La investigación se enmarcó en el cumplimiento del Objetivo de Desarrollo Sostenible (ODS) 8, Trabajo decente y crecimiento económico, explorando cómo el forecasting basado en machine learning optimizó la cadena de suministro en una empresa comercial. El estudio se centró en la reducción del error en la predicción de la demanda, la minimización del sobrestock y la disminución de costos de almacenamiento. Con un diseño cuasiexperimental y enfoque cuantitativo, se utilizó el marco CRISP-DM para implementar modelos de machine learning como XGBoost, Random Forest y SVM, evaluados mediante métricas como el R2. La población incluyó registros de inventario de clientes entre 2023 y 2024. Los resultados demostraron mejoras significativas: el error promedio se redujo de -15.44 (pre-test) a -3.67 (post- test); el sobrestock mensual disminuyó de 215.32 a 7.69 unidades, y los costos b...