Aplicación de técnicas de segmentación y análisis predictivo para evaluar el impacto de mermas, ventas y márgenes en la eficiencia operativa y rentabilidad

Abstract

El presente trabajo aborda la optimización de la gestión operativa en estaciones de servicio, un sector en evolución que ha diversificado su modelo de negocio incluyendo tiendas de conveniencia y servicios complementarios. Esta transformación ha incrementado la complejidad operativa, demandando estrategias basadas en evidencia para mejorar la eficiencia y rentabilidad. El problema central identificado es la dificultad para administrar de forma eficaz múltiples dimensiones del negocio, como ventas, inventarios y mermas. Ante esto, el objetivo del estudio fue segmentar las estaciones de servicio en función de su desempeño operativo, con el fin de diseñar estrategias diferenciadas que permitan optimizar recursos, reducir pérdidas y mejorar los resultados comerciales. La metodología aplicada integró técnicas de análisis multivariado y clustering (K-means) para agrupar las estaciones según variables como ventas netas, mermas y variaciones de inventario. Se identificaron cuatro clusters con perfiles distintos, lo cual permitió analizar diferencias operativas significativas. Además, se realizaron análisis descriptivos y pruebas ANOVA que confirmaron diferencias estadísticamente significativas entre los grupos. También se desarrollaron modelos ARIMA para predecir la demanda por categoría de producto. Los resultados destacaron que el Cluster 3 agrupa estaciones con alto volumen de ventas, pero también con altos niveles de mermas y variabilidad, lo que sugiere riesgos operativos relevantes. En contraste, el Cluster 0 mostró un perfil de eficiencia con ventas moderadas y pérdidas controladas. El Cluster 2 evidenció problemas graves de gestión de inventario, y el Cluster 1 fue identificado como un outlier crítico. En cuanto al análisis de mermas, las categorías más afectadas fueron Parada Sanguchera, Comidas Envasadas y Pastelería, con un impacto significativo en la rentabilidad. El análisis predictivo de ventas reveló oportunidades de crecimiento en categorías como Helados y Comida preparada, mientras que otras mostraron caídas proyectadas.