NOTICIAS / CIENCIA DE DATOS

En un mundo ideal, las empresas sabrían exactamente cuánto pueden vender, cuándo y dónde.

Pero construir un modelo eficaz de predicción de la demanda es más fácil de decir que de hacer, sobre todo cuando el sector minorista está cada vez más fragmentado.

En Estados Unidos, las faltas de existencias, los excesos de existencias y las devoluciones cuestan a los minoristas la asombrosa cifra de 75 billones de dólares al año.

Las empresas de bienes de consumo en China se enfrentan a retos similares, si no mayores, dado el auge de los periodos de mega promociones como los festivales de compras del 11-11 y del 6-18.

Uno de los minoristas que está tratando de afrontar esta situación es Bear Electric, una de las principales marcas chinas de electrodomésticos. Cada vez es más difícil predecir el volumen de ventas durante los periodos de promociones estacionales, según Yifeng Li, director general de Bear Electric.

El poder del data

Hace tan sólo unos años, con un acceso limitado a data agotados y de terceros, era increíblemente difícil para las marcas predecir con exactitud las demandas futuras. Sin embargo, el auge de Internet móvil ha dado lugar a una proliferación de data. Las marcas son ahora capaces de obtener una mejor visibilidad del índice de ventas y del verdadero motor de las ventas. El auge del aprendizaje automático y la IA también ha permitido a las empresas extraer y analizar data de forma más sistemática. Sin embargo, cribar y analizar enormes cantidades de data puede ser todo un reto, especialmente para las empresas que no cuentan con un equipo interno de data.

Ahí es donde entra en juego el Artefact.

Nuestro equipo de científicos data, ingenieros data, consultores data y expertos en marketing ayudan a los clientes a desarrollar modelos de predicción de la demanda utilizando grandes tecnologías data y de IA.

Recientemente construimos un modelo de previsión para una plataforma O2O en China, que permite a sus dos grupos de usuarios -comerciantes y consumidores- conectar mejor entre sí.

Muchos de los comerciantes de la plataforma sufrían de un volumen de ventas inestable, lo que se traducía en un despilfarro de recursos y en una incapacidad para soportar el aumento de la demanda. Para rectificar esto, trabajamos con el cliente para proporcionar a los comerciantes individuales actualizaciones diarias de la predicción del volumen de ventas para las dos semanas siguientes, con el fin de ayudarles a planificar el inventario, el funcionamiento y las campañas.

Mejor predicción, menos residuos

No se pueden fabricar ladrillos sin paja. Del mismo modo, no se puede predecir el volumen sin el data histórico. Uno de los retos a los que se enfrentaron muchos comerciantes fue la falta de ventas data. De hecho, muchos comerciantes que acababan de establecer su negocio, o que operaban esporádicamente en el pasado, nunca habían experimentado un evento comercial del 11-11 o del 6-18. Sin este data, los comerciantes tienen poca o ninguna visión de conjunto de la cantidad de existencias que necesitan para los periodos promocionales, lo que puede suponer un gran golpe para los ingresos.

La pregunta entonces es: ¿cómo se puede predecir el volumen de ventas, especialmente para grandes eventos promocionales, con un data histórico insuficiente?

Nuestra solución fue un enfoque múltiple, en el que aprovechamos nuestra experiencia en minería y análisis de data para ayudar a los comerciantes a ‘llenar los vacíos’ durante los periodos de ventas especiales. Mientras que un modelo clásico de aprendizaje automático se utiliza para predecir el volumen de ventas en periodos no promocionales, creamos un modelo de predicción que nos permite combinar el propio data histórico del comerciante con el data de otros comerciantes de perfiles similares para predecir el volumen de ventas en periodos promocionales. Este nuevo modelo mejoró la precisión de las previsiones de la plataforma en 20%.