Predicción de la demanda y optimización del stock

Hemos trabajado en una gran cadena de supermercados para el desarrollo de una solución que permita predecir la demanda de sus productos para distintos precios y saber si las ofertas y descuentos que realiza en algunos productos tienen resultado o no.

Después de desarrollar varios algoritmos de predicción, llegamos a la conclusión de que un modelo basado en redes neuronales consigue predecir la cantidad de productos vendidos para distintos precios con un porcentaje de acierto cercano al 86% en cada tienda.

A través de esta predicción, la empresa ha conseguido maximizar el beneficio por la venta de un producto, al poder conocer cuál es el precio sobre el que más unidades vende y el coste es más bajo. Además, le ha permitido:

• Estimar las ventas de cada producto y evitar roturas de stock.
• Calcular el precio ideal para evitar pérdidas en productos perecederos.
• Visualizar el grado de cumplimiento de contratos con proveedores.
• Mejorar la eficacia de las ofertas y descuentos, así como la de la reducción de precios.
• Predecir ventas por talla y color.

La empresa ha conseguido planificar su proceso de compra y la distribución entre centros logísticos y tiendas, así como optimizar el stock evitando las pérdidas por rotura, por exceso o por caducidad del producto.

Optimización del proceso de distribución

En el caso de una empresa metalúrgica, sus necesidades estaban relacionadas con la optimización del proceso de expedición de mercancías, así como con la reducción del consumo y mantenimiento de su flota de camiones.

Como respuesta, se crea una solución de gestión de expediciones que es capaz de optimizar el proceso de carga de mercancía para reducir al mínimo los tiempos de parada de cada camión y maximizar la carga en cada desplazamiento.

A través de varios algoritmos y mediante el desarrollo de un sistema experto, la solución aportada es capaz de cumplir con todas las reglas del proceso de carga, maximizar la carga en cada transporte y evitar los tiempos de espera entre cargas, tanto dentro como fuera de la planta.

Desde el punto de vista de la flota de transporte, se monitoriza el estado de la presión de los neumáticos y del vehículo en general, así como el comportamiento del conductor. Con esta funcionalidad, a través de distintos algoritmos predictivos, la solución ha sido capaz de reducir el consumo de carburante y la contaminación ambiental causada por un estado inadecuado de la flota de camiones o por un modo de conducción ineficiente.

Asistente de compra virtual

Otro de los sectores de aplicación de este tipo de tecnologías, y seguramente en el que más extendidas se encuentran, es el del retail. Uno de los proyectos en los que hemos trabajado es el de una empresa del sector que deseaba proporcionar una experiencia personalizada al cliente dentro de la propia tienda, y de manera visual.

La respuesta ha llegado a través de nuestra solución de smart mirror, capaz de reconocer a los clientes fidelizados, clasificar a los que no lo están e identificar los productos en los que están interesados.

Por una parte, la solución planteada es capaz de generar ofertas personalizadas para el cliente según su historial (en caso de estar fidelizado), su edad o su sexo a través de algoritmos de clasificación y asociación.

Desde el punto de vista del producto que están buscando, se persigue ayudar y guiar a los clientes ofreciéndoles productos relacionados a través de sistemas de recomendación, prendas de similares características o información sobre las distintas tallas y colores disponibles, así como sobre la ubicación en la tienda.

Además, también se ha conseguido explotar la información que proporcionan los clientes, monitorizando la afluencia de personas en las distintas zonas de la tienda, clasificándolos por edad y sexo. Con ello, la solución es capaz de predecir las zonas más interesantes para cada tipo de cliente, qué horarios tienen y cómo se comportan dentro de la tienda.