https://krazai.lovable.app/assets/CasoExitoFerrer-C2qhyDH0.js

1import{r as h,u as j,j as e,B as b,L as m,b as N,S as w,C as z,T as A,U as C}from"./index-DPfCkTll.js";import{C as E}from"./CaseStudyMetrics-Dg6Mki9u.js";import{C as I}from"./CaseStudyMethodology-BAzpFlb-.js";import{C as k}from"./CaseStudyConclusion-BUBX8IZX.js";import{u as F}from"./usePreloadAsset-Ka8476Vn.js";import{A as S}from"./arrow-left-DxYOuZMb.js";import{T as q}from"./target-Dic2sB9C.js";import{P}from"./package-BAo0z_Cb.js";import{E as L}from"./eye-DAZHFhKb.js";import{R as T}from"./rocket-sa8dsxoW.js";const x="/assets/images/hero-ferrer-v3-DUxsFUHP.jpg",W=()=>{F(x);const u=h.useMemo(()=>[{name:"Casos de Éxito",url:"https://kraz.ai/casos-exito"},{name:"Ferrer",url:"https://kraz.ai/casos-exito/ferrer-prediccion-demanda"}],[]);j(u);const g=[{highlight:"Modelo predictivo",rest:"basado en series temporales"},{highlight:"Predicción de demanda",rest:"a nivel producto y farmacia individual"},{highlight:"Incremento de pedidos",rest:"activados y mayor eficiencia comercial"}],f=[{title:"Integración de datos históricos",description:"Acceso al datalake con detalle de pedidos por producto y farmacia."},{title:"Transformación en series temporales",description:"Semanales, permitiendo una lectura precisa de la evolución de la demanda."},{title:"Desarrollo de modelos predictivos múltiples",description:"Combinados mediante un enfoque ensemble para obtener una predicción única y optimizada."},{title:"Puesta en producción y automatización",description:"Con ejecución periódica y actualización continua de previsiones."},{title:"Dashboard de consulta comercial",description:"Donde el equipo de ventas puede visualizar previsiones, sugerencias de pedido y oportunidades por cliente."}],y=[{Icon:q,title:"Mejor gestión por farmacia",description:"Con previsiones que permiten priorizar visitas y personalizar propuestas."},{Icon:A,title:"Incremento de pedidos activados",description:"Al sugerir contenidos de pedido basados en demanda real."},{Icon:C,title:"Experiencia mejorada del equipo comercial",description:"Con información predictiva accesible desde sus terminales."},{Icon:P,title:"Mayor satisfacción de las farmacias",description:"Al detectar de forma anticipada necesidades de suministro."}],v=[{icon:L,title:"Potencial de la IA predictiva en pharma",description:"El caso Ferrer demuestra el potencial de la IA predictiva en la industria farmacéutica para anticipar la demanda, optimizar la logística y reforzar la relación con clientes B2B."},{icon:T,title:"Escalable a otros sectores",description:"Este tipo de soluciones son escalables a otros sectores con red comercial directa, como retail o gran consumo, donde la planificación precisa del stock es clave para el éxito."}];return h.useEffect(()=>{document.title="Ferrer · Predicción de demanda en farmacias con IA | Kraz";const r=document.querySelector('meta[name="description"]');r&&r.setAttribute("content","Ferrer optimizó su planificación comercial con IA: predicción de demanda por farmacia y producto, dashboard comercial y más eficiencia en pedidos.");let t=document.querySelector('meta[name="keywords"]');t||(t=document.createElement("meta"),t.setAttribute("name","keywords"),document.head.appendChild(t)),t.setAttribute("content","caso éxito Ferrer, predicción de demanda pharma, modelos predictivos farmacia, IA pharma, series temporales demanda, forecast farmacias, Kraz Ferrer, IA comercial pharma"),[{property:"og:title",content:"Ferrer · Predicción de demanda en farmacias con IA | Caso de éxito"},{property:"og:description",content:"Predicción de demanda a nivel producto y farmacia: mayor eficiencia comercial, más pedidos activados y planificación optimizada. Un caso IA de Kraz en la industria pharma."},{property:"og:type",content:"article"},{property:"og:url",content:"https://kraz.ai/casos-exito/ferrer-prediccion-demanda"},{property:"og:image",content:"https://kraz.ai/og-kraz.jpg"}].forEach(i=>{let a=document.querySelector(`meta[property="${i.property}"]`);a||(a=document.createElement("meta"),a.setAttribute("property",i.property),document.head.appendChild(a)),a.setAttribute("content",i.content)}),[{name:"twitter:card",content:"summary_large_image"},{name:"twitter:title",content:"Caso Ferrer · Predicción de demanda con IA"},{name:"twitter:description",content:"IA predictiva para anticipar demanda por farmacia, activar pedidos y optimizar la red comercial. Caso de éxito de Kraz en pharma."},{name:"twitter:image",content:"https://kraz.ai/og-kraz.jpg"}

1].forEach(i=>{let a=document.querySelector(`meta[name="${i.name}"]`);a||(a=document.createElement("meta"),a.setAttribute("name",i.name),document.head.appendChild(a)),a.setAttribute("content",i.content)});let s=document.querySelector('link[rel="canonical"]');s||(s=document.createElement("link"),s.setAttribute("rel","canonical"),document.head.appendChild(s)),s.setAttribute("href","https://kraz.ai/casos-exito/ferrer-prediccion-demanda");let c=document.querySelector('meta[property="og:locale"]');c||(c=document.createElement("meta"),c.setAttribute("property","og:locale"),document.head.appendChild(c)),c.setAttribute("content","es_ES");const n=document.createElement("script");n.type="application/ld+json",n.id="casestudy-schema",n.text=JSON.stringify({"@context":"https://schema.org","@type":"CaseStudy",name:"Predicción de demanda en farmacias con IA para Ferrer",url:"https://kraz.ai/casos-exito/ferrer-prediccion-demanda",description:"Ferrer aplicó inteligencia artificial basada en series temporales para predecir la demanda en cada farmacia y optimizar la planificación comercial y logística. El proyecto, desarrollado junto a Kraz, mejoró la eficiencia comercial y la activación de pedidos.",provider:{"@type":"Organization",name:"Kraz",url:"https://kraz.ai"},client:{"@type":"Organization",name:"Ferrer",description:"Compañía farmacéutica con presencia global."},industry:"Pharma · Healthcare · Industria farmacéutica",mainEntityOfPage:"https://kraz.ai/casos-exito/ferrer-prediccion-demanda",about:["Predicción de demanda","Series temporales","Inteligencia artificial","Farmacias","Forecasting","Optimización comercial"],result:["Predicción a nivel producto y farmacia","Mejor planificación comercial y priorización de visitas","Más pedidos activados gracias a sugerencias basadas en demanda real","Mayor satisfacción de farmacias con detección anticipada de necesidades","Optimización operativa en logística y stock"]}),document.head.appendChild(n);const d=document.createElement("script");return d.type="application/ld+json",d.id="faq-schema",d.text=JSON.stringify({"@context":"https://schema.org","@type":"FAQPage",mainEntity:[{"@type":"Question",name:"¿Cuál era el principal reto de Ferrer?",acceptedAnswer:{"@type":"Answer",text:"Ferrer necesitaba anticipar la demanda por producto y farmacia, mejorar la eficiencia de su red comercial y evitar roturas de stock mediante previsiones precisas."}},{"@type":"Question",name:"¿Qué solución aplicó Kraz?",acceptedAnswer:{"@type":"Answer",text:"Kraz desarrolló un modelo de predicción de demanda basado en series temporales, integrado en un proceso automatizado con actualización periódica y dashboard comercial para el equipo de ventas."}},{"@type":"Question",name:"¿Qué beneficios obtuvo Ferrer?",acceptedAnswer:{"@type":"Answer",text:"El proyecto permitió incrementar pedidos activados, priorizar visitas, mejorar la planificación comercial y aumentar la satisfacción de las farmacias con detección anticipada de necesidades."}},{"@type":"Question",name:"¿Por qué es relevante este caso en pharma?",acceptedAnswer:{"@type":"Answer",text:"Este caso muestra cómo la IA predictiva puede transformar la gestión comercial y logística en el sector farmacéutico, anticipando demanda y optimizando recursos."}}]}),document.head.appendChild(d),()=>{const i=document.getElementById("casestudy-schema"),a=document.getElementById("faq-schema");i&&document.head.removeChild(i),a&&document.head.removeChild(a);const p=document.querySelector('meta[name="keywords"]');p&&p.remove(),["og:title","og:description","og:type","og:url","og:image"].forEach(l=>{const o=document.querySelector(`meta[property="${l}"]`);o&&o.remove()}),["twitter:card","twitter:title","twitter:description","twitter:image"].forEach(l=>{const o=document.querySelector(`meta[name="${l}"]`);o&&o.remove()})}},[]),e.jsxs("div",{className:"min-h-screen bg-white",children:[e.jsx("div",{className:"fixed top-24 left-4 md:left-8 z-50",children:e.jsx(b,{variant:"ghost",size:"sm",asChild:!0,className:"rounded-full",children:e.jsxs(m,{to:"/casos-exito",className:"flex items-center gap-2",children:[e.jsx(S,{size:16}),e.jsx("span",{className:"hidden md:inline",children:"Volver a casos"})]})})}),e.jsxs("section",{className:"relative min-h-[70vh] flex items-center overflow-hidden",children:[e.jsx("div",{className:"absolute inset-0 bg-cover bg-center scale-105",style:{backgroundImage:`url(${x})`},children:e.jsx("div",{className:"absolute inset-0 bg-gradient-to-br from-[hsl(231,48%,6%)]/90 via-[hsl(231,48%,6%)]/75 to-[hsl(231,48%,6%)]/65"})}),e.jsx("div",{className:"container mx-auto px-6 md:px-12 py-24 relative z-10",children:e.jsxs("div",{className:"max-w-5xl mx-auto",children:[e.jsxs("nav",{className:"mb-8 text-white/70 text-sm",children:[e.jsx(m,{to:"/",className:"hover:text-white transition-colors",children:"Inicio"}),e.jsx("span",{className:"mx-2",children:"›"}),e.jsx(m,{to:"/casos-exito",className:"hover:text-white transition-colors",children:"Casos de éxito"}),e.jsx("span",{className:"mx-2",children:"›"}),e.jsx("span",{className:"text-white",children:"Ferrer"})]}),e.jsx("div",{className:"mb-8",children:e.jsx("img",{src:N,alt:"Ferrer",loading:"lazy",decoding:"async",className:"h-10 brightness-0 invert opacity-90"})}),e.jsx("h1",{className:"text-4xl md:text-5xl lg:text-6xl font-bold mb-8 leading-[1.05] text-white",children:"IA para predicción de demanda en pharma: cómo Ferrer optimizó su gestión comercial con Kraz"}),e.jsx("p",{className:"text-xl md:text-2xl text-white/90 max-w-3xl leading-relaxed font-light",children:"Descubre cómo Ferrer aplicó inteligencia artificial para predecir la demanda en farmacias y mejorar la planificación comercial con Kraz."})]})})]}),e.jsx("div",{className:"relative h-12 -mt-1",children:e.jsxs("svg",{className:"absolute inset-0 w-full h-full",viewBox:"0 0 1440 100",preserveAspectRatio:"none",children:[e.jsx("rect",{x:"0",y:"0",width:"1440",height:"100",fill:"hsl(231, 48%, 6%)"}),e.jsx("path",{d:"M0,55 Q360,75 720,55 T1440,55 L1440,100 L0,100 Z",fill:"hsl(231, 68%, 25%)"})]})}),e.jsx(E,{metrics:g}),e.jsx("div",{className:"relative h-12",children:e.jsxs("svg",{className:"absolute inset-0 w-full h-full",viewBox:"0 0 1440 100",preserveAspectRatio:"none",children:[e.jsx("rect",{x:"0",y:"0",width:"1440",height:"100",fill:"hsl(214, 95%, 30%)"}),e.jsx("path",{d:"M0,55 Q360,75 720,55 T1440,55 L1440,100 L0,100 Z",fill:"hsl(245, 40%, 98%)"})]})}),e.jsx("section",{id:"reto",className:"py-16 bg-[hsl(245,40%,98%)]",children:e.jsx("div",{className:"container mx-auto px-6 md:px-12",children:e.jsxs("div",{className:"max-w-5xl mx-auto",children:[e.jsxs("div",{className:"mb-12 text-center",children:[e.jsx("h2",{className:"text-4xl md:text-5xl font-bold mb-6",children:e.jsx("span",{className:"bg-gradient-to-r from-[hsl(232,97%,35%)] via-primary to-[hsl(214,95%,50%)] bg-clip-text text-transparent",children:"Reto"})}),e.jsxs("div",{className:"space-y-6 text-lg text-[hsl(231,20%,35%)] leading-[1.8] max-w-4xl mx-auto text-left",children:[e.jsx("p",{children:"Ferrer, compañía farmacéutica con presencia global, gestiona la distribución directa de su portafolio a través de una red de visitadores que contactan con farmacias en todo el territorio."}),e.jsx("p",{children:"Aunque disponía de una amplia base de datos de pedidos históricos por farmacia, la compañía 

1no contaba con un modelo predictivo capaz de anticipar la demanda de cada punto de venta en particular."})]})]}),e.jsx("p",{className:"text-lg text-[hsl(231,20%,35%)] leading-[1.8] mb-10 text-center",children:"Las principales preguntas de negocio eran:"}),e.jsxs("div",{className:"relative p-12 md:p-16 rounded-3xl bg-white border border-[hsl(231,20%,90%)] shadow-xl max-w-4xl mx-auto",children:[e.jsxs("div",{className:"flex items-center justify-center gap-4 mb-10",children:[e.jsx(w,{className:"w-7 h-7 text-[hsl(231,20%,40%)]",strokeWidth:1.5}),e.jsx("h3",{className:"text-2xl md:text-3xl font-bold text-[hsl(231,48%,10%)]",children:"Objetivos del proyecto"})]}),e.jsx("div",{className:"grid md:grid-cols-2 gap-6 text-left",children:["¿Cómo anticipar la demanda de cada producto en cada farmacia?","¿Cómo dotar al equipo comercial de información predictiva para apoyar su labor diaria?","¿Cómo detectar necesidades de suministro antes de que se traduzcan en roturas de stock o pérdida de ventas?"].map((r,t)=>e.jsx("div",{className:`group p-6 rounded-2xl bg-[hsl(245,40%,98%)] border border-[hsl(231,20%,90%)] hover:border-primary hover:shadow-lg transition-all duration-300 ${t===2?"md:col-span-2":""}`,children:e.jsxs("div",{className:"flex items-start gap-4",children:[e.jsx("div",{className:"w-12 h-12 flex-shrink-0 bg-gradient-to-br from-[hsl(232,97%,25%)] via-primary to-[hsl(214,95%,45%)] rounded-xl flex items-center justify-center shadow-md",children:e.jsx("span",{className:"text-white font-bold text-base",children:t+1})}),e.jsx("p",{className:"text-[hsl(231,20%,35%)] leading-relaxed pt-2",children:r})]})},t))})]})]})})}),e.jsx("div",{className:"relative h-12",children:e.jsxs("svg",{className:"absolute inset-0 w-full h-full",viewBox:"0 0 1440 100",preserveAspectRatio:"none",children:[e.jsx("rect",{x:"0",y:"0",width:"1440",height:"100",fill:"hsl(245, 40%, 98%)"}),e.jsx("path",{d:"M0,55 Q360,75 720,55 T1440,55 L1440,100 L0,100 Z",fill:"hsl(0, 0%, 100%)"})]})}),e.jsx("section",{id:"solucion",className:"py-12 bg-white",children:e.jsxs("div",{className:"container mx-auto px-6 md:px-12 max-w-6xl mx-auto grid lg:grid-cols-5 gap-12",children:[e.jsxs("div",{className:"lg:col-span-2 lg:sticky lg:top-32",children:[e.jsx("h2",{className:"text-4xl md:text-5xl font-bold mb-6",children:e.jsx("span",{className:"bg-gradient-to-r from-[hsl(232,97%,35%)] via-primary to-[hsl(214,95%,50%)] bg-clip-text text-transparent",children:"Solución"})}),e.jsx("p",{className:"text-lg text-[hsl(231,20%,35%)] leading-[1.8] mb-4",children:"Desde Kraz, desarrollamos un proyecto de IA para predicción de demanda en el sector pharma, basado en algoritmos de series temporales y diseñado en colaboración con el equipo de Data de Ferrer."}),e.jsx("p",{className:"text-lg text-[hsl(231,20%,35%)] leading-[1.8]",children:"El objetivo: anticipar el comportamiento de compra de cada farmacia, optimizando el trabajo comercial y la planificación de inventario."})]}),e.jsx(I,{methodology:f})]})}),e.jsx("div",{className:"relative h-12",children:e.jsxs("svg",{className:"absolute inset-0 w-full h-full",viewBox:"0 0 1440 100",preserveAspectRatio:"none",children:[e.jsx("rect",{x:"0",y:"0",width:"1440",height:"100",fill:"hsl(0, 0%, 100%)"}),e.jsx("path",{d:"M0,45 Q360,65 720,45 T1440,45 L1440,100 L0,100 Z",fill:"hsl(245, 40%, 98%)"})]})}),e.jsx("section",{id:"resultados",className:"py-12 bg-[hsl(245,40%,98%)]",children:e.jsxs("div",{className:"container mx-auto px-6 md:px-12 max-w-5xl mx-auto text-center",children:[e.jsx("h2",{className:"text-4xl md:text-5xl font-bold mb-4",children:e.jsx("span",{className:"bg-gradient-to-r from-[hsl(232,97%,35%)] via-primary to-[hsl(214,95%,50%)] bg-clip-text text-transparent",children:"Resultados"})}),e.jsx("p",{className:"text-lg text-[hsl(231,20%,35%)] leading-[1.8] mb-8 max-w-3xl mx-auto",children:"El proyecto de IA para predicción de demanda permitió a Ferrer transformar su proceso de planificación y atención comercial, logrando beneficios tangibles a nivel operativo y estratégico."}),e.jsx("div",{className:"grid md:grid-cols-2 lg:grid-cols-4 gap-6 mb-12",children:y.map((r,t)=>e.jsxs("div",{className:"p-6 rounded-3xl bg-white border border-[hsl(231,20%,90%)]",children:[e.jsx("div",{className:"w-14 h-14 mb-4 bg-gradient-to-br from-[hsl(232,97%,25%)] via-primary to-[hsl(214,95%,45%)] rounded-2xl flex items-center justify-center mx-auto",children:e.jsx(r.Icon,{className:"w-6 h-6 text-white"})}),e.jsx("h3",{className:"text-lg font-bold mb-2 text-[hsl(231,48%,10%)]",children:r.title}),e.jsx("p",{className:"text-sm text-[hsl(231,20%,35%)]",children:r.description})]},t))}),e.jsx("div",{className:"flex justify-center mb-6",children:e.jsx("div",{className:"w-px h-12 bg-gradient-to-b from-transparent via-accent to-accent"})}),e.jsx(k,{items:v}),e.jsx("div",{className:"flex justify-center mt-6",children:e.jsx("div",{className:"w-px h-12 bg-gradient-to-t from-transparent via-accent to-accent"})})]})}),e.jsx("div",{className:"relative h-12",children:e.jsxs("svg",{className:"absolute inset-0 w-full h-full",viewBox:"0 0 1440 100",preserveAspectRatio:"none",children:[e.jsx("rect",{x:"0",y:"0",width:"1440",height:"100",fill:"hsl(245, 40%, 98%)"}),e.jsx("path",{d:"M0,45 Q360,65 720,45 T1440,45 L1440,100 L0,100 Z",fill:"hsl(232, 97%, 15%)"})]})}),e.jsx(z,{})]})};export{W as default};