Carlos González de Intelimétrica: en busca de la experiencia de compra
José Carlos González es Chief Operations Officer en Intelimétrica, empresa de desarrollo de soluciones de transformación digital para las industrias financiera y de bienes empacados al consumo. José Carlos es Maestro en Políticas Públicas por la Universidad de Chicago y Economista por el ITAM.
Las industrias del retail y logística se enfrentan al reto de ofrecer servicios personalizados al cliente final y, al mismo tiempo, de minimizar costos. Nuestro cliente final busca experiencias de compra únicas, ventanas de atención flexibles, precios bajos y una gran variedad de productos, todo en un mismo lugar.
¿Cómo lograr esas experiencias de compra personalizadas? En Intelimétrica hemos visto que nuestros clientes tienen incrementos en ventas y ahorros entre el 5% y 10% cuando logran cerrar la brecha entre los resultados del análisis de información y su ejecución en la operación del día a día.
El análisis de información facilita la planeación estratégica con herramientas como tableros de inteligencia de negocio pero requiere de una conexión en tiempo real con los procesos operativos para agregar el máximo valor. Por su parte, en operaciones se busca ejecutar las tareas del día a día con un enfoque estratégico y eficiente, minimizando cuellos de botella y tomando las mejores decisiones, sin embargo, algunas veces la información puede ser escasa y transformarse en un impedimento para una cultura de toma de decisiones basada en datos.
Una de las formas más efectivas para cerrar esa brecha entre analítica y operaciones es a través de la instrumentación de estrategias de planeación autónoma, que apalanquen tecnologías como aprendizaje de máquinas (machine learning). Esta utiliza grandes cantidades de información y algoritmos para acelerar la toma de decisiones con la mínima intervención humana.
De igual forma, es posible implementar iniciativas descriptivas, predictivas y de automatización. Las estrategias descriptivas son aquellas en las que la máquina (computadora) explica qué fue lo que sucedió o está sucediendo. Por ejemplo, qué combinaciones de productos (canastas) se consumen con mayor frecuencia en una tienda de autoservicio.
Por su parte, las iniciativas predictivas permiten anticipar lo que sucederá de acuerdo con patrones observados; por ejemplo, los clientes podrían comprar cierta combinación de productos, los cuales se ofrecerán en el mostrador al momento de pagar o por los vendedores en tienda.
Finalmente, las iniciativas que buscan automatizar la toma de decisiones permiten cerrar la brecha entre interpretar qué está pasando o qué sucederá, y tomar acción al respecto. Si se conoce qué canastas de productos se consumen con mayor frecuencia a un nivel granular, se pueden activar promociones automáticas para agregar productos a esas combinaciones. También es posible implementar estrategias de inventarios justo a tiempo y reducir el costo de anaquel de los productos.
La automatización se da al conectar las fuentes de información con motores de decisión y procesos operativos en tiempo real. Esto es posible a través de tecnologías como machine learning, cómputo en la nube y la interconexión de dispositivos existentes en tiendas o vehículos (internet de las cosas).
Cerrar la brecha entre analítica y operaciones sí es posible con estrategias de planeación autónoma, sin embargo, el principal factor de éxito es un conocimiento íntimo del negocio y enfoque en el cliente. De esa forma se irá construyendo el camino para tener una oferta cada vez más personalizada y a la medida del cliente final, siempre cuidando costos y maximizando ingresos.
