Se acerca uno de los momentos de mayor volumen de ventas del año. Todo el mundo se prepara para este momento cargando almacenes, reforzando los equipos de las tiendas físicas, revisando los e-commerce, la gestión de datos, los precios, el picking o el lead time con la idea de atender a la demanda prevista. Pero ¿estamos haciéndolo adecuadamente?
Hasta ahora, la mayor parte de los retailers, grandes y pequeños, físicos u online, basan sus decisiones y se ajustan a los picos de venta utilizando distintas herramientas de BI, habitualmente mezclado con la experiencia y el olfato de los especialistas de los que disponen. En términos generales son estos perfiles los que están estimando la demanda futura en base a datos pasados. Este proceso podría ser adecuado si no disponemos de otra opción. Pero si hay algo que nos está demostrando el día a día es que rara vez los resultados de estas estimaciones coinciden con lo que acaba ocurriendo.
Estas estimaciones, constituyen la base del dimensionamiento de nuestros recursos o canales de distribución. Aunque una adecuada estimación no nos garantiza un correcto dimensionamiento, fallar en los datos de partida de la decisión podría estar frenando nuestro crecimiento en estos picos de venta entre un 10% o 12%.
Otra de las posibles debilidades de esta forma de tomar de decisiones es que suelen ser diversos los departamentos que se involucran en este proceso, y numerosas las variables que tendríamos que manejar para llegar a una solución óptima. Quedarnos cortos en una de las decisiones impedirá que lleguemos a aprovechar todo el potencial de cada pico de venta; pasarnos de largo provocará sobrecostes que harán que salga caro aprovechar la ola de ventas.
La mejor manera de ver la verdadera dimensión de las decisiones a tomar en una situación de pico de ventas es listando algunas preguntas clave que deberíamos estar haciéndonos:
- ¿Qué producto debo mostrar en mi web, en qué orden? ¿Debo mostrar los mismos productos a todos mis clientes o debo personalizar las views de mi web en base a los datos que poseo por cliente?
- ¿Cuál es el mejor precio que puedo poner a cada producto en un momento tan clave como un Black Friday? ¿Cuál sería el punto óptimo de cantidad de rebaja y elasticidad de la demanda para cada producto?
- ¿Tengo la capacidad de aprovechar todos los pedidos que recibo a través de la web? ¿Me faltan recursos físicos, digitales?
- ¿Tengo el inventario apropiado para asumir todas las ventas sin sobredimensionar mis almacenes? ¿Son eficientes los procesos de mi almacén? ¿Tengo a la persona apropiada en el sitio apropiado?
- En el caso de tiendas físicas, ¿Qué producto debo tener en cada una y cómo debo gestionar las reposiciones? ¿Cuánta gente necesito para que mi proceso en tienda sea óptimo?
- ¿Estoy trabajando con los mejores precios de logística y las mejores rutas posibles? ¿Se dan movimientos de producto o trayectos innecesarios? ¿Cuándo debe llegar cada producto cada una de las tiendas?
- ¿Cuántas horas estoy dedicando a la preparación y toma de decisiones relacionadas con este tipo de eventos?
En nuestra experiencia, estas decisiones las suelen tomar distintos departamentos, en base a datos históricos y la experiencia de sus perfiles. Pero, ¿imaginas una herramienta dinámica y centralizada, que atienda a todas las variables simultáneamente, que pudiera responder a todas estas preguntas y que además te proporcione otras decisiones alternativas que no se te habían ocurrido?
No hace falta imaginar nada, porque estas soluciones ya existen y se aplican con mucho éxito en sectores como la logística, la industria, la producción y distribución de energía.
Se trata de Inteligencia Artificial aplicada a cada negocio, que descansa en algoritmos que pueden estar nutridos en un inicio de las actuales herramientas de BI, pero a los que podríamos añadir estudios de mercado, de competencia, de ciclo económico, para construir la “maquina perfecta” que nos dará las soluciones futuras dotando a los sistemas con altísimos niveles de eficacia y eficiencia.
Aunque los ejemplos son múltiples, vamos a un hablar de un conocidísimo retailer de origen americano, referente en la moda internacional con más de 100 años de historia. Por dar un poco de contexto, resumimos sus unidades de negocio en tres: tiendas físicas, wholesale (marketplaces y distribuidores) y su tienda online. La integración de sus unidades de negocio y la omnicanalidad son objetivos que no han conseguido alcanzar.
Actualmente, la pata que maneja un mayor volumen de negocio y tiene una mayor carga de costes es la de tiendas físicas con más de 1.000 en todo el mundo. Disponen de un sistema de BI que desde hace más de 15 años está recopilando datos sobre funcionamiento de todos sus productos, materiales, campañas. Además, guardan muchísima información de sus clientes gracias a su tienda online, sus programas de fidelización y tienen sedes en todos los países en los que operan que reportan a dos centrales globales, una en EEUU y otra en Centro Europa.
Desde el punto de vista de las operaciones, cada sede de país tiene numerosos departamentos en una estructura matricial, de modo que los puntos de venta reciben las directrices directamente desde los directores regionales, pero también de los controller de producto locales, que a su vez reciben las directrices de sus homólogos de HQ que además controlan la producción.
Desde el punto de vista de los recursos en los puntos de venta, la dirección de cada tienda tiene la responsabilidad de evaluar las necesidades de personal para cada momento, dimensionar las estructuras de sus almacenes internos y distribuir su exposición de producto por género, tipo, etc. La empresa no dispone de almacenes propios en los países y delega en sus proveedores logísticos de cada país el almacenamiento y el picking de sus productos, en base a los pedidos de los controller locales.
El 100% de los departamentos de la compañía trabaja sobre la información de BI, estimando sus necesidades a partir de los datos de años anteriores, y una gran carga de la decisión se deposita sobre la experiencia del controller, de la dirección local y de la dirección de la tienda para acabar delegando en el proveedor de envíos la gestión de sus stocks generales.
Sin haber mencionado la producción, y centrándonos en un solo país, estamos dejando el lead time, la gestión de recursos (y con ello sus costes asociados), el pricing, los inventarios, el dimensionamiento de los almacenes o la estructura de las tiendas en manos de personas muy capacitadas pero que, primero, se apoyan “solo” en su interpretación de los datos, y, segundo, que no están viendo la misma foto y que no operan conjuntamente. El resultado es que acertar en todas las decisiones involucradas en este proceso de dimensionamiento de un pico de ventas pasa a ser un acto de fe , y las posibles fugas de la eficiencia se multiplican en cada eslabón de la cadena.
En resumen, es posible mejorar mucho los métodos de predicción y pasar a decidir sobre un tablero de opciones con sus correspondientes repercusiones.
En baobab soluciones llevamos más de 10 años trabajando en crear este tipo de herramientas basadas en IA para mejorar la eficiencia de la empresa.
¿Cómo podemos ayudarte?
