La moda refuerza la apuesta por la predicción de demanda para gestionar su stock
Los grandes retailers del sector moda han dado un paso adelante en la incorporación de la digitalización en sus procesos para poder anticiparse a cómo va a evolucionar la demanda en el tiempo y poder gestionar sus inventarios de forma más eficiente. Pero no sólo las grandes empresas se han subido al carro de la inteligencia artificial para controlar mejor su stock, pues también se ha multiplicado el número de pymes que han decidido recurrir a herramientas de analítica avanzada para mejorar sus procesos, especialmente desde el inicio de la pandemia del Covid-19.
Una de las empresas que ofrece una innovadora tecnología avanzada para afrontar los picos estacionales de los grandes retailers es Nextail. La empresa española trabaja con grandes multinacionales como Versace, Pepe Jeans, Cortefiel o River Island a las que facilita la toma de decisiones cuando la demanda es inestable. Para ello, la startup ha desarrollado soluciones basadas en analítica avanzada e inteligencia artificial para realizar predicciones de demanda.
“La gestión de inventario suele ser el segmento al que más inversión deben dedicar los retailers”
Carlos Casado Vicepresidente de Desarrollo de Nextail
“La gestión de inventario suele ser el segmento al que más inversión dedican las multinacionales en el sector textil”, ha asegurado el vicepresidente de Desarrollo de Nextail, Carlos Casado. Para evitar sobrecostes en este ámbito, el software de Nextail incorpora datos del negocio del retailer que se cruzan con datos propios de la compañía, como el tipo de producto, la ubicación de las tiendas, los tiempos de la cadena de suministro, entre otros. “Los retailers gestionan millones de datos que se pierden y no optimizan sus decisiones”, ha manifestado Casado. No obstante, a través del uso de analítica avanzada, “se explota ese volumen de datos para realizar previsiones de demanda más ajustados a la realidad”.
En lo relativo a la predicción de demanda a través de internet, el vicepresidente de Desarrollo de la startup ha destacado que, “por lo general, el canal online suele generar un mayor ratio de devoluciones respecto a una tienda física, por lo que incluimos parámetros diferentes a la hora de gestionar ese inventario”. La solución de Nextail toma en cuenta todo tipo de datos para analizar cómo y dónde va a adquirirse un producto, como por ejemplo información básica: la categoría, referencia, talla o unidad de una prenda. Además, “empleamos algoritmos de reconocimiento visual para detectar automáticamente los atributos de un producto”, ha apuntado Carlos Casado.
“Las liquidaciones son una manifestación de un pronóstico que ha salido mal”
Joannes Vermorel Fundador y consejero delegado de Lokad
Otra compañía que ha decidido apostar por el desarrollo de software estadístico para la optimización cuantitativa para la cadena de suministro es Lokad. Esta empresa francesa incorpora todo tipo de datos relativos al sector como canibalizaciones de productos -cuando la compra de un producto disminuye la adquisición de otro- tendencias y estacionalidades, flujos de nuevos productos, entre otros. “Las liquidaciones son una manifestación de un pronóstico que ha salido mal”, ha puntualizado el fundador y consejero delegado de Lokad, Joannes Vermorel. En concreto, la compañía se encarga de entregar una optimización de asignación de stock en el momento en el que comienza en lanzamiento de una nueva colección, para decidir cuántas unidades asignar a cada centro de distribución o tienda y así gestionar el stock de forma más acertada.
A pesar de estos avances y el interés creciente por la inteligencia artificial, “las soluciones mágicas no existen”, ha afirmado el responsable de Servicio de Análisis de Datos Avanzado del Instituto Tecnológico de Informática (ITI), Raúl Hussein. Eso sí, “la tecnología ha madurado mucho y abarata los costes de los retailers”. Hasta hace unos años, estas soluciones solo eran accesibles para las grandes empresas, “pero cada vez son más usuales entre retailers de pequeño y mediano tamaño”.
“Antes ciertas tecnologías solo eran accesibles a los grandes retailers, pero ahora se extienden en las pymes”
Raúl Hussein Responsable de Servicio de Análisis de Datos Avanzado de ITI
En el centro tecnológico ITI, se desarrollan dos tipos de soluciones para apoyar al sector del retail. Por una parte, utiliza técnicas clásicas de ‘customer analytics’ para conocer el comportamiento de los clientes a modo de apoyo a la toma de decisiones. Por otra, trabaja iniciativas relacionadas con la inteligencia artificial y el ‘deep learning’ para la predicción de la demanda. Este último no solo tiene en cuenta “la propia serie histórica de ventas o la caracterización de los clientes, sino también incluye otros factores externos como puede ser el clima, el valor del petróleo, entre otros”, ha explicado Hussein. Además, estos modelos predictivos también pueden ayudar a detectar cambios de tendencias en la demanda, aunque a corto plazo.
A raíz de la pandemia, “el número de empresas que demanda inteligencia artificial ha aumentado exponencialmente para resolver estas cuestiones”, ha observado el responsable de Analítica de ITI. En este sentido, “prevemos una multiplicación de este tipo de herramientas predictivas en el sector retail en los próximos dos a tres años”, capitaneado, entre otros sectores, por la moda y la alimentación.
LECCIONES APRENDIDAS DEL INVENTARIO DE INDITEX
El director general y cofundador de Nextail, Joaquín Villalba, ha desarrollado parte de su trayectoria profesional en Inditex como jefe de Operaciones en Europa para Zara, donde ha gestionado la logística de la marca y la gestión de su inventario. Dicha experiencia “nos ha ayudado a poner en común las problemáticas a las que suelen enfrentarse estas en su cadena de suministro”, ha reconocido Casado. En esta línea, el vicepresidente de Desarrollo Nextail ha recordado que “Inditex es uno de los retailers que mejor gestiona su inventario dentro de la complejidad que entraña su actividad a nivel internacional”.
La supply chain de las multinacionales suele basarse en estructuras demasiado rígidas, de arriba a abajo
Las limitaciones que afrontan estas marcas globales suelen ser, según Casado, problemas de gestión debido a una gran cantidad de datos “que suele conllevar una simplificación de la realidad”, modelos ‘push’ en vez de ‘pull’, así como la toma de decisiones en forma de pirámide. “Es necesario un cambio de mentalidad, pues las estructuras son demasiado rígidas”, ha puntualizado. De hecho, este tipo de modelo decisivo de arriba a abajo, a la hora de marcar presupuesto por cada tienda, genera problemas cuando la demanda no se ajusta a la planificación realizada “lo que te ata las manos cuando se producen situaciones inesperadas como el Covid-19”, ha explicado el directivo de Nextail.
