La industria del Retail ha experimentado una verdadera revoluci\u00f3n en los \u00faltimos a\u00f1os, gracias a la utilizaci\u00f3n de los enfoques de big data, machine learning y analytics. El uso de estos junto a herramientas tecnol\u00f3gicas de aprendizaje continuo se convierte en un activo estrat\u00e9gico que ninguna compa\u00f1\u00eda puede obviar. Por lo mismo, hoy existen cada vez m\u00e1s empresas que est\u00e1n siendo gestionadas en base a la administraci\u00f3n de datos masivos.<\/p>\n
En el caso de las cadenas de supermercados, el correcto abastecimiento y la rotaci\u00f3n de productos en las g\u00f3ndolas de los puntos de ventas f\u00edsicos, que satisfagan las necesidades de los clientes, sigue siendo un proceso complejo.<\/p>\n
![\"claudio](\"https:\/\/www.revistalogistec.com\/wp-content\/uploads\/2019\/12\/claudio_miranda_logistec.jpg\")
Para hacer rentable cualquier punto de venta es fundamental que el cliente siempre encuentre lo que busca, asegur\u00e1ndole el stock y la visibilidad de los productos en las g\u00f3ndolas. Cuando existen problemas de gesti\u00f3n de inventario, se generan los quiebres de stock, que es cuando no se encuentra el producto en el lugar habitual, en su tama\u00f1o, variedad y marca deseada en la sala de venta.<\/p>\n
\u00bfPor qu\u00e9 se produce este fen\u00f3meno? Las razones tienen que ver con las malas pol\u00edticas de inventario; ausencia de modelos anal\u00edticos que pronostiquen la demanda y sistemas autom\u00e1ticos de abastecimiento continuo; problemas de abastecimiento de parte de los proveedores (Fill Rate) y de los centros de distribuci\u00f3n de las cadenas; inventario fantasma, que ensucia el flujo de abastecimiento y venta; y la mala reposici\u00f3n de productos en g\u00f3ndolas.<\/p>\n
Un indicador que mide la gesti\u00f3n de inventarios que un punto de venta posee en el tiempo es el porcentaje de quiebres de stock, que en el caso de los pa\u00edses desarrollados -seg\u00fan diversos estudios-, en promedio, alcanza un 8%. En Latinoam\u00e9rica, este indicador bordea el 15%, al igual que en Chile. Algunos expertos se\u00f1alan que esta cifra revela que los problemas de la mala reposici\u00f3n de los productos en g\u00f3ndolas es el causante del 41% de estos quiebres de stock en los supermercados.<\/p>\n
Gesti\u00f3n de informaci\u00f3n y analytics<\/p>\n
Tomando como ejemplo las cadenas de supermercados, en Chile existen m\u00e1s de mil locales de diferentes tama\u00f1os y cadenas. Para analizar las millones de transacciones realizadas en los distintos puntos de venta en el tiempo, ya que la frecuencia y regularidad de reposici\u00f3n de los productos en una g\u00f3ndola est\u00e1 relacionada con los patrones de demanda de los consumidores, se hace necesario contar con tecnolog\u00eda especializada, repositorios de informaci\u00f3n centralizados y enfoques anal\u00edticos sofisticados que permitan descubrir los patrones de consumo de los clientes.<\/p>\n
Por ello, es fundamental utilizar enfoques basados en big data y machine learning, los cuales han mostrado efectividad y potencial de uso, estimando de manera precisa la demanda en el tiempo y segmentando la poblaci\u00f3n de clientes y puntos de venta, seg\u00fan sus caracter\u00edsticas. Estos elementos son clave para determinar la carga de reposici\u00f3n en cada supermercado en cantidad y diversidad de productos, as\u00ed como el personal necesario que debe realizar dicha labor.<\/p>\n
Respecto del \u00faltimo punto, para las compa\u00f1\u00edas resulta primordial administrar de manera eficiente el uso del recurso humano para mejorar la gesti\u00f3n de la reposici\u00f3n de productos. En este caso, se debe considerar que existe un desbalance en la distribuci\u00f3n de la carga de reposici\u00f3n durante las horas de una jornada, siendo distinto para cada d\u00eda de la semana y punto de venta. Por ello, es necesario dise\u00f1ar enfoques basados en analytics, que permitan encontrar programaciones de turnos eficientes que se hagan cargo de los peaks y estacionalidades de la carga de trabajo y satisfaga todas las condiciones asociadas a los lugares de trabajo y a las leyes laborales. Esto se transforma en un desaf\u00edo muy interesante para las compa\u00f1\u00edas.<\/p>\n
Actualmente, pese a los retos que de manera constante se presentan en la industria, para las compa\u00f1\u00edas del retail es posible enfrentar de mejor manera los quiebres de stock, incorporando conceptos asociados a la inteligencia artificial y el machine learning o analytics; as\u00ed como otras tendencias e innovaciones relacionadas con la transformaci\u00f3n digital. No obstante, a\u00fan existen desaf\u00edos profesionales e intelectuales, basados en la informaci\u00f3n generada y almacenada en las empresas que deben ser resueltos.<\/p>\n
Existen compa\u00f1\u00edas que han sido h\u00e1biles en capitalizar las ventajas y beneficios que el big data, el machine learning y analytics les generan; sin embargo, muchas otras est\u00e1n quedando rezagadas. Si no aceleran el paso se quedar\u00e1n abajo de la ola, lo que podr\u00eda generarles m\u00e1s de alg\u00fan problema en t\u00e9rminos de rentabilidad.<\/p>\n
Por Jaime Miranda, Director del Centro en Sistemas de Informaci\u00f3n y Ciencias de la Decisi\u00f3n Universidad de Chile<\/p>\n","protected":false},"excerpt":{"rendered":"
La industria del Retail ha experimentado una verdadera revoluci\u00f3n en los \u00faltimos a\u00f1os, gracias a la utilizaci\u00f3n de los enfoques de big data, machine learning y analytics. El uso de estos junto a herramientas tecnol\u00f3gicas de aprendizaje continuo se convierte en un activo estrat\u00e9gico que ninguna compa\u00f1\u00eda puede obviar. Por lo mismo, hoy existen cada vez m\u00e1s empresas que est\u00e1n siendo gestionadas en base a la administraci\u00f3n de datos masivos.<\/p>\n","protected":false},"author":1,"featured_media":526,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"jnews-multi-image_gallery":[],"jnews_single_post":[],"jnews_primary_category":[],"jnews_social_meta":[],"jnews_override_counter":[],"footnotes":""},"categories":[83],"tags":[],"class_list":["post-528","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-analisis"],"acf":[],"yoast_head":"\n