Las herramientas predictivas de Analytics pueden identificar escenarios y tendencias que los gerentes deben analizar para decidir qué camino tomar
Por Fernando Gamboa*
Primero, una advertencia ante al fuerte crecimiento de los sistemas inteligentes en ambiente empresarial: las herramientas predictivas de Analytics no son bolas de cristal para prever el futuro. Y mucho menos consiguen hacer todo el trabajo a solas. Sin embargo, pueden – y muy bien- identificar algunos escenarios y tendencias que los gerentes deben analizar para decidir cuál es el mejor camino a seguir.
El éxito de la utilización de modelos predictivos depende fundamentalmente de la interpretación de datos y de la capacidad de decisión por parte de tomadores de decisión. Este tipo de solución es utilizada para hacer previsiones sobre eventos futuros, a partir de una combinación de técnicas de data mining, estadísticas, algoritmos matemáticos, modelaje de datos e incluso conceptos de inteligencia artificial. Tomando la base de patrones encontrados en datos históricos y tendencias relacionadas con cada modelo de negocio, un gerente con conocimiento de la estrategia de la empresa y de las principales tendencias de negocio, consigue identificar riesgos y oportunidades futuras.
Pero, ¿cómo eso puede ayudar a los retailes? Por ser una herramienta predictiva, sirve para anticipar situaciones y, como tal, permite que sea adoptado un comportamiento mucho más proactivo. Para comenzar a usar una herramienta de este tipo con éxito, lo que primero debe definirse es cuál es el problema que queremos resolver.
Y son varios los problemas que pueden ser trabajados por soluciones predictivas en Retail. Entre ellas, la apertura y cierre de tiendas.
Todos sabemos los elevados valores que son necesarios tanto en la apertura y cierre de tiendas. ¿Cómo puede ayudar el análisis predictivo? Un buen comienzo es el análisis de los datos históricos de facturación, ticket medio y rentabilidad, para identificar cuál es la tienda con mayor probabilidad de ser cerrada. Con la condición de que el Director debe revisar el resultado y definir cuándo sería el momento más adecuado para hacerlo.
Con la reanudación del crecimiento, el análisis predictivo pueden crear escenarios que indican formas, tamaños y hasta locales donde pueden ser abiertas nuevas tiendas, en base a parámetros tales como las ventas por metro cuadrado o incluso la rentabilidad global de la tienda.
El mismo modelo predictivo es usado en el entendimiento de ventas cruzadas de productos. Es un hecho que los modelos descriptivos ya son utilizados por supermercados, droguerías y fast fashion, entre otros, que analizan con precisión los tickets generados diariamente y consiguen identificar qué productos empujan las ventas de otros artículos. De esta forma, ayudan al sector comercial a maximizar combos y promociones cruzadas.
Lo que el modelo predictivo puede hacer en este mismo escenario es, a partir del uso de una misma base de datos que el modelo descriptivo, es simular con mayor eficacia cómo será la entrada de un nuevo producto o de una nueva categoría en el catálogo, así como también de qué forma se puede esperar que este producto se comporte frente a promociones y hasta cómo puede empujar una venta cruzada, en vez de canibalizarla.
Y si hablamos de promociones, esta es seguramente una de las áreas que pueden y deben ser muy exploradas por modelos predictivos. El nirvana en términos de promociones es la personalización total, la promoción one-to-one, pero eso está lejos de ser una realidad por el momento. Es evidente que hacer promociones masivas con baja respuesta y aceptación no es lo que los retailers desean. El análisis predictivo puede contribuir mucho en este sentido, ya que ayuda a identificar en qué grupos la aceptación de determinada promoción será mayor, así como también donde será posible obtener mejor retorno de las promociones ofrecidas. Eso, con certeza, aumenta la efectividad de las promociones, además de traer beneficios operacionales para los retailers.
Por supuesto, las perspectivas para el uso de modelos de predicción son muy prometedoras, pero incluso con una potente herramienta como esta, nunca está de más recordar que el resultado final depende directamente de los que van a interpretar los datos. Por otra parte, cuanto mayor sea la calidad de los datos y más adherente a la realidad de la empresa, mejores serán los resultados que pueden obtener con el análisis predictivo
* Fernando Gamboa, Senior Director en gA (Grupo ASSA)
