{
  "fetched_at": "2026-10-19T19:36:34Z",
  "source_url": "https://www.kaggle.com/competitions/dataton-dataknow/data",
  "pages": [
    {
      "name": "data-description",
      "content": "<p>El conjunto de datos corresponden al histórico de ventas de los últimos 3 años, a nivel de facturación semanal por Regional y Referencia (SKUs). Contamos con un histórico de 157 semanas, desde 01/01/2018 hasta 03/01/2021 (dd/mm/yyyy).\n\nLa necesidad del cliente, es realizar la proyección de ventas a nivel de regionales y referencias para un horizonte de 12 semanas.</p>\n<h2>Descripción de los archivos</h2>\n<p> La descripción de los archivos y su detalle se encuentra disponible en el Data Explorer de la Competencia (Ver abajo) <p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "<h2>Reto</h2>\n<p>Los datos corresponden a una compañía del sector retail, para el canal comercial TAT Tienda a Tienda, donde la empresa realiza ventas por toda Colombia, a través de 5 principales regionales (Centro, Bogotá, Santander, Sur, Norte) </p>\n\n<h2>Conjunto de Datos</h2>\n<p>El conjunto de datos corresponde al histórico de ventas de los últimos 3 años, a nivel de facturación semanal por Regional y Referencia SKUs. Contamos con un histórico de 157 semanas, desde 01/01/2018 hasta 03/01/2021  en el formato dd-mm-aaaa.\n\nLa necesidad del cliente, es realizar la proyección de ventas a nivel de REGIONAL-REFERENCIA (Ver Conjunto de datos) para un horizonte de 12 semanas. Es decir, para los meses de Diciembre 2020, Enero y Febrero 2021. </p>\n\n<h2>Objetivo del Reto</h2>\n<p>Tener un pronóstico en unidades de ventas acertado, que logre ajustar y optimizar compras evitando tener mercancía ociosa o faltante. Generando pronósticos de ventas en función de modelos de análisis de series de tiempo, implementando metodologías como ESM, SARIMAX, CLM, RNN, entre otros.\n\nGenerando un archivo plano con la estructura requerida por el evaluador a los niveles de (Regional/SKU) y cuyo desempeño este medido por el SMAPE.</p>\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "<p>The evaluation pages describes how submissions will be scored and how students should format their submissions. You don't need a sub-title at the top (the page title appears above). For an example of a high quality evaluation page, see the 2013 KDD Cup page, which we have copied here:</p>\n<hr>\n<p>The evaluation metric for this competition is <a href=\"https://www.kaggle.com/wiki/MeanFScore\"> Mean F1-Score</a>. The F1 score, commonly used in information retrieval, measures accuracy using the statistics precision p and recall r. Precision is the ratio of true positives (tp) to all predicted positives (tp + fp). Recall is the ratio of true positives to all actual positives (tp + fn). The F1 score is given by:</p>\n<p>\\[ F1 = 2\\frac{p \\cdot r}{p+r}\\ \\ \\mathrm{where}\\ \\ p = \\frac{tp}{tp+fp},\\ \\ r = \\frac{tp}{tp+fn} \\]</p>\n<p>The F1 metric weights recall and precision equally, and a good retrieval algorithm will maximize both precision and recall simultaneously. Thus, moderately good performance on both will be favored over extremely good performance on one and poor performance on the other.</p>\n<h2>Submission Format</h2>\n<p><strong>For every author in the dataset</strong>, submission files should contain two columns: AuthorId and DuplicateAuthorIds. DuplicateAuthorIds should be a space-delimited list. Every AuthorId counts as his/her own duplicate, and every duplicate should be listed under each of its respective ids.&nbsp;For example, if you suspect author A, B, and C are the same, you should list (A,A B C), (B,B A C), (C,C A B).</p>\n<p>The file should contain a header and have the following format:</p>\n<pre>AuthorId,DuplicateAuthorIds<br>1,1<br></pre>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "A continuación las reglas de la competencia\n\n  - ¡No hagas trampa!\n  - no compartas la información\n  - ¡Diviértete!\n- Puedes utilizar recursos cloud o licenciados, pero la información no puede quedar almacenadas en esas cuentas después de la competencia.\n- El código será propiedad de la competencia.\n\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}