No podemos hablar aún de la transformación digital como una tendencia, sino como una realidad. En 2022, el tráfico CDN (Content delivery network) se cifra en torno a los 258.000 petabytes mensuales, por lo que es una necesidad básica de todo sector que quiera ser competitivo, afrontar la gestión del big data como una de sus máximas prioridades.
Uno de los sectores más competitivos es el de la industria retailer: las principales soluciones del sector FMCG pasan por la adaptación ágil a las demandas de un mercado que cambia a cada segundo. ¿Cómo puedes afrontar estos retos del sector retail con garantías?
Innovar en el sector retail: una industria más adaptativa que pionera
No debemos considerar el hecho de definir un sector como adaptativo como algo negativo. De hecho, la agilidad con la que nos adaptamos al cambio es clave para las empresas, dejando aún un alto nivel de competitividad para aquellas que van más allá y apuestan por la innovación (early adopters).
Es por ello por lo que, en un sector en el que la digitalización avanza a buen ritmo, pero aún se encuentra con escollos como los vivido durante la pandemia, avanzar hacía una transformación digital en retail basada en metodologías no tradicionales, como hoy en día el uso de inteligencia artificial, aporta un nivel de diferenciación en el mercado notable.
Si a este nivel de diferenciación, sumamos el uso de herramientas que agilizan la gestión del big data y presenta la información de forma clara, precisa, concisa y con la calidad suficiente como para basar cualquier decisión empresarial relevante en ella, nos encontramos con una solución firme a cualquier reto que se presente. ¿Cuáles son los más relevantes que se presentan en los próximos años?
Las principales soluciones a los retos del sector retail pasan por agilizar la transformación digital
Los 5 retos del sector retail claves para los próximos años
De igual forma que no debemos hablar de transformación digital como una nueva tendencia, acotar los retos de la industria retailer a un año concreto resulta frivolizar con un fin, la digitalización, que no consiste únicamente en aplicar una solución o herramienta a nuestros procesos.
Es por ello por lo que el uso de metodologías como la inteligencia artificial, plantean umbrales tan amplios para una completa adaptación como 2025, año para el que se prevé que se destinen en torno a los 30.000 millones de euros en estrategias que hagan uso de ella.
Conocer qué retos plantea el sector para el medio plazo, nos prepara para desarrollar desde ya estrategias cuyo fin sea llegar a un estado de madurez en el uso de nuevas herramientas, mientras el resto aún está iniciándose en su implantación.
Reto #1: conocer mejor al cliente
Con el incremento del uso de nuevas tecnologías y el crecimiento del perfil de prosumidor (cliente que, mediante sus acciones o comentarios, es capaz de modificar cómo se presenta un producto o servicio), es un enorme factor competitivo conocer a la perfección a quienes usan nuestros productos y servicios, no solo para así ofrecerles lo que requieren de ellos, sino ser capaces de adelantarnos a sus propias necesidades para que, cuando surjan, seamos capaces de satisfacerlas.
Reto #2: fidelizar al cliente
En un entorno tan cambiante y competitivo, no basta con captar clientes: debemos ser capaces de retenerlos y que se conviertan en recurrentes para maximizar el beneficio. Este factor no solo asegura una fuente de ingresos continua, sino que dotado de las correctas metodologías, supone disponer de valiosas fuentes de información para la constante mejora de servicios y la detección de posibles incidencias que resolver ágilmente.
Reto #3: marketing a medida del cliente
Dirigir los mensajes comerciales a nuestro target ideal resulta cada vez más complicado pero a la vez más necesario. La razón es que nos enfrentamos a posibles clientes muy acostumbrados e insensibilizados ante información dirigida a la venta. Es por ello por lo que innovar en cómo nos dirigimos a ellos y saber cómo obtener de ellos los inputs necesarios para crecer como empresa, sin que se sienta invadido, es la clave para un marketing acorde siempre a la situación del mercado.
Reto #4: control de la cadena de suministro
Cómo llevamos a cabo la logística es un elemento enormemente diferenciador dentro del sector retail. Un equilibrio perfecto entre la previsión de la demanda y el stock disponible, así como la agilidad con la que somos capaces de proveer de nuestros productos y/o servicios, son hoy en día los máximos potenciadores entre retailers.
Reto #5: seguridad en cada operación de retail
Las empresas de retail pierden cada año en torno a los 1.800 millones por robos y fallos administrativos. Tal es el impacto, que muchas empresas ya contemplan estos datos dentro de sus partidas presupuestarias para así ser capaces de amortiguar las pérdidas. Por otra parte, no solo debemos pensar en el hurto como problema de pérdida de capital, siendo las incidencias y reclamaciones otras fuentes. Garantizar tanto la seguridad como una atención eficaz, son los puntos que mejorar para reducir tan millonaria cifra.
Tendencias en el sector retail que favorecen el cambio
Una vez detectados los retos a abordar en el sector, el siguiente paso es dar con las herramientas y metodologías que los resuelven. Para ello, las tendencias en retail son un buen termómetro para saber no solo qué soluciones son las más eficaces para resolver un problema, sino también poder asimilar ese perfil de “early adopter” clave para resultar innovadores y, por tanto, altamente competitivos.
Analítica avanzada
Dos de los retos planteados van en el sentido de conocer mejor al cliente, y ser capaces de prever situaciones de mercado que nos ayuden en el aprovisionamiento y la gestión del stock. Para ambos retos, la analítica, la obtención de inputs y conocimiento empresarial sobre el mercado y sobre nuestros usuarios potenciales, supone la vía que permite tomar las decisiones acertadas para alcanzar ambos fines.
El problema es que la analítica tradicional requiere de largos procesos de obtención de datos, siendo la interpretación de los resultados en ocasiones ambigua o poco exacta con la realidad al fundamentarse en información errónea o de poca calidad. Por otra parte, también es común basarnos en suposiciones de mercado o en tendencias a la hora de determinar futuras situaciones, algo poco preciso en un entorno tan cambiante.
La analítica avanzada resuelve estos problemas tan relevantes mediante metodologías como los algoritmos de optimización, modelos predictivos, prescriptivos y el uso de forecasting entre otros sistemas, que combinados con una gestión y gobierno del dato capaz de asimilar y procesamiento en entornos big data, dan como resultado la obtención de información clara, precisa, veraz y por tanto, fiable en la que guiar las decisiones relevantes de nuestro negocio.
| La importancia de la predicción en la distribución: el caso del aceite de girasol |
|
Un modelo de predicción de la demanda basado en metodologías tradicionales tiene como referencias datos como las tendencias de consumo y el nivel de producción. Dos inputs que, si bien son fuentes fiables, resultan poco precisas ante situaciones de incertidumbre o fuertes cambios en el mercado. Un modelo de predicción de la demanda basado en metodologías de IA toma, además de las referencias descritas, otras tantas basadas en el comportamiento de los mercados, en reglas propias del sector, conocimiento específico del negocio, circunstancias que lo rodean, indicadores demográficos y sociales, etc. Cuanta mayores sean las fuentes de información y se interactúe con ellas, mayor la precisión de la predicción. Este factor lo podemos ver en el ejemplo de cómo la grave crisis en Ucrania ha intercedido en el precio del aceite de girasol, produciendo fuertes subidas de su coste e incluso desabastecimiento. Un sector retail basado en metodologías tradicionales, determina el consumo y la producción de aceite de girasol (y por tanto, su oferta y demanda) en base a datos como los 184,4 millones de litros consumidos en España en 2020, o ser la segunda preferencia tras el aceite de oliva (412,7 millones de litros consumidos en el mismo periodo). Basarse en estos datos comporta que el stock de aceite de girasol no varíe significativamente de febrero a marzo de 2022. Un sector retail basado en metodologías de inteligencia artificial, determina cuál será la oferta y la demanda en base a sumar a estos mismos datos, otros tantos como la posible escasez de producto producido por aglutinar Ucrania y Rusia, el 80% de la producción mundial de aceite de girasol; el factor de que Ucrania realice el 90% de las exportaciones por vía marítima; las 500.000 toneladas de aceite de girasol que España importa de Ucrania; la existencia de alternativa en el mercado como el aceite de soja, de mezcla de semillas, etc.; el volumen de mercado que otros productores como Argentina y Sudáfrica pueden compensar; los precios que se manejan tanto por la escasez inmediata, como por los sobrecostes de importar desde el hemisferio sur, y un largo etcétera de factores que puedan influenciar en la distribución y consumo del aceite de girasol. Toda esta ingente cantidad de información no se presenta de forma bruta, sino que se filtra, adecua y valida para que el encargado de asegurar la continuidad de stock, pueda tenerla en cuenta y tomar decisiones sobre el abastecimiento de aceite de girasol de forma más precisa que quien se basa en las metodologías tradicionales. Esto último es la clave de por qué el uso de IA y gestión del dato ofrece un valor diferencial amplio en el sector retail o cualquier otro sector: permite una mejor toma de decisiones basada en datos firmes, reales y fiables. |
Entorno data-driven
Lo indicábamos al comienzo del artículo: actualmente, nos enfrentamos a un ecosistema en el que se generan a diario ingentes cantidades de información. Cómo tratarla, cómo asimilarla y, sobre todo, ser capaces de distinguir e interpretar la información válida de la que no lo es, es clave para que cualquier empresa se pueda desenvolver en su día a día sin verse desbordada y sin que pierdan utilidad sus fuentes de datos.
Para ello es completamente necesario un proceso en el que cada dato se almacene, se trate y se presente para su fin concreto de forma ágil y veraz, eliminándose toda información que induzca a error. Es lo que se denomina gobierno del dato.
Este control del dato, para su óptimo funcionamiento y para potenciar su alta funcionalidad, debe ir acompañado de un entorno de herramientas y metodologías denominado data-driven, como lo son entre otros el almacenamiento en cloud, la calidad del dato, la analítica de datos self-service, etc. Todo un ecosistema que permita que trabajar con datos, sea algo rápido y muy efectivo.
Inteligencia Artificial y Visión Artificial
La historia de la inteligencia artificial está a punto de cumplir un siglo. Aun así, no ha sido capaz de encontrar su espacio en un mercado que la veía más como un “fetiche” de ciencia ficción más que como una tecnología útil y práctica para el día a día.
Con la necesidad de gestionar big data y presentar sus resultados de una forma clara y comprensible, esta visión ha cambiado hacia un uso que comienza a ser imprescindible en procesos en los que la automatización es totalmente necesaria, por no ser capaces de gestionar manualmente flujos y entradas de información que se reproducen y que están constantemente en activo.
Así, sistemas de reconocimiento facial, la analítica comportamental y la gestión de infraestructura entre otras metodologías basadas en IA y visión artificial, se están convirtiendo en aliadas para poder detectar situaciones de interés para el negocio y la obtención de información clave que, de otra forma, sería imposible captar.
| La visión artificial en el sector retail |
|
De todas las metodologías descritas, si hay una de fácil aplicación que hoy en día tiene un alto componente competitivo y cuyo uso resuelve todos los retos del sector retail planteados, esa es la visión artificial. Con una conexión a las bases de datos y a los sistemas de CCTV disponibles en el establecimiento, se consigue entre otros beneficios:
|
El futuro del sector retail pasa por una comprensión íntegra de lo que sucede a su alrededor y de cada uno de los elementos que participan en su desarrollo. Por ello, la clave de cualquier metodología, herramienta o tecnología que se quiera usar para mejorar la competitividad de la industria, pasa por la interpretación de los datos. Obtén el máximo valor de cada uno de ellos y pon en el centro de cualquier decisión la información más precisa, válida, veraz, íntegra y coherente.
