Ciencia de Datos e Inteligencia de Negocios para Visualización y Pronóstico de la Productividad y Comercialización del Sector Cacaotero Ecuatoriano

Resumo

La industria del cacao en Ecuador sufre de una grave falta de información compartida entre entidades clave como el INEC, el Banco Central y el MAG. Esta división de datos dificulta el análisis completo de qué tan productivo es el sector y cómo se venden sus productos. Para abordar esto, esta investigación implementó un sistema de ciencia de datos usando la metodología CRISP-DM. Se llevó a cabo un proceso ETL con Python 3.10 (usando pandas 2.1 y NumPy 1.26) en Google Colab. El objetivo es integrar y procesar datos oficiales de 2016 a 2025 en un repositorio estructurado en capas (Data Lake) en Google Drive. Sobre el cual se evaluaron cuatro modelos predictivos de series temporales, específicamente SARIMA, Prophet, ARIMA y Holt suavizado exponencial doble, obteniendo como mejor resultado Prophet para precios al productor (MAPE: 35,87%; RMSE: 124,99 USD/qq) y Holt para producción nacional (MAPE: 9,88%; RMSE: 60.558,3 Tm), hallazgos que se desplegaron en un dashboard interactivo en Tableau Public que visibiliza fenómenos sistémicos, consolidándose como una herramienta de inteligencia accionable para la toma de decisiones estratégicas en el agro ecuatoriano.