Autor: Eduardo Burgos, Gerente Comercial Chile y Perú en ARKHO

¿Imaginas un hogar sin desperdicios de comida? Una refrigerador que tenga lo justo y necesario de acuerdo a las necesidades y gustos de las personas. Estaríamos ante una situación de menor impacto ambiental y mayor ahorro económico, por solo mencionar algunos de los puntos de este hipotético escenario.

Aunque parezca imposible e increíble de descifrar, en la actualidad se puede trazar un patrón de comportamiento de prácticamente todo.

Las variables que definen al mercado se volvieron cada vez más complejas y difíciles de predecir y requieren de un examen minucioso para conocer los patrones de demanda de clientes y usuarios potenciales. Las tendencias del consumo en general, las nuevas competencias y los cambios en los patrones de comportamiento, requieren de un análisis profundo y detallado. En general, entre el 80 % y el 90 % de todas las tareas de planificación de la industria del comercio electrónico se pueden automatizar, pero muchas aún dependen de la previsión manual, haciendo que los registros de inventario sean imprecisos y la experiencia del usuario precaria.

Solo por citar un ejemplo reciente, durante la pandemia, Amazon.com utilizó el pronóstico predictivo de Amazon Forecast y pudo preparar su estructura para un aumento del 213 % en las ventas de papel higiénico, algo que un empleado, equipo de ingeniería o software informático sin el update correspondiente no habría sido capaz de realizar de forma precisa y rápida. ¿Imaginas el problema que podría haber causado? Gracias a esta herramienta, la empresa pudo saber de antemano el registro histórico que llegaría, prever cambios en su infraestructura de ventas y beneficiarse de ese hito comercial.

Uno de los desafíos que soluciona el Machine Learning es la maximización del ROI y la optimización de la inversión en nuevas ubicaciones de ventas por menor y directa de productos a clientes finales para su consumo (retail).

Para ello, se vale del machine learning, una tecnología sumamente importante a tener en cuenta para el 2023. De hecho, según el documento Linkedin Emerging Jobs Report 2021, el machine learning tuvo un crecimiento del 74 % en los últimos 4 años y duplicó su potencial más que cualquier otra profesión.

¿Cómo funcionan las herramientas predictivas?

Nos centraremos en la industria del retail, ya que ARKHO, empresa partner de AWS y especialista en la implementación de sus herramientas predictivas, tiene gran cantidad de casos en su portafolio. Amazon Web Services ofrece en la nube una amplia variedad de herramientas basadas en el machine learning. Cabe destacar los modelos más usados en Amazon, el primer modelo determina los “hotspots”, incorporando variables socio-económicas, espaciales, de competencia, etc. a través de la utilización de Amazon SageMaker. EL segundo modelo, analiza el rendimiento esperado de determinada ubicación a través de la tecnología de forecasting, utilizando Amazon Forecast.

Lo que se aconseja es incentivar a los líderes de las áreas de TI a utilizar en conjunto con estos modelos de trabajo predictivo y solo intervenir cuando se crea que la información cualitativa es segura y está centrada en tendencias. Además, es importante contribuir con los datos correctos para que nuestro universo de información sea lo más fiel posible a nuestra estrategia. En definitiva, hay que dedicar el tiempo que sea necesario para definir un criterio de selección y evitar así pérdidas de tiempo.

Los avances en el campo de la innovación son cada vez más sofisticados. Descubre cómo mejorar la experiencia de tu consumidor, agilizar las operaciones y tomar las mejores decisiones. Simplemente, realiza las preguntas correctas, y deja que ARKHO prepare los datos para que el Machine Learning haga lo propio.

Para conocer detalles de la propuesta de ARKHO, consulta aquí.