En una nueva jornada del Seminario de Investigación de la FAE Usach, Luis Aburto, doctor en Sistemas de Ingeniería por la Universidad de Chile y profesor asistente de la Facultad de Ingeniería y Ciencias de la Universidad Adolfo Ibáñez, compartió un trabajo aplicado que utiliza técnicas de machine learning sobre datos transaccionales para apoyar la gestión de categorías en retail, identificando patrones de compra conjunta y relaciones entre precios, demanda y promociones.

La Facultad de Administración y Economía (FAE) de la Universidad de Santiago de Chile desarrolló una nueva sesión de su Seminario de Investigación con la exposición de Luis Aburto, doctor en Sistemas de Ingeniería por la Universidad de Chile y profesor asistente de la Facultad de Ingeniería y Ciencias de la Universidad Adolfo Ibáñez, quien presentó la investigación titulada “Usando machine learning con datos transaccionales: Aprendizajes para apoyo de decisiones en gestión de categorías en retail”.

La presentación se enfocó en cómo el análisis avanzado de datos transaccionales puede transformarse en un insumo operativo para la toma de decisiones en el comercio minorista, particularmente en la gestión de categorías. A partir de registros de compras, el trabajo mostró de qué manera las herramientas de machine learning permiten aproximarse a las preferencias de las y los clientes, no solo observando qué se compra, sino también qué productos y categorías tienden a aparecer en conjunto y cómo reaccionan ante cambios de precios y promociones.

En una primera línea, el investigador exploró extensiones de enfoques originalmente asociados a la analítica textual, adaptándolos para estudiar la coocurrencia de compras entre categorías. Esta aproximación permitió identificar agrupaciones y patrones recurrentes, avanzando hacia interpretaciones sobre posibles motivaciones de compra detrás de esos comportamientos observados en la canasta.

En un segundo bloque, la exposición se centró en la estimación de relaciones entre precio y demanda mediante reglas de asociación, con el objetivo de detectar vínculos relevantes que normalmente no se aprecian en análisis más tradicionales. Estas reglas, explicó, se integran posteriormente para fortalecer un problema de optimización de precios multiproducto, buscando decisiones más robustas cuando se gestiona un portafolio amplio y con interdependencias entre categorías.

La sesión permitió vincular metodologías de ciencia de datos con desafíos cotidianos de la industria, mostrando que detrás de cada ticket de compra puede haber señales útiles para ordenar el surtido, diseñar promociones con mayor precisión y ajustar precios considerando efectos cruzados.

Al final, la conversación dejó una idea simple y potente: en retail, no siempre gana quien tiene más datos, sino quien sabe hacerles las preguntas correctas. Y en ese cruce entre modelos, negocio y criterio, el Seminario de Investigación FAE sigue funcionando como vitrina y laboratorio a la vez: un lugar donde la evidencia se vuelve herramienta, y donde cada presentación suma nuevas pistas para entender cómo se toman decisiones en mercados reales.

Facultad de Administración y Economía #Transformaconvalor