Big data + Inteligencia artificial, ¿hacia dónde van los pronósticos de venta?

Portada
Share on facebook
Share on twitter
Share on linkedin
Share on whatsapp
Share on email

Tal vez uno de los procesos más complejos y que más enfrentamientos provoca dentro de una empresa es el del cálculo de la previsión de ventas, también conocido como Planeación de la Demanda, en donde lo único de lo que se tiene certeza es que no se va a cumplir y ningún área de la empresa se hará responsable.

Por: Juan David Restrepo

Consultor Wa Solutions

La verdad es que apostar cuánto se va a vender, en dónde y cómo se va a hacer, es tan complicado como ganarse la lotería sin comprar el billete.

En los mercados de hoy los clientes saben en tiempo real qué está pasando, en qué lugar, en dónde pueden encontrar la aplicación de todas las marcas que les gustan y hacer switch de compra muy fácil, por lo que estos ya no son compradores fieles…

Ante este flujo de información desmesurado, la pelea de las empresas se está volviendo más intensa, al punto de llegar casi a la desesperación y a la locura; el reto hoy es por lograr la venta del día porque la de mañana no importa, por lo que todas esas acciones que la propia empresa y los competidores ejercen sobre sus productos, con precios y excesos de comunicación, generan grandes movimientos en las demandas de todo lo que participe en la billetera del cliente.

Muchos son los comités que se han inventado en las empresas para atacar el conflicto entre las áreas y poder entregar el número de ventas. De hecho, dentro de esos comités se han vuelto muy populares los S&OP (Planificación de Ventas y Operaciones), que son escenarios en los que confluyen las áreas responsables (Ventas, Mercadeo y Logística principalmente).

Allí definen un número a partir de métodos cuantitativos, como cálculos estadísticos y econométricos, sumado a toda la información cualitativa recogida a través de los diferentes métodos (encuestas, acompañamientos, focus groups, experimentos de endomarketing, etc.), además de las acciones tácticas que se van a ejecutar en precios, comunicación, entre otros. 

El problema es que la asertividad de esa previsión de ventas que hoy se obtiene a nivel detallado en esos esfuerzos “diplomáticos”, sigue siendo un cuello de botella importante para el ROI de las empresas y limita el desempeño para los retos que tiene una compañía de cara al cliente de hoy.

Para conocer la demanda efectiva de los productos de una empresa no basta solo con un histórico de ventas, la información de las conversaciones de los vendedores con los clientes y las visitas de las personas de mercadeo a los supermercados; el objetivo es de alto valor y es determinar el mercado de un producto que se vende a la par con otros de todo tipo.

Solo teniendo en cuenta elementos de microeconomía (elasticidades de precio, efectos de renta, sustitución, complemento, entre muchos otros) así como elementos de macroeconomía (comportamiento de mercados domésticos, proyecciones demográficas y temas fiscales) puede ser posible tener pronósticos acertados.

Esa cantidad de información, de tantas fuentes y de tantas clases, es un ejemplo de lo que se conoce como big data y no es posible gestionarla con efectividad con los planeadores de hoy, ni con los sistemas de información tradicionales.

Los directores y gerentes de avanzada están comenzando a usar herramientas de advanced analitics, inteligencia artificial (AI) y machine learning para gestionar la información y reentrenando a sus planeadores para poder trabajar con ellas.

Durante los últimos 10 años, la proliferación de canales y comunicaciones digitales han estado “hyper-conectados” con los clientes, transformándolos de consumidores de información a proveedores de ella y esto no se puede desaprovechar.

Teniendo en cuenta lo anterior, big data pueden ser datos escritos, sin estructura, de todo tipo como textos, imágenes, videos, audios, blogs, comentarios en redes, likes, dislikes, etc. Además, pueden venir de cualquier parte de la cadena y del entorno como clientes, proveedores, competidores, empresas de sectores diferentes, entes gubernamentales y pueden ser históricos o en vivo y en directo.

La rapidez con la que llegan los datos y deben ser procesados, así como la cantidad de ellos, son también características que deben ser tenidas en cuenta.

El big data es utilizado con herramientas de AI y ML ha permitido aumentar la colaboración entre empresas de diferentes sectores, pues han podido ser integradas a herramientas de optimización de procesos, herramientas de relacionamiento con proveedores, sistemas de identificación de riesgos, geo analítica, permitiendo resultados muy importantes como reducción en tiempo de reacción, tracking end to end, mejorando la integración de las áreas, además de reducir tiempos de entrega.

Siempre será importante empezar por revisar los procesos de negocio y analizar hasta qué nivel se pueden llevar los resultados que se están obteniendo hoy, sin hacer inversiones importantes para poder hacer un análisis de retorno sobre la inversión adecuado o análisis a las previsiones de venta, como los FVA (simple forecats value add), en donde se evalúa el valor que agrega cada paso del proceso de pronosticación al resultado total y otros como las “señales de rastreo”, para analizar las desviaciones de los pronósticos para periodos no inferiores al “lead time” del producto y se corrigen estos hacia adelante, son muy importantes en aras de perfeccionar antes de comprar.

Adicional a lo anterior, que se concentra en lograr una previsión más acertada, han salido al mercado soluciones como Demand Driven MRP para planear y ejecutar el abastecimiento, logrando minimizar la dependencia de las empresas a los pronósticos de venta detallados y que para manejar la planeación de la oferta de corto plazo, han sido muy efectivas trayendo un impacto muy positivo de cara al cliente en términos de nivel de servicio (por encima del 98%), en cantidad y tiempo, acompañado de optimizaciones del capital de trabajo (disminuciones del 30%), mediante principios muy sencillos pero potentes, sin dejar de lado que han “desescalado” de manera importante el conflicto entre áreas.

Quiero terminar diciendo que es errado llamar cadena de suministro a lo que es una red de tres dimensiones, pero es más errado seguir usando la diapositiva en donde los materiales fluyen hacia la derecha y la información hacia la izquierda; los materiales llegan de todas las direcciones, los productos van a todas partes y los datos no solo llegan de los clientes.

Los proveedores también llegan de la competencia, entes gubernamentales, empresas de otros sectores, redes sociales y referentes entre muchos… acá la máxima del libro de Barry Shwartz que, “más es menos, la tiranía de la abundancia” no aplica, porque con la inteligencia artificial, “¡tener más!”, nunca será suficiente.

Comparte esta publicación

Share on facebook
Share on twitter
Share on linkedin
Share on whatsapp
Share on email