Planeación de surtido con IA permite ahorrar hasta 20MDD a retailers: SAS
Maximizar el revenue, hacer más efectivos los inventarios, entender de mejor forma el ciclo de vida de los productos, incrementar la velocidad del flujo con el que se venden los productos y aumentar los márgenes de contribución en los retailers, son resultados que los modelos de planeación y optimización de surtidos (assortment planning), basados en IA y analítica de datos proporcionan a retailers de una forma predictiva, mejorando su proceso de mercancía, según un análisis realizado por SAS.
En el reporte, la firma menciona, por ejemplo, que con la implementación de modelos predictivos, IA y análisis de datos aplicados al proceso de assortment o surtido basado en IA, se ha mejorado el margen de contribución (definido por los retailers como el excedente de los ingresos en relación a los costos variables de las compañías), hasta en un 3%, el cual es considerado en la industria como un indicador de alto desempeño y representa ingresos considerables para las empresas.
De igual modo, con la aplicación de estas soluciones analíticas y estadísticas, conocidas como intelligence class trail, SAS ha encontrado que, en algunos casos, se ha logrado el ahorro de costos activos de inventario hasta por 20 millones de dólares; así como mejoras en merma hasta por el 4%.
Los retos para los retailers en temporadas altas
El principal reto al que se enfrentan las tiendas en temporadas altas, dadas sus condiciones por contar con espacios finitos y necesidad de ofrecer la más amplia variedad de productos, radica en poder surtir de tal forma que se cubra la demanda, evitar la inexistencia de productos, y vender más aumentando el margen, lo cual, es posible superar con cruces de análisis de datos predictivos e IA.
Según sus especialistas, para superar este reto, se debe responder a la pregunta de cuántas combinaciones de productos se deben colocar en los anaqueles de los pasillos. En este punto es donde se utiliza la analítica avanzada, porque con ella se optimizan aspectos como temporadas, estacionalidades, ubicaciones geográficas y predicción acertada de la demanda de los productos.
Otro aspecto relevante es el impacto visual de los anaqueles y la forma en que los productos se posicionan, desde un punto de vista estratégico en los estantes. Además de otras limitantes como las restricciones en las exhibiciones de diferentes productos y categorías, pues éstas se establecen con base en negociaciones que se hacen entre los proveedores y los retailers y que, en general, se basan en volúmenes de compra de los productos contra espacios otorgados para incrementar su posibilidad de venta.
“Sobre todo en temporadas altas, se deben aplicar modelos matemáticos para resolver la combinación de todos los factores que inciden en el surtido o assortment de productos de la forma más efectiva y rentable posible. Si esto se logra, es posible aumentar un indicador de negocio que manualmente no se podría realizar”, comentó Cristian Figueroa, director de la práctica de Retail y CPG en SAS Latinoamérica.
El especialista explica que, anteriormente e incluso hoy en día algunos retailers enfrentan los desafíos del assortment de las temporadas altas con sistemas manuales, sistemas in-house como los datos sociodemográficos o incluso, en el mejor de los casos, con sistemas automatizados como los CRM y ERP. Sin embargo, éstos, pese a ser altamente efectivos para controles de inventarios u otros aspectos operativos, carecen de bases tácticas y anticipativas necesarias en estas temporadas.
Cubrir lo anterior resultará crucial para el sector retail en México en temporadas altas de venta, pues el año pasado fue particularmente complejo para los diferentes actores que participan en el mercado mexicano, ya que de acuerdo con la Asociación Nacional de Tiendas de Autoservicio y Departamentales (ANTAD), las ventas comparables de sus agremiados mostraron un debilitamiento en octubre pasado, al registrar un crecimiento de 2.9%, considerado como el segundo desempeño más débil en lo que va del periodo anual.
“Si bien elementos como los operacionales, mezclados con la utilización de los datos sociodemográficos solían funcionar hace varios años atrás, en la actualidad se han visto rebasados debido a que el comportamiento de demanda que se produjo luego de la pandemia trajo consigo una evolución en la forma de pensar e incluso en el número consumidores y sus hábitos de hoy en día”, apunta Cristian Figueroa.
El assortment planning & optimization es la optimización del surtido de productos en los anaqueles de una tienda por medio de la planificación, con proyecciones de demanda jerárquicas basadas en el análisis avanzado de datos abierto por las distintas categorías, subcategorías, clases de productos regiones, SKU, etcétera. Los resultados de estos análisis entregan más inteligencia anticipativa que puede ser cargados a los mismos planogramas utilizados, pero haciéndolos más “proactivos”, detalló SAS.
Caso de éxito
El interés por estos sistemas inteligentes, por parte de los retailers de todos los tamaños, ha crecido en gran medida, como es el caso de la cadena de tiendas Calimax, nacida en Tijuana, Baja California, la cual, luego de la implementación de analítica avanzada e IA en sus procesos de planeación de demanda ha superado los retos que enfrentaba disminuyendo los errores de pronóstico lo que permite incrementar la oferta en las plazas en las que opera, aumentar el flujo de venta de sus productos y disminuir significativamente las mermas.
WhatsApp eSemanal 55 7360 5651
