{"id":583,"date":"2019-06-15T07:02:47","date_gmt":"2019-06-15T06:02:47","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=news&p=583"},"modified":"2024-09-20T17:45:00","modified_gmt":"2024-09-20T16:45:00","slug":"how-better-demand-prediction-can-cure-inventory-headaches","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/es\/blog\/how-better-demand-prediction-can-cure-inventory-headaches\/","title":{"rendered":"C\u00f3mo una mejor predicci\u00f3n de la demanda puede curar los dolores de cabeza del inventario"},"content":{"rendered":"

<\/span><\/div><\/div><\/div>

NOTICIAS \/ CIENCIA DE DATOS<\/p>\n<\/div>

En un mundo ideal, las empresas sabr\u00edan exactamente cu\u00e1nto pueden vender, cu\u00e1ndo y d\u00f3nde.<\/p>\n

Pero construir un modelo eficaz de predicci\u00f3n de la demanda es m\u00e1s f\u00e1cil de decir que de hacer, sobre todo cuando el sector minorista est\u00e1 cada vez m\u00e1s fragmentado.<\/p>\n<\/div><\/div><\/div><\/div><\/div>

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 d\u00f3lares al a\u00f1o.<\/p>\n

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.<\/p>\n

Uno de los minoristas que est\u00e1 tratando de afrontar esta situaci\u00f3n es Bear Electric, una de las principales marcas chinas de electrodom\u00e9sticos. Cada vez es m\u00e1s dif\u00edcil predecir el volumen de ventas durante los periodos de promociones estacionales, seg\u00fan Yifeng Li, director general de Bear Electric.<\/p>\n

\n

El poder del data<\/span><\/strong><\/h3>\n

Hace tan s\u00f3lo unos a\u00f1os, con un acceso limitado a data agotados y de terceros, era incre\u00edblemente dif\u00edcil para las marcas predecir con exactitud las demandas futuras. Sin embargo, el auge de Internet m\u00f3vil ha dado lugar a una proliferaci\u00f3n de data. Las marcas son ahora capaces de obtener una mejor visibilidad del \u00edndice de ventas y del verdadero motor de las ventas. El auge del aprendizaje autom\u00e1tico y la IA tambi\u00e9n ha permitido a las empresas extraer y analizar data de forma m\u00e1s sistem\u00e1tica. 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.<\/p>\n

Ah\u00ed es donde entra en juego el Artefact.<\/strong><\/p>\n

Nuestro equipo de cient\u00edficos data, ingenieros data, consultores data y expertos en marketing ayudan a los clientes a desarrollar modelos de predicci\u00f3n de la demanda utilizando grandes tecnolog\u00edas data y de IA.<\/p>\n

Recientemente construimos un modelo de previsi\u00f3n para una plataforma O2O en China, que permite a sus dos grupos de usuarios -comerciantes y consumidores- conectar mejor entre s\u00ed.<\/p>\n

Muchos de los comerciantes de la plataforma sufr\u00edan de un volumen de ventas inestable, lo que se traduc\u00eda 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 predicci\u00f3n del volumen de ventas para las dos semanas siguientes, con el fin de ayudarles a planificar el inventario, el funcionamiento y las campa\u00f1as.<\/p>\n

\n

Mejor predicci\u00f3n, menos residuos<\/span><\/strong><\/h3>\n

No se pueden fabricar ladrillos sin paja. Del mismo modo, no se puede predecir el volumen sin el data hist\u00f3rico. 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 espor\u00e1dicamente en el pasado, nunca hab\u00edan experimentado un evento comercial del 11-11 o del 6-18. Sin este data, los comerciantes tienen poca o ninguna visi\u00f3n de conjunto de la cantidad de existencias que necesitan para los periodos promocionales, lo que puede suponer un gran golpe para los ingresos.<\/p>\n

La pregunta entonces es: \u00bfc\u00f3mo se puede predecir el volumen de ventas, especialmente para grandes eventos promocionales, con un data hist\u00f3rico insuficiente?<\/p>\n

Nuestra soluci\u00f3n fue un enfoque m\u00faltiple, en el que aprovechamos nuestra experiencia en miner\u00eda y an\u00e1lisis de data para ayudar a los comerciantes a \u2018llenar los vac\u00edos\u2019 durante los periodos de ventas especiales. Mientras que un modelo cl\u00e1sico de aprendizaje autom\u00e1tico se utiliza para predecir el volumen de ventas en periodos no promocionales, creamos un modelo de predicci\u00f3n que nos permite combinar el propio data hist\u00f3rico del comerciante con el data de otros comerciantes de perfiles similares para predecir el volumen de ventas en periodos promocionales. Este nuevo modelo mejor\u00f3 la precisi\u00f3n de las previsiones de la plataforma en 20%.<\/p>\n<\/div><\/div><\/div><\/div><\/div><\/p>","protected":false},"excerpt":{"rendered":"

En un mundo ideal, las empresas sabr\u00edan exactamente cu\u00e1nto pueden vender, cu\u00e1ndo y d\u00f3nde.
\nPero construir un modelo eficaz de predicci\u00f3n de la demanda es m\u00e1s f\u00e1cil de decir que de hacer, sobre todo cuando el sector minorista est\u00e1 cada vez m\u00e1s fragmentado.<\/p>","protected":false},"featured_media":585,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[22035],"blog-language":[2991],"class_list":["post-583","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-data-ai-consulting","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog\/583","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media\/585"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media?parent=583"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-category?post=583"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-language?post=583"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}