El arte de predecir: menos intuición y más datos para afinar la cadena de suministro

¿Qué empresa del mundo no querría predecir el futuro? Si esto fuera posible, cualquier compañía podría prever qué y cuántos productos venderá (y por ende cuánto debe comprar), saber cuánto está dispuesto a pagar un cliente por cada artículo o saber cómo fidelizar a cada usuario según sus preferencias. Un negocio redondo, ya sea para la frutería de la esquina o para las grandes multinacionales. La moda, cuyos productos son en gran medida perecederos, sueña con esta idea hace décadas.

Ante la falta de una bola de cristal, o cualquier otra herramienta similar, el arte de predecir ha sido un pilar fundamental para que las empresas de moda reduzcan el margen de costes de sus operaciones y puedan ser viables económicamente. Aunque una realidad en la que se pueda conocer el futuro está todavía lejos, la Inteligencia Artificial (IA) está acercando cada vez más a las empresas a este objetivo, especialmente en todo lo que afecta a la cadena de suministro.

Según los datos de McKinsey, en los próximos tres o cinco años la IA podrá agregar al sector de la moda entre 150.000 millones y 275.000 millones de euros de beneficio operativo. Esta tecnología ha permitido a las empresas crear cadenas de suministro inteligentes que, a través de la IA predictiva y los algoritmos de aprendizaje automático, recopilan y analizan grandes cantidades de datos sobre el stock y la demanda a tiempo real y permiten tomar las decisiones más eficientes en consecuencia.

La IA podrá agregar entre 150.000 millones y 275.000 millones de beneficio operativo al sector

El impacto de estas tecnologías en los beneficios empresariales puede llegar a ser tan relevante que hace una década las empresas del sector invertían únicamente un 1% de sus ventas en el desarrollo tecnológico, según los datos de la empresa tecnológica Nextail, especializada en la planificación y gestión de stocks para retailers. A día de hoy, esta cifra ya ha aumentado hasta un 2%, y en los próximos cinco años se prevé que se dupliquen las inversiones, hasta alcanzar el 4%.

Para 2025, de hecho, se prevé que hasta un 38% de las empresas a nivel mundial hayan adoptado la IA en sus cadenas de suministro como una herramienta “fundamental”, según los datos de OBS Business School, frente al 11% que lo hacen actualmente. “Las cadenas de suministro de la moda se diferencian claramente de las de otros sectores, y tanto por el tipo de producto (mucho más estacional y con una vida más corta) como por otros factores, presentan una mayor complejidad”, explica el fundador y director general de Analyticalways, Amancio Junior.

El uso de la IA predictiva en el sector está dividido en dos fases temporales. Antes de la temporada, o preseason, es cuando las empresas utilizan la tecnología para calcular factores como la demanda esperada de cada producto a través de recopilaciones de datos como las tendencias de compra pasadas. Estos cálculos se llevan a cabo teniendo en cuenta más de un centenar de predictores (elementos que determinan la probabilidad de la demanda), que van desde los factores estacionales hasta la respuesta a artículos similares.

En esencia, la IA predictiva analiza los grupos de datos de otros años de estos predictores y, a través de patrones de comportamiento que se dieron en el pasado, intenta predecir la evolución en el futuro. En muchas ocasiones, para aumentar la precisión de los cálculos, estos algoritmos deben “entrenarse”, lo que se hace mediante un proceso por el cual se introducen los datos de, por ejemplo, 2022, para hacer que el sistema haga las predicciones de 2023. Una vez hechos estos cálculos, los ingenieros insertan los datos reales de ese mismo año, y la IA compara sus predicciones con el comportamiento real, lo que le permite aprender.

Estos cálculos tienen la capacidad de evitar el sobre stock y, en consecuencia, reducir los costes de producción innecesarios de artículos que después se quedarán abandonados en el almacén. “En el entorno empresarial actual, las empresas se enfrentan a la necesidad de gestionar de forma eficaz las actividades de la cadena de suministro cada vez más extendidas más allá de sus fronteras”, explica el estudio de la universidad de Western Illinois, Big data analytics in supply chain management. Y la IA predictiva puede ayudar a las empresas a evitar situaciones como cuellos de botella, interrupciones en el suministro o cambios impredecibles en la demanda.

“El objetivo principal de la analítica predictiva consiste en aumentar la eficiencia de las empresas y mejorar sus resultados financieros”, asegura también Daniel Martínez Pérez, director del Data Center of Excellence de Desigual.

Otros de los grandes usos de esta tecnología en la cadena de suministro pasan por la planificación del suministro, para que este se vuelva más dinámico y eviten el caso contrario, la falta de stock, o la optimización de rutas para enviar las mercancías, tanto desde el punto de vista de la distancia como de otros factores como el estado y las condiciones de cada ruta.

Una vez ha comenzado la temporada, el papel de la IA predictiva pasa por “recalcular” todas esas predicciones para ajustar todavía más factores como el número de artículos en tiendas o el pricing. “Si un producto se está vendiendo en una tienda y en otra no, y las empresas lo tienen mal posicionado, esto tiene un impacto ya que el artículo puede acabar yéndose a las rebajas, lo que les hace perder margen de beneficio”, explica Junior.

“En el sector de la moda, se lanzan nuevos productos constantemente, por lo que hay una relación directa con la demanda que necesita de una planificación casi semanal”, continúa el fundador de Analyticalways. Para ello, se utilizan mecanismos de control de KPI, o indicadores de performance, por los que se evalúan constantemente el comportamiento de cada artículo en las diferentes tiendas y se calcula si, por ejemplo, sería más rentable mover ese artículo a otra tienda donde está teniendo un éxito mayor.

El uso de la IA predictiva en la moda se divide en el momento preseason e inseason

Pricing y segmentación de clientes

“Gracias a la Inteligencia Artificial podemos predecir, por ejemplo, el mejor precio que aplicar en cada producto en base al stock que tenemos disponible, o el camino de descuento ideal para cada producto”, explica también Martínez.

La fijación de precios dinámica, o fijación de precios en tiempo real, por la que un producto puede variar su valor según los cambios de la demanda y la oferta, el coste de la logística total o, incluso, el precio de los competidores es una de las últimas implementaciones de la IA predictiva en el sector.

Es la base predictiva de estas herramientas la que permite analizar cómo responderán los consumidores a cada precio y calcular ese “precio ideal” en base a diversas variables: la estación del año, el origen de los consumidores, el éxito de un producto, etc. Junto con un proceso conocido como “segmentación” o “perfilado”, que permite elevar la personalización de los usuarios indica qué tipo y cantidad de productos enviar a cada tienda.

“Los datos son muy importantes para el sector, y se llevan recopilando desde hace tiempo. En los últimos años, sin embargo, ha aumentado la capacidad que tenemos para predecir las tendencias y extrapolar estos datos a las diferentes áreas de negocio”, explica Martínez.

Para implementar esta tecnología, sin embargo, hace falta un equipo humano que desarrolle los algoritmos y modelos necesarios, lo que está elevando la demanda de ciertos perfiles como el de Martínez en las empresas. Tal como asegura el data scientist, los años de páginas enteras de Excel han quedado atrás, y el panorama ha dado la bienvenida al machine learning, la Inteligencia Artificial predictiva y el Big Data.