que ofrezcan mayor interpretabilidad y valor estratégico. La investigación refuerza que las características intrínsecas de los productos son los predictores más robustos y que la claridad de un modelo puede ser un activo más valioso que ganancias marginales de rendimiento.

Como limitación, el estudio se basó en datos simulados que, aunque construidos con fidelidad, pueden no capturar todos los matices de un mercado real. Investigaciones futuras podrían aplicar este framework a datos de ventas reales para validar los hallazgos. Se sugiere también la exploración de otras variables no contempladas, como la marca específica del producto y el peso de la joya, para potencialmente enriquecer el poder predictivo de los modelos. Se concluye que el objetivo fue alcanzado: se demostró que, para el problema de asignación de inventario de joyas usadas, un modelo de regresión logística multinomial, más simple e interpretable, superó en rendimiento predictivo a enfoques de machine learning más complejos.

Referencias:
^{Breiman, L. 2001. Random forests. Machine Learning 45(1): 5-32.
Favero, L. P.; Belfiore P. Manual de Análise de Dados – Estatística e Machine Learning com Excel®, SPSS®, STATA®, R® e Python®. 2 ed. Gen Grupo Editorial Nacional, 2024.
Géron, A. Mãos à Obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow: Conceitos, Ferramentas e Técnicas Para a Construção de Sistemas Inteligentes. 2. ed. Alta Books, 2021.
Kotsiantis, S. B. 2007. Supervised machine learning: a review of classification techniques. Informatica 31(3): 249-268
MCKINSEY. 2014. Capturing the hearts of Brazil’s luxury consumers. Disponível em: <https://www. mckinsey. com/capabilities/growth-marketing-and-sales/our-insights/capturing-the-hearts-of-brazils-luxury-consumers>. Acceso en: 12 mar 2025.
MCKINSEY. 2021. In fine jewelry and watches, sustainability shines through. Disponível em: <https://www. mckinsey. com/industries/retail/our-insights/in-fine-jewelry-and-watches-sustainability-shines-through>. Acceso en: 12 mar 2025.
Provost, F.; Fawcett, T. Data Science para Negócios: O que você precisa saber sobre mineração de dados e pensamento analítico de dados. 1. ed. Alta Books, 2016.
Serviço Brasileiro de Apoio às Micro e Pequenas Empresas [SEBRAE]. 2021. Mercado de segunda mão: um nicho bilionário da moda. Disponível em <https://sebrae. com. br/sites/PortalSebrae/artigos/mercado-de-segunda-mao-um-nicho-bilionario-da-moda,06c74a08ce761810VgnVCM100000d701210aRCRD>. Acceso en: 12 mar 2025.
Shmueli, G. 2010. To explain or to predict?. Statistical Science 25(3): 289-310.
VALOR ECONÔMICO. 2025. Mercado de luxo cresce no Brasil, enquanto consumo global desacelera. Disponível em: <https://valor. globo. com/empresas/noticia/2025/02/20/mercado-de-luxo-cresce-no-brasil-enquanto-consumo-global-desacelera. ghtml>. Acceso en: 12 mar 2025.
Vivara S. A. [VIVA3]. 2023a. Release de Resultados 1T23. Disponível em: <https://ri. vivara. com. br/central-de-resultados/>. Acceso en: 23 feb. 2025.
Vivara S. A. [VIVA3]. 2023b. Release de Resultados 2T23. Disponível em: <https://ri. vivara. com. br/central-de-resultados/>. Acceso en: 23 feb. 2025.
Vivara S. A. [VIVA3]. 2023c. Release de Resultados 3T23. Disponível em: <https://ri. vivara. com. br/central-de-resultados/>. Acceso en: 23 feb. 2025.
Vivara S. A. [VIVA3]. 2024. Release de Resultados 4T23. Disponível em: <https://ri. vivara. com. br/central-de-resultados/>. Acceso en: 23 feb. 2025.
Vivara S. A. [VIVA3]. 2025. Dados Históricos – Ano de 2024. Disponível em: <https://ri. vivara. com. br/central-de-resultados/>. Acceso en: 23 feb. 2025.}

---

Resumen ejecutivo del Trabajo de Conclusión de Curso de Especialización en Data Science y Analytics del MBA USP/Esalq

_{Más información sobre el curso; haga clic aquí:}