01 / CONTEXTO
El problema
Quien dirige un pequeño negocio suele decidir precio, stock y promociones por intuición, sin ver con claridad cómo esas decisiones se mueven en cadena hacia el flujo de caja.
Diseño de decisiones · 2025
Un simulador de estrategia que hace visible la relación entre comportamiento de consumo, inventario y flujo de caja.
Un simulador que modela la elasticidad de demanda semana a semana y traduce cada decisión en ventas, stock restante e ingresos, con una lectura financiera pensada para no-analistas.
01 / CONTEXTO
Quien dirige un pequeño negocio suele decidir precio, stock y promociones por intuición, sin ver con claridad cómo esas decisiones se mueven en cadena hacia el flujo de caja.
02 / DIRECCIÓN
Un simulador que modela la elasticidad de demanda semana a semana y traduce cada decisión en ventas, stock restante e ingresos, con una lectura financiera pensada para no-analistas.
03 / EJECUCIÓN
04 / RESULTADO
05 / IMPLEMENTACIÓN
import numpy as np
def simulate_weekly_cycle(demand_elasticity, base_price, stock):
"""Simulate user cashflow and inventory rates over a 7-day run."""
print("[i] Loading demand variables for simulator...")
days = 7
daily_sales = []
current_stock = stock
# Calculate price reaction based on elasticity coefficient
reaction = np.random.normal(1.0, 0.15, days)
for day in range(days):
demand = int(100 * (base_price ** -demand_elasticity) * reaction[day])
sales = min(demand, current_stock)
current_stock -= sales
daily_sales.append(sales)
revenue = sum(daily_sales) * base_price
print(f"[BizPsy] Run done. Revenue: ${revenue:.2f} | Remaining stock: {current_stock}")
return {"sales": daily_sales, "revenue": revenue, "final_stock": current_stock}06 / APRENDIZAJE
Aprendí que simplificar la matemática es fácil; simplificar cómo se explica sin mentir sobre la incertidumbre del modelo es lo difícil. Aún lo sigo ajustando.