Anticiparse a periodos de escasez o quiebres en la cadena de suministro ya no es una promesa lejana. RELEX Solutions, startup especializada en planificación de retail, ahora lo hace posible.
Su plataforma integra soluciones de pronóstico de demanda, reposición automática de productos y planificación de promociones, entre otras funciones. Con ello, la empresa se posiciona como un salvavidas para retailers y compañías de consumo que buscan alinear sus operaciones desde los proveedores hasta las tiendas.
Su propuesta innovadora se sostiene en cuatro pilares: inteligencia artificial, machine learning, automatización y visibilidad en tiempo real. Todos estos elementos integrados permiten a las empresas tomar mejores decisiones sobre inventarios, abastecimiento y disponibilidad de productos. A partir del uso de IA, RELEX ofrece a sus clientes reducción de costos y mejoras en los niveles de servicio en sus redes de suministro.
¿Cómo funciona esta plataforma y qué nos enseña sobre el uso de datos para tomar mejores decisiones en la logística de una cadena o tienda independiente? Sobre estos temas conversamos con Rodrigo Córdova, director de Soluciones para América Latina de RELEX Solutions, en la siguiente entrevista.
En América Latina todavía hay empresas que reaccionan ante la baja rentabilidad o los quiebres de stock cuando el problema ya estalló. Desde tu experiencia en RELEX, ¿qué tan costoso puede ser mantener una lógica reactiva en lugar de una predictiva?
Más que reaccionar al quiebre de stock, por lo general la lógica reactiva suele estar vinculada a la falta de información de los proveedores. Ese aspecto no se cuestiona tanto. Lo que sí se cuestiona es la ausencia de una planificación general de largo plazo.
Son reacciones muy reactivas. No se preparan para lo que va a pasar el próximo mes, en dos meses o durante una nueva temporada. Entonces aparecen problemas como, por ejemplo, estrangularse en Navidad porque la capacidad del centro de distribución no es suficiente.
Ese tipo de situaciones podría preverse con seis meses de anticipación. Incluso con un año de anticipación se le puede entregar información al centro de distribución o a la operación en general.
El costo de no hacerlo es que las empresas terminan enfrentando cuellos de botella y pagando horas adicionales para suplir problemas que podrían resolverse con una planificación adecuada en el corto, mediano y largo plazo.
A veces no queda claro dónde la IA genera realmente valor en el retail. Cuando se mira la planificación comercial y la reposición, ¿en qué tipo de promesas observas más discurso que impacto tangible?
En general, cuando las empresas de software hablan de inteligencia artificial para retail, suelen concentrar su propuesta en la gestión de pronósticos. Generan pronósticos de demanda con modelos profundos de inteligencia artificial.
El problema es que, si no hacemos picking unitario hacia las tiendas o hacia los proveedores, esos pronósticos no generan los beneficios esperados.
Durante casi 20 años hemos escuchado que mejorar el pronóstico mejorará la cadena de suministro. Pero lo que hemos visto en RELEX es que el verdadero impacto aparece cuando los modelos de inteligencia artificial se incorporan al reabastecimiento. Ahí se concentra cerca del 70% del éxito de una cadena de suministro.
Muchas compañías ya tienen datos, dashboards y sistemas, pero eso no necesariamente se traduce en mejores decisiones. Desde tu perspectiva, ¿qué le sigue faltando a buena parte del retail regional para convertir información en decisiones útiles?
Primero, tener todo en una plataforma única para contar con una visión completa. Hay muchos BI, dashboards, tablas y reportes, pero están alojados en distintos sistemas y plataformas.
El usuario termina obligado a revisar un BI del WMS, otro de tienda, otro de ventas y otro de inventario. La información está dispersa en diferentes sistemas y plataformas, sin una visión unificada que permita tomar decisiones en tiempo real a partir de todas las variables del negocio.
Eso es parte de lo que hacemos en RELEX: trabajar con un modelo de plataforma integrada. Una plataforma de este tipo entrega muchos beneficios y mayor visibilidad.
Además, el dato por sí solo no es muy útil. Las cadenas de retail pueden generar millones y millones de datos al día, pero se necesitan procesos capaces de analizarlos y transformarlos en información.
Cuando una empresa quiere mejorar su forecasting, su gestión promocional o su reposición, suele pensar primero en la tecnología. Pero, en la práctica, ¿dónde se juegan las diferencias más importantes: en la herramienta o en la calidad de los datos?
Son varias dimensiones y todas son relevantes. Por supuesto, la calidad de los datos es muy importante. Sin buena calidad de datos, la decisión que se tome probablemente será incorrecta.
Luego están los procesos o sistemas capaces de generar un pronóstico promocional o de estimar el impacto de una promoción. Hoy, normalmente, eso debería estar basado en modelos de inteligencia artificial y machine learning, porque permiten incorporar muchas más variables que la promoción en sí.
Pero hay un elemento que suele olvidarse: los procesos. Una empresa puede tener la información más ordenada y los mejores modelos de inteligencia artificial, pero si la promoción se notifica de un día para otro, aparece una restricción física. El camión no llega. Por ende, el proveedor no va a llegar al centro de distribución y, finalmente, el producto tampoco llegará a tiempo a la tienda.
