
“La previsión de la demanda ha ido evolucionando en los últimos años, es decir, antes partíamos de una previsión de demanda basada en datos históricos. Actualmente, la evolución que está teniendo el consumo, los cortos ciclos de vida de los productos, e incluso, la importancia que tienen cada vez más en las ventas y campañas promocionales como puede ser el Black Friday, nos está generando la necesidad de ir incorporando modelos diferentes”, indicó Iglesias.
El profesor internacional invitado de la Maestría en Supply Chain Management de ESAN, añadió que el modelo histórico es del que se va a partir, y lo que se tiene que incorporar son nuevos datos, como pueda ser competencia, o cualquier tipo de evolución en el mercado. Hay que incluir más datos comerciales al dato histórico, concluyó.
Portal de negocios de ESAN Graduate School of Business. Desde el 2010 difunde contenido de libre acceso (artículos, infografías, podcast, videos y más) elaborado por los más destacados especialistas. Encuentra contenido en más de 15 áreas y sectores como Administración, B2B, Derecho Corporativo, Finanzas, Gestión de Proyectos, Gestión de Personas, Gestión Pública, Logística, Marketing, Minería, TI y más. ¡Conéctate con los expertos de ESAN y aumenta tu conocimiento en los negocios!
Raúl Odría, docente de ESAN Business Law, reflexionó en ATV+ sobre el impacto del aumento de la Unidad Impositiva Tributaria (UIT) para 2026, la cual se incrementó en S/ 150, una cifra menor que los S/ 200 de años previos.
César Puntriano, profesor de ESAN Business Law, aclaró en El Peruano que el periodo de prueba tiene reglas específicas ante el reingreso de un colaborador. El experto explicó que, si un trabajador vuelve a la empresa antes de tres años y a un puesto similar, los tiempos laborados previamente se acumulan, por lo que no es exigible superar un nuevo periodo de prueba para gozar de estabilidad laboral.
Sandor Lukacs de Pereny, profesor de ESAN Graduate School of Business, sostuvo en Energiminas que el futuro de la minería peruana requiere dejar el modelo extractivo tradicional y adoptar un enfoque sistémico basado en economía circular, trazabilidad digital e inteligencia artificial para mejorar la eficiencia y reducir la huella de carbono. Advirtió que, aunque el Perú tiene avances normativos en IA, existen riesgos éticos por sesgos de datos y una brecha marcada entre la gran minería y las MIPYMES, lo que hace indispensable una articulación entre Estado, academia y empresa para impulsar una innovación verde inclusiva hacia 2030.