La analítica está comenzando a formar parte de las corporaciones como una tormenta. Industria tras industria está adoptando alguna herramienta de análisis de datos y obteniendo enormes beneficios optimizando operaciones y minimizando costos. Pero una industria parece estar rezagada, la de los supermercados. Esto es una gran sorpresa, ya que la misma puede beneficiarse enormemente del uso de la analítica. Los márgenes netos para la industria minorista de alimentos tienden a ser bastante bajos, por lo general oscilan entre el 1 y el 3 por ciento, dependiendo del tipo de artículo. Sus ganancias dependen del volumen, y todo lo que puedan hacer para mejorar los márgenes de ingresos se multiplicará por los miles de artículos a vender en sus tiendas. Esta debería ser razón suficiente para adoptar herramientas de análisis de datos.
De hecho, muchos minoristas de alimentos se han enfrentado a costos crecientes y márgenes reducidos en los últimos años, y si eso no es suficiente, el coronavirus afectará permanentemente al comercio minorista de alimentos. Parece obvio que se deben tomar medidas de inmediato. Lo bueno es que estas compañías cuentan con valiosas bases de datos, tales como, listado de adquisiciones, movimientos de inventario, cuánto se distribuye a cada tienda, inventario dentro de cada tienda, productos vendidos, hasta el más mínimo detalle, hasta data de a qué hora se venden los mismos, etc. La lista continúa. Este arsenal de datos sin explotar crea una enorme oportunidad para generar crecimiento, pero un estudio global demuestra que el 85% de los minoristas de alimentos carecen de capacidades, tecnología y experiencia para monetizar sus datos y mejorar la experiencia del cliente.
Estas cifras son asombrosas ya que nos encontramos en la era de la analítica. Sin embargo, a algunos les está yendo bien y actualmente Walmart es probablemente la tienda por departamentos que ha logrado sacar un máximo provecho al análisis de su data. Utilizan herramientas de big data para hacer que sus tiendas sean más eficientes, administran de manera inteligente la cadena de suministro gracias a 500 millones de pronósticos a la semana, optimizan la variedad de productos y personalizan la experiencia de compra.
Ciertamente, no en todos los casos es ganar ganar. De hecho, LIDL, la gigantesca cadena de descuento alemana, abandonó SAP (software para gestionar y organizar datos y recursos) después de luchar durante 7 años para implementar el sistema, perdiendo la asombrosa cantidad de 500 millones de euros al hacerlo.
TODOS ESTÁN MORDIENDO MÁS DE LO QUE PUEDEN MASTICAR
La solución está escondida en el problema, como la mayoría de las veces. Con la gran cantidad de datos disponibles para aprovechar las oportunidades de crecimiento, muchos minoristas intentan hacerlo todo a la vez, mordiendo más de lo que pueden masticar, incluso LIDL. Existe una tendencia (que debe morir) dentro de la industria de IT de brindar soluciones holísticas que se supone que resuelven todos los problemas que enfrentan las organizaciones, incluido el análisis de data. Esa es una fórmula para el fracaso, e incluso Microsoft está dando un paso atrás al segmentar sus sistemas para que de esta manera las empresas puedan simplemente elegir lo que les conviene, en lugar de implementar todas las herramientas de una vez, con todo el tiempo y los costos que lo mismo generan.
La fórmula del éxito en la analítica es comenzar de poco a poco. Este debe ser un proceso gradual. Realmente nunca podrás prescindir del análisis de datos, ya que siempre se presentará algo nuevo. La palabra clave aquí es “implementar”. Recuerda, la razón número uno por la cual las organizaciones fallan en la analítica es porque no logran que los empleados entiendan su funcionamiento y beneficios.
DÓNDE DEBERÍAN COMENZAR LOS MINORISTAS DE ALIMENTOS
Puede parecer una tarea abrumadora comenzar, ya que es fácil pasar por alto algunas trampas (leer LIDL). Muchos minoristas de alimentos aún no conocen el inventario de sus tiendas y los gerentes de las mismas solicitan más productos basándose en su experiencia, en lugar de utilizar datos reales. Los números de ventas se actualizan de la noche a la mañana y, si no han podido revisar todo, no sabrán hasta la mañana siguiente qué productos reponer del almacén. Como los gerentes de tienda realizan los pedidos manualmente, los errores en la cantidad son comunes, lo que resulta en tiendas con exceso de existencia o falta de existencia; ambas son pérdidas de dinero para la empresa. Además, como no se utiliza el análisis de data, saber cuándo podría venir un fin de semana ajetreado en el horizonte es algo que se debería recordar. Y qué cantidad de productos para ese fin de semana de alta demanda en particular. Esto es algo que alguien está tratando de ver en algún documento de Excel de la misma época el año pasado.
La mejor forma de empezar es adoptar técnicas avanzadas de previsión de la demanda. Sí, lo leiste bien. Pronosticar sus ventas correctamente es el Santo Grial de la analítica y debe ser lo primero. La mayoría de tus otras ideas no tienen valor si no puedes predecir tus ventas. Por tanto, el punto de partida es la previsión avanzada de la demanda. Aquí es donde los científicos de datos usan modelos avanzados de series de tiempo y sofisticados algoritmos de aprendizaje automático, y los aplican a datos históricos para pronosticar el futuro. La previsión ha mejorado enormemente en los últimos 10 años y finalmente se está convirtiendo en una herramienta confiable para las organizaciones. El mayor pronosticador del mundo en la actualidad es probablemente Walmart, pero la mayoría de los minoristas se quedan muy atrás y tienen poca o ninguna idea de cuánto venderán la próxima semana, y mucho menos el próximo mes, y dependen en gran medida de gerentes de tienda experimentados.
La mayoría comenzará a buscar un software de pronóstico sofisticado para realizar la tarea, pero ahí es donde pueden fallar. Los minoristas de alimentos pronosticarán cada producto en cada tienda, lo que puede ser millones y millones de pronósticos. Pero no existe un enfoque único para todos. Cada conjunto de datos puede necesitar diferentes modelos de pronóstico y diferentes algoritmos, y todavía no existe un software que lo haga. Pregúntele a LIDL, perdieron 500 millones de euros en el intento. Y si el software pudiera hacerlo todo, entonces Walmart probablemente lo usaría, pero en su lugar tienen un ejército de científicos de datos dedicados y bien capacitados para pronosticar con precisión sus ventas.
En SUMO Analytics aconsejamos a nuestros clientes que comiencen con poco y que lo hagan con pronósticos, ya que como agencia analítica creamos pronósticos de demanda sofisticados para todos nuestros clientes minoristas. A medida que se acostumbran a aplicar estos valiosos conocimientos, se van agregando diferentes modelos analíticos predictivos, resultando esto ser mucho más simple que hacerlo todo a la vez.
Pero puede que se esté acabando el tiempo para algunos minoristas. Muchos se están subiendo al tren analítico y los que no se van a quedar atrás. Imagínese si todos los minoristas, excepto uno, hubieran adoptado técnicas sofisticadas de pronóstico avanzado y, literalmente, ven el futuro con más claridad que nunca. El que no lo ha hecho, no tendrá ninguna posibilidad de ponerse al día. De hecho, una investigación de McKinsey reveló que hay un enorme beneficio de estar entre los primeros en adoptar la analítica, pero al mismo tiempo puede ser fatal ser uno de los últimos, ya que será cada vez más difícil ponerse al día.
