Todos querríamos tener una bola de cristal, empezando por los retailers y las empresas de bienes de consumo en busca de las nuevas tendencias del mercado, o las empresas de logística preocupadas por una posible tormenta.
Ahora, con todo un mundo de datos al alcance de la mano (o, al menos, al alcance del teclado), todas estas empresas están muy cerca de poder hacer previsiones en tiempo real en una gran variedad de ámbitos, si son capaces de aprovechar las herramientas adecuadas de inteligencia artificial y aprendizaje automático.
Para los minoristas, las cadenas de suministro y las empresas de bienes de consumo la precisión en las previsiones de la demanda ha sido siempre un factor clave para la buena planificación del negocio, la gestión de stocks, la racionalización de la logística y la satisfacción del cliente. Unas previsiones exactas son esenciales para entregar el producto adecuado en el lugar adecuado y en la cantidad correcta.
Los clientes se molestan cuando los productos que quieren comprar están agotados, pero un exceso de stock supone unos costes elevados e innecesarios. Los comercios pierden más de un trillón de dólares al año debido a la mala gestión de stocks (IHL Group), mientras que una mejora de un 10-20% en la precisión de las previsiones de demanda puede reducir en un 5% los costes de stock y aumentar los ingresos en un 2-3% (Notes from the AI Frontier, McKinsey & Company).
Sin embargo, la gestión de stocks es tan solo una de las numerosas actividades que se sustentan en la previsión de la demanda: los minoristas también necesitan dimensionar la plantilla de sus tiendas y almacenes en las temporadas de mayor movimiento, planificar sus ofertas y evaluar varios factores que pueden influir en el tráfico de ventas físicas y online.
A medida que los retailers amplían su oferta de productos y su alcance geográfico, los datos disponibles se vuelven más complejos y hacer previsiones precisas resulta cada vez más difícil. Las actividades que no han sufrido restricciones durante la pandemia no han hecho sino agravar los cuellos de botella en las cadenas de suministro y aumentar la dificultad de las previsiones, ya que los cambios han sido rapidísimos.
Pero hoy los comercios pueden apoyarse en el aprendizaje automático para alcanzar una gran precisión en sus previsiones de demanda gracias a Vertex AI Forecast, una de las últimas creaciones de los investigadores de Google Brain que en muy poco tiempo estará disponible para las empresas.
Modelizar un millón de referencias en media jornada
Vertex AI Forecast puede admitir conjuntos de datos de hasta 100 millones de filas que contienen muchos miles de líneas de productos desde BigQuery o archivos CSV. Su potente motor de modelado procesará automáticamente los datos y evaluará cientos de modelos diferentes para encontrar el más eficiente, antes de proporcionar configuraciones opcionales fáciles de ajustar incluso sin conocimientos informáticos avanzados.
A continuación, el usuario puede pedir que los modelos se enfoquen hacia ciertas características concretas (por ejemplo, color, marca, promociones o campañas de comercio electrónico) y establecer presupuestos para crear las previsiones. Dada la gran volatilidad de las condiciones de mercado, los minoristas necesitan un sistema ágil y capaz de aprender rápidamente: Vertex AI Forecast es capaz de crear un modelo preciso para 1 millón de combinaciones de referencias/tienda en tan solo 12 horas.
El elemento clave de Vertex AI Forecast es la búsqueda de arquitecturas de modelos, donde se evalúan cientos de configuraciones y arquitecturas de modelos. Este algoritmo permite a Vertex AI Forecast encontrar sistemáticamente las configuraciones más eficientes para una gran variedad de clientes y conjuntos de datos.
Google ha construido el cerebro que permite hacer previsiones de demanda de una manera contextualizada y no intrusiva, fusionando el arte con la ciencia (informática) de la exactitud en las previsiones de demanda. En las pruebas comparativa realizadas con conjuntos de datos de Kaggle, Vertex AI Forecast se situó en el 2,5% más elevado de precisión en la World’s Top Forecasting Competition.
Desde el clima hasta el cuero, Vertex AI puede con todo tipo de datos
Gracias a las capacidades de pronóstico jerárquico de Vertex AI Forecast, los retailers pueden generar previsiones muy precisas que trabajan en múltiples niveles (por ejemplo, vinculando las demandas a nivel de artículo, tienda y región), minimizando los problemas creados por la compartimentación organizacional.
Vertex AI puede ingerir grandes volúmenes de datos no estructurados para comprender las «señales» más relevantes, como el clima, los precios de las materias primas, los costes de flete y de transporte marítimo. Esto permite a las empresas obtener una información valiosa y comprender la importancia de los principales factores que impulsan la demanda.
Esto no solo se aplica al pronóstico general, sino también a cada uno de los elementos en cada uno de los puntos. Por ejemplo, en la categoría de la ropa, las promociones pueden ser los principales impulsores de la demanda entre semana, pero no en los días festivos. Este tipo de información no tiene precio cuando se toman decisiones basadas en los pronósticos.
Los principales minoristas ya han transformado su forma de trabajar y están recogiendo los frutos de unos pronósticos más precisos.
»Para Magalu, Vertex AI Forecast ha supuesto una transformación de nuestros pronósticos. Ahora las previsiones se hacen a nivel de centro de distribución y, además, hemos conseguido reducir los errores de previsión«, afirma Fernando Nagano, director de Análisis y Planificación Estratégica de Magalu.
“En cuatro semanas de pronósticos «en vivo» – añade Nagano – observamos una reducción significativa de los errores (WAPE) en comparación con nuestros modelos anteriores. Esta información tan precisa nos ha ayudado a planificar de manera más eficiente la asignación de stocks y las reposiciones, y además nos asegura que los artículos se encuentran en las ubicaciones correctas en el momento adecuado, lo que nos permite satisfacer la demanda de los clientes y gestionar mejor los costes».
Según Amaresh Siva, Vicepresidente Senior de Innovación, Datos y Tecnología de cadena de suministro de Lowe: “Los más de 1.700 establecimientos de Lowe abarcan todo el territorio de los Estados Unidos, por lo que es crucial disponer de pronósticos precisos a nivel de referencia que nos permitan tomar decisiones en cuanto a la asignación de stock a cada tienda y la reposición de artículos en períodos de pico de demanda. Gracias a Vertex AI Forecasting, Lowe ha podido crear modelos jerárquicos precisos que equilibran las referencias y las previsiones a nivel de tienda. Estos modelos tienen en cuenta nuestro stock a nivel de tienda, referencia y región, así como los datos sobre promociones y muchos otros factores, por lo que permiten realizar pronósticos más precisos”.
Asimismo, nuestro ecosistema de asociados, que incluye o9 y Quantiphi, ya está integrando Vertex AI Forecast para ofrecer servicios de valor añadido a sus clientes. Para más información sobre la previsión de la demanda con Vertex AI, pueden contactar con su Representante de ventas local o realizar una prueba gratuita de Vertex AI aquí.
1 comentario en “Vertex AI, la herramienta de datos para retail creada por Google”
Estimados Sres.
Soy Jose Manuel Suanes, Director de Sistemas de Lladró.
Actualmente estamos en un proceso de transformación digital de la empresa que involucra una renovación completa de nuestra plataforma de Retail.
Estaría interesado en una presentación del producto para examinar sus posibilidades.
Muchas gracias, saludos.