Consumption Base Forecasting

Pronóstico y planeación

basados en el consumo

Wiley y SAS Business Series

La serie empresarial de Wiley y SAS presenta libros que ayudan a los directivos de alto nivel en sus decisiones críticas de gestión.

Los títulos de la serie Wiley y SAS Business incluyen:

The Analytic Hospitality Executive: Implementing Data Analytics in Hotels and Casinos por Kelly A. McGuire

Analytics: The Agile Way por Phil Simon The Analytics Lifecycle Toolkit: A Practical Guide for an Effective Analytics Capability por Gregory S. Nelson Anti-Money Laundering Transaction Monitoring Systems Implementation: Finding Anomalies por Derek Chau and Maarten van Dijck Nemcsik

Artificial Intelligence for Marketing: Practical Applications por Jim Sterne

Business Analytics for Managers: Taking Business Intelligence Beyond Reporting (Second Edition) por Gert H. N. Laursen y Jesper Thorlund

Business Forecasting: The Emerging Role of Artificial Intelligence and Machine Learnin por Michael Gilliland, Len Tashman y Udo Sglavo

The Cloud-Based Demand-Driven Supply Chain por Vinit Sharma

Consumption-Based Forecasting and Planning: Predicting Changing Demand Patterns in the New Digital Economy por Charles W. Chase

Credit Risk Analytics: Measurement Techniques, Applications, and Examples in SAS por Bart Baesen, Daniel Roesch y Harald Scheule

Demand-Driven Inventory Optimization and Replenishment: Creating a More Efficient Supply Chain (Second Edition) por Robert A. Davis

Economic Modeling in the Post Great Recession Era: Incomplete Data, Imperfect Markets por John Silvia, Azhar Iqbal y Sarah Watt House

Enhance Oil & Gas Exploration with Data-Driven Geophysical and Petrophysical Models por Keith Holdaway y Duncan Irving

Fraud Analytics Using Descriptive, Predictive, and Social Network Techniques: A Guide to Data Science for Fraud Detection por Bart Baesens, Veronique Van Vlasselaer y Wouter Verbekez

Intelligent Credit Scoring: Building and Implementing Better Credit Risk Scorecards (Second Edition) por Naeem Siddiqi

JMP Connections: The Art of Utilizing Connections in Your Data por John Wubbel

Leaders and Innovators: How Data-Driven Organizations Are Winning with Analytics por Tho H. Nguyen

On-Camera Coach: Tools and Techniques for Business Professionals in a Video-Driven World por Karin Reed

Next Generation Demand Management: People, Process, Analytics, and Technology por Charles W. Chase A Practical Guide to Analytics for Governments: Using Big Data for Good por Marie Lowman

Profit from Your Forecasting Software: A Best Practice Guide for Sales Forecasters por Paul Goodwin Project Finance for Business Development, por John E. Triantis

Smart Cities, Smart Future: Showcasing Tomorrow por Mike Barlow y Cornelia Levy-Bencheton

Statistical Thinking: Improving Business Performance (Third Edition) por Roger W. Hoerl y Ronald D. Snee

Strategies in Biomedical Data Science: Driving Force for Innovation por Jay Etchings

Style and Statistic: The Art of Retail Analytics por Brittany Bullard Text as Data: Computational Methods of Understanding Written Expression Using SAS por Barry deVille y Gurpreet Singh Bawa Transforming Healthcare Analytics: The Quest for Healthy Intelligence por Michael N. Lewis y Tho H. Nguyen Visual Six Sigma: Making Data Analysis Lean (Second Edition) por Ian Cox, Marie A. Gaudard y Mia L. Stephens Warranty Fraud Management: Reducing Fraud and Other Excess Costs in Warranty and Service Operations por Matti Kurvinen, Ilkka Töyrylä y D. N. Prabhakar Murthy

Para más información sobre cualquiera de los títulos anteriores, visite www.wiley.com

Pronóstico y planeación

basados en el consumo

Pronosticando los cambios de la demanda en la nueva economía digital

Charles W. Chase

Copyright © 2021 por SAS Institute Inc. Todos los derechos reservados. Publicado por John Wiley & Sons, Inc., Hoboken, Nueva Jersey. Publicado simultáneamente en Canadá.

Ninguna parte de esta publicación puede ser reproducida, almacenada en un sistema de recuperación, o transmitida en cualquier forma o por cualquier medio, ya sea electrónico, mecánico, de fotocopia, de grabación, de escaneo, o de cualquier otra manera, excepto lo permitido por la Sección 107 o 108 de la Ley de Derechos de Autor de los Estados Unidos de 1976, sin el permiso previo por escrito de la Editorial, o la autorización mediante el pago de la cuota correspondiente por copia al Centro de Compensación de Derechos de Autor, Inc. 222 Rosewood Drive, Danvers, MA 01923, (978) 750-8400, fax (978) 750-4470, o en la web en www.copyright.com. Las solicitudes de autorización al editor deben dirigirse al Departamento de Autorizaciones, John Wiley & Sons, Inc., 111 River Street, Hoboken, NJ 07030, (201) 748-6011, fax (201) 748-6008, o en línea en http://www.wiley.com/go/permission.

Límite de responsabilidad/reclamación de garantía: Aunque el editor y el autor han hecho todo lo posible para preparar este libro, no hacen ninguna declaración ni dan ninguna garantía con respecto a la exactitud o integridad del contenido de este libro y renuncian específicamente a cualquier garantía implícita de comerciabilidad o idoneidad para un propósito particular. Ninguna garantía puede ser creada o extendida por los representantes de ventas o los materiales de venta escritos. Los consejos y estrategias aquí contenidos pueden no ser adecuados para su situación. Debe consultar con un profesional cuando sea apropiado. Ni el editor ni el autor serán responsables de ninguna pérdida de beneficios ni de ningún otro daño comercial, incluidos, entre otros, los daños especiales, incidentales, consecuentes o de otro tipo.

Para obtener información general sobre nuestros otros productos y servicios o para obtener asistencia técnica, póngase en contacto con nuestro Departamento de Atención al Cliente dentro de los Estados Unidos en el teléfono (800) 762-2974, fuera de los Estados Unidos en el teléfono (317) 572-3993 o en el fax (317) 572-4002.

Wiley también publica sus libros en diversos formatos electrónicos. Algunos contenidos que aparecen en versión impresa pueden no estar disponibles en formatos electrónicos. Para más información sobre los productos de Wiley, visite nuestro sitio web en www.wiley.com.

Datos de catalogación de la Biblioteca del Congreso

Nombres: Chase, Charles, autor. | John Wiley & Sons, editor. Título: Pronóstico y planificación basados en el consumo: predicción de los patrones

cambiantes de la demanda en la nueva economía digital / Charles W. Chase. Otros títulos: Wiley y SAS business series Descripción: Hoboken, New Jersey: John Wiley & Sons, Inc., [2021] |

Serie: Wiley and SAS business series | Incluye índice. Identificadores: LCCN 2021020635 (impreso) | LCCN 2021020636 (ebook) |

ISBN 9781119809869 (tela) | ISBN 9781119809883 (adobe pdf) | ISBN 9781119809876 (epub)

Materias: LCSH: Pronóstico empresarial. Logística empresarial. Demanda (teoría económica).

Clasificación: LCC HD30.27 .C473 2021 (impresión) | LCC HD30.27 (ebook) | DDC 658.4/0355-dc23

El registro de LC está disponible en https://lccn.loc.gov/2021020635 El disco de LC ebook está disponible en https://lccn.loc.gov/2021020636

Imagen de la portada: © Radoslav Zilinsky/Getty Images Diseño de la portada: Wiley

Juego en Meridien LT Std 10/14pt, Straive,

Chennai 10 9 8 7 6 5 4 3 2 1

Contenido

Prólogo ix

Prefacio xiii

Agradecimientos xix Sobre el autor xxi

Capítulo 1 La economía digital y las disrupciones inesperadas 1

Una llamada de atención para la gestión de la demanda

Por qué son importantes los datos y la analítica 55

Capítulo 2

Capítulo 3

Capítulo 4

Capítulo 5

25

Pronóstico y planificación basados en el consumo

La IA y el machine learning están creando una disrupción del pronóstico de la demanda 135

La automatización inteligente está cambiando la planificación de la demanda 185

El futuro es la analítica en la nube y la analítica en el límite 207

83

Capítulo 6

Capítulo 7

Índice 233

vii

C A P Í T U L O 1 La economía digital y las disrupciones inesperadas

1

E stamos viviendo tiempos inéditos e impredecibles donde la disrupción se ha hecho notar a nivel mundial en muchas empresas, especialmente los retailers y las empresas de bienes de consumo. La economía digital ha tenido un impacto en casi t

todos los aspectos de nuestras vidas, desde la banca y las compras hasta la comunicación y el aprendizaje. Este increíble progreso impulsado por las tecnologías digitales está afectando al mundo en el que vivimos mejorando nuestras vidas, pero también creando nuevos retos. Las organizaciones más exitosas se adelantan a un futuro imprevisible estando preparadas para lo desconocido. En las últimas dos décadas se han producido importantes avances en la evolución de diversas tecnologías disruptivas y este desarrollo trae consigo nuevas oportunidades, tanto en términos de ahorro de costos como de creación de valor global. Los beneficios del IoT, big data, la analítica avanzada, la IA/machine learning, el cómputo en la nube y otras tecnologías avanzadas pueden, en conjunto, tener un impacto que las empresas pueden aprovechar para digitalizar sus cadenas de suministro y hacer frente a los retos empresariales.

El mundo está cambiando a un ritmo acelerado y las empresas están viendo que los mayores beneficios de la digitalización provienen de la capacidad de moverse más rápido, adaptarse rápidamente a las interrupciones, anticiparse a los cambios y ejecutar automáticamente la información más rápido mediante la gestión de grandes volúmenes de datos de manera más eficaz, lo que resulta en la velocidad de la innovación y la ejecución de esos cambios. Como resultado, las empresas buscan la recopilación de datos en tiempo real a través de múltiples plataformas de medios de comunicación que proporcionen insights accionables de los datos hacia la analítica avanzada con interfaces de usuario (UI) fáciles de usar. Adicionalmente, estas empresas esperan recopilar a distancia información relevante que afecte a las operaciones diarias para supervisar el rendimiento, tomar las decisiones correctas en el momento adecuado y mejorar la velocidad de ejecución de la cadena de suministro. La transformación digital ayudará a las empresas a sentar esas bases haciéndose más ágiles y flexibles.

El consenso es que el impacto global de las estrategias y objetivos de transformación digital tendrá una influencia mucho mayor que el mero ahorro de costos. Las empresas se enfrentan a un aumento de la demanda de los consumidores de productos de alta calidad a un precio razonable y no pueden permitirse interrupciones relacionadas con la calidad de sus productos y servicios. La representación visual de un plan de demanda, las descripciones gráficas de los indicadores de rendimiento, una mejor visibilidad de los KPI mediante búsquedas dinámicas en los tableros y reportes interactivos permiten explorar los

2

L a e c o n o m í a d i g i t a l y l a s d i s r u p c i o n e s i n e s p e r a d a s !"!!3 !!!

datos sin problemas. Los usuarios necesitan comparar fácilmente múltiples escenarios y visualizarlos completamente para mejorar el rendimiento.

LAS DISRUPCIONES QUE IMPULSAN LAS COMPLEJAS DINÁMICAS DE CONSUMO En la última década, los consumidores han ido ganando poder y control sobre el proceso de compra. Unas cantidades de información sin precedentes y las nuevas tecnologías digitales han permitido un mayor control por parte del consumidor y ahora, en lugar de tener el control, los profesionales del marketing se han encontrado con que están perdiendo el control. Sin embargo, en los últimos años se ha producido un cambio. A pesar de que los consumidores siguen ejerciendo un control sin precedentes sobre las decisiones de compra, el poder está volviendo a recaer en los profesionales del marketing, con la ayuda de la tecnología y la analítica, que desempeñan un papel nuevo y más amplio en el proceso de toma de decisiones.

Los consumidores recurren cada vez más a la tecnología para que les ayude a tomar decisiones. Esto ha sido posible gracias a cuatro disrupciones clave.

1. Interacción automatizada del consumidor. Un cambio de interacción activo al "automatizado", en el que la tecnología se encarga de las tareas que van desde la recopilación de información hasta la ejecución real.

2. Tecnologías digitales. Un IoT en expansión que incorpora sensores en casi cualquier lugar para generar datos inteligentes sobre las preferencias del consumidor que desencadenan acciones ofrecidas por los ejecutivos de marketing.

3. Analítica predictiva. Tecnología mejorada de analítica predictiva o "anticipada" impulsada por la inteligencia artificial (IA) y el machine learning (ML) que puede anticipar con precisión lo que los consumidores quieren o necesitan antes de que lo sepan, basándose no sólo en el comportamiento pasado, sino en la información en tiempo real y en la capacidad de disponer de alternativas que podrían alterar las elecciones del consumidor.

4. Cómputo en la nube más rápido y potente. Disponibilidad de recursos de sistemas informáticos más rápidos y potentes bajo demanda, especialmente de almacenamiento de datos (almacenamiento en la nube) y potencia de cálculo, sin gestión activa directa por parte del usuario. Soluciones de pronóstico y planeación de la demanda basadas en la nube, que desmenuzan petabytes de datos, los filtran a través de modelos superfísicos y ayudan a los analistas y planificadores a obtener una eficiencia nunca antes vista en la creación de planes de demanda más precisos.

4 #!P r o n ó s t i c o y p l a n e a c i ó n d e l a d e m a n d a b a s a d a e n e l c o n s u m o

En lugar de limitarse a capacitar a los consumidores, la tecnología está tomando decisiones y actuando por ellos. La tecnología analítica hará cada vez más el trabajo de las empresas al automatizar las actividades de prónostico y planeación de la demanda en tiempo real.

Ya no se trata simplemente de predecir lo que quieren los consumidores. Se trata de anticiparse -lo que incluye la capacidad de adaptar las ofertas y los mensajes de marketing a las alternativas basadas en datos procedentes de cientos de fuentes posibles. Al anticiparnos, tenemos más posibilidades de influir en los resultados. Los teléfonos o los relojes inteligentes de los consumidores pueden ofrecer recomendaciones y ofertas sobre dónde ir, cómo llegar y qué comprar en función de lo que vayan a hacer, no sólo de lo que hayan hecho en el pasado. La anticipación se refiere al futuro a corto plazo, o incluso a un día y hora concretos. La analítica proporciona a los profesionales del marketing la capacidad de crear interacciones contextuales con sus clientes, ofreciéndoles respuestas personalizadas en tiempo real.

La tecnología está ayudando tanto a marketing como a los clientes a dar el siguiente paso evolutivo. En lugar de limitarse a capacitar a los clientes, está tomando decisiones y actuando por ellos. La tecnología analítica hará cada vez más el trabajo de las empresas al automatizar las actividades en torno a la investigación y la realización de compras reales.

IMPACTO DE LA ECONOMÍA DIGITAL

La nueva economía digital ha afectado a todos los aspectos de la empresa, incluidas las cadenas de suministro. El Internet de las Cosas (IoT), con su red de dispositivos incrustados con sensores, conecta ahora al consumidor desde el punto de compra hasta la fábrica. Tecnologías como la RFID, el GPS, el procesamiento de transmisión de eventos (ESP) y la analítica avanzada y el machine learning se están combinando para ayudar a las empresas a transformar sus actuales redes de cadena de suministro en modelos digitales más flexibles, abiertos, ágiles y colaborativos. Las cadenas de suministro digitales permiten la automatización de los procesos corporativos, la flexibilidad organizativa y la gestión digital de los activos corporativos.

Cruzar la "brecha digital" requiere un enfoque holístico de la transformación digital de la cadena de suministro que incluya nuevas habilidades y comportamientos corporativos. También se necesitan nuevas capacidades, como procesos conectados, analítica predictiva para detectar la demanda mediante reconocimiento de patrones, y tecnol

L a e c o n o m í a d i g i t a l y l a s d i s r u p c i o n e s i m p r e v i s t a s !"!!5 !!!

tecnologías escalables con la capacidad de procesar los "grandes" datos mediante el procesamiento en memoria y el cómputo de nube. ¿QUÉ SIGNIFICA TODO ESTO?

La sustitución gradual del juicio humano en la cadena de suministro. Las empresas utilizarán analítica avanzada para optimizar complejas compensaciones funcionales para facilitar el valor a través de la cadena de suministro directamente desde el consumidor hasta el proveedor. Esta nueva red de la cadena de suministro digital permite a las empresas hacer coincidir la larga demanda, la oferta y las capacidades de producción para crear el ajuste y la satisfacción definitiva del cliente/consumidor.

La digitalización afectará a todos los sistemas informáticos de la cadena de suministro, incluyendo la integración sin interrupciones entre organizaciones, así como la sincronización de datos en tiempo real, la estandarización global de los flujos de trabajo y las crecientes demandas de ciberseguridad. Esto requiere que las empresas evolucionen para dar el mejor soporte a áreas como la recopilación automatizada de datos, la planificación táctica de la demanda y el suministro a corto plazo, el aprovisionamiento y la ejecución. Los retos inherentes a la transformación digital son:

§ Conectividad continua. Vivimos en un mundo siempre conectado y disponible en el que los clientes/consumidores esperan acceder a la información y ejecutar cualquier tarea desde cualquier dispositivo.

§ Velocidad organizacional. Las empresas que reconozcan los cambios y las oportunidades del mercado serán las que más se beneficien de la transformación digital.

§ Diluvio de información. Las empresas recogen la información desde múltiples canales, dispositivos y formas a velocidades increíbles y con una latencia mínima.

Las empresas que comprendan cómo capturar, almacenar y procesar esta información descubrirán el valor empresarial y experimentarán los mayores beneficios.

La transformación digital abarca muchas facetas del negocio de una empresa, como las plataformas de colaboración, la nube, los dispositivos móviles, las redes sociales, el big data y, sobre todo, la analítica predictiva. La transformación digital depende del big data y de la analítica avanzada. El proceso analítico debe ser vinculado a distintas arquitecturas digitales que incluyen la integración y gestión de datos, visualización robusta y modelos estadísticos avanzados para el


el descubrimiento y la predicción, así como la entrega continua de insights a medida que se desarrollan los eventos, lo cual es vital para la transformación digital.

Según el estudio sobre tecnología de bienes de consumo (CGT) para 2020, los retailers y los proveedores de bienes de consumo (CPG) coinciden por primera vez en las tres principales áreas de interés para el próximo año (principalmente como resultado de la pandemia de coronavirus). Esas tres áreas son:

1. Pronóstico de la demanda (57% en el sector retail y 67% en el sector de telecomunicaciones);

2. Información del consumidor (43% y 50%); y 3. Planeación de inventarios (40% y 30%).

Además, aproximadamente un tercio de los retailers eligió la fijación de precios como principal área de interés, seguida de la personalización y la optimización de la logística. Las empresas de bienes de consumo consideran que la planificación del surtido, seguida de la optimización de la mezcla de marketing, completan sus principales áreas de interés para el próximo año. (Véase la figura 1.1.)

Las innumerables fuerzas que afectan a la relación entre la demanda y la oferta van a ampliar su influencia como consecuencia de la "interacción automatizada del consumidor" y de las recientes disrupciones. La capacidad de colectar la demanda de los consumidores en tiempo real a través de dispositivos digitales obligará a las empresas a digitalizar sus cadenas de suministro. Encontrar formas de estar mejor preparados significa implementar una cultura y una estructura empresarial que reúne a las organizaciones y, organizaciones LAS 5 PRINCIPALES ÁREAS DE ANÁLISIS PARA EL RETAIL

Pronóstico de la demanda

LAS 5 PRINCIPALES ÁREAS DE ANÁLISIS DE LOS BIENES DE CONSUMO (CPG)

Pronóstico de la demanda 57% 67%

Información para el consumidor Información para el consumidor 43% 50%

Planeación de inventarios Planeación de inventarios 40% 30%

Precios Planificación del surtido 33% 23%

Personalización & Optimización logística Optimización de la combinación de marketing 23% 20%

Figura 1.1 Principales 5 áreas de análisis Fuente: Tim Denman y Alarice Rajagopal, "Retail and Consumer Good Analytics Study 2020", Consumer Goods Technology, marzo de 2020.


sobre todo, a los datos de diferentes fuentes. La capacidad analítica y tecnológica ya está disponible, por lo que los cambios organizativos y las habilidades deben pasar a la gestión de la demanda de la próxima generación con un enfoque renovado en las personas, el proceso, la analítica y la tecnología.1 Sin embargo, también se requiere una gestión del cambio continua no sólo para obtener la adopción, sino para mantener la nueva cultura corporativa (normal).

Hoy en día existe una distribución más fluida de los bienes porque el comportamiento de compra de los clientes ha cambiado la forma de crear y vender los productos. El auge de la omnicanalidad y los nuevos procesos de compra, como Amazon.com, hacen que la gestión del inventario sea más imprevisible. La influencia de factores externos, como las redes sociales, Twitter y los dispositivos móviles, hace que sea más difícil para los distribuidores y minoristas planificar las entregas y los pedidos de existencias. En cualquier caso, la entrega al día siguiente, o incluso al mismo día, es una expectativa que los procesos de la cadena de suministro de las empresas de bienes de consumo tienen que proporcionar. Estos factores hacen que la demanda sea más volátil y, por tanto, los manufactureros ya no pueden funcionar con reservas de inventario para protegerse de la volatilidad de la demanda ya que puede suponer fácilmente una pérdida de beneficios.

HACIA UN ENFOQUE CENTRADO EN EL CONSUMIDOR

La definición de "rápido" para los consumidores de hoy en día es muy diferente a la de hace cinco o diez años. Los consumidores exigen más y lo esperan más rápido que nunca. Esto está impulsado por los millennials y otros grupos generacionales que quieren una respuesta instantánea y una entrega en el mismo día. La demanda de los consumidores ya no se rige por la capacidad de oferta. Una estrategia de oferta (push) ya no es viable en el mundo digital actual. Las empresas deben cambiar sus modelos operativos escuchando la demanda y respondiendo al consumidor (consumo) para seguir teniendo éxito.

Las tácticas de ventas y marketing deben centrarse más en la interacción automatizada del consumidor. Los datos no estructurados y las redes sociales están teniendo un impacto más importante que nunca en todo el proceso de compra, lo que debe tenerse en cuenta en el proceso de gestión de la demanda. Este es el resultado de la apertura y disponibilidad de los datos de los consumidores. La retroalimentación que los medios sociales influyen y ofrecen. La retroalimentación a través de los medios sociales son tanto un activo como


como un pasivo para el retail, los distribuidores y las empresas de bienes de consumo. Aunque los comentarios permiten conocer la opinión de los consumidores y ofrecen la oportunidad de exponer la marca, añaden complejidad a la forma de influir en el consumo. Esto también significa que la demanda puede ser influenciada a través de múltiples canales y a menudo con consecuencias muy inmediatas. La demanda también está cambiando, ya que los consumidores quieren consumir productos de nuevas maneras. Los estilos de vida por suscripción y las economías compartidas debidas al mundo de la demanda han influido en la forma en que las empresas deben planificar, diseñar y crear productos para una generación de consumidores indecisos. La experiencia del consumidor debe seguir siendo una de las prioridades del retail y las empresas de bienes de consumo. La flexibilidad, la eficiencia y un enfoque centrado en el consumidor son la clave de su éxito.

La transición hacia la economía digital requiere una evaluación completa de los procesos actuales, que conduzca a una hoja de ruta detallada para pasar del estado actual al estado futuro. Hay que centrarse en la inversión en la formación de las personas para que mejoren sus capacidades analíticas para percibir la demanda, comprender los factores que influyen en las señales de la demanda que importan y actuar en función de los conocimientos. Este cambio fundamental es necesario para mantener una ventaja en nuestro nuevo mundo digitalizado. Como resultado, el nacimiento del pronóstico y la planificación basadas en el consumo a corto y largo plazo será más anticipatorio que prescriptivo.

A medida que las industrias de retail y CPG continúan invirtiendo su energía y recursos en la disrupción (pandemia) en curso, están surgiendo con un enfoque renovado en la analítica. Tanto los minoristas como los ejecutivos de bienes de consumo han asignado claramente una gran parte de sus presupuestos de TI a la búsqueda de la analítica. Estas cifras seguirán aumentando en el futuro. Según el estudio Consumer Goods Technology 2020 Retail and Consumer Goods Analytics Study, el 60% de las empresas de bienes de consumo asignaron menos del 10% de su gasto total en TI a la analítica. Sin embargo, para 2021, más del 52% de los ejecutivos de bienes de consumo prevén que más del 10% de sus presupuestos de TI se destinarán a la analítica. Por muy impresionante que sea, otros líderes de bienes de consumo (casi el 7%) son aún más optimistas y prevén una inversión en TI en analítica aún mayor, que representará hasta una cuarta parte del total del gasto en TI en los próximos tres años.


El mercado de la analítica sigue evolucionando a medida que la personalización y el reabastecimiento se vuelven más importantes para mantener la ventaja competitiva. Las evidencias indican que tanto los minoristas como las empresas de bienes de consumo están explorando con entusiasmo estas soluciones tecnológicas de nueva generación. La atención se centra ahora en cómo aprovechar estas nuevas herramientas para ganar ventaja sobre sus competidores invirtiendo en nuevas capacidades como la inteligencia artificial y el machine learning, con el apoyo de soluciones listas para la nube que tienen el potencial de sobrealimentar los programas analíticos. Estos nuevos algoritmos de machine learning no sólo descubren patrones de datos más rápidamente, sino que a veces incluso aprenden a crear sus propios algoritmos para afinar aún más los resultados. Esto los convierte en el complemento perfecto para las funciones de gran volumen y respuesta rápida que pueden descubrir rápidamente los patrones cambiantes de la demanda de los consumidores. Los indicios indican que tanto los minoristas como las empresas de bienes de consumo están explorando con entusiasmo estas soluciones de nueva generación. La clave es cómo aprovechar estas nuevas herramientas para obtener una ventaja competitiva. En los siguientes capítulos exploraremos esto con más detalle, con ejemplos reales y casos de estudio.

Sin embargo, los desafíos mundiales debidos a la pandemia de coronavirus han puesto de manifiesto brechas imprevistas en la capacidad de las empresas de bienes de consumo para predecir y planificar eficazmente la demanda, ya que los consumidores cambian rápidamente sus patrones de compra. Los retailers y CPGs deben ser capaces de reaccionar sin problemas en tiempo real para gestionar las interrupciones imprevistas de la demanda. Aunque la industria ha respondido con un rápido frenesí para apuntalar las cadenas de suministro y alterar las operaciones sobre la marcha para garantizar que el producto esté donde debe estar y cuando debe estar, hacerlo requiere hacer cambios costosos para satisfacer las excepciones de los consumidores. A medida que el sector ha entrado en el modo de recuperación, los minoristas y las empresas de bienes de consumo más maduros han tenido que invertir en sus capacidades analíticas con mayor vigor para garantizar una transición fluida de la analítica básica a una analítica predictiva más centrada en el consumidor. Los líderes del sector minorista y de bienes de consumo se están dando cuenta de la importancia de invertir hoy en día para garantizar que están preparados para el mañana.

LA BRECHA ANALÍTICA Aunque muchos retailers y CPGs tienen un sólido conocimiento de la analítica básica, todavía se quedan atrás en la investigación y la analítica

10 !#!P r o n ó s t i c o y p l a n e a c i ó n d e l a d e m a n d a b a s a d a e n e l c o n s u m o

MADUREZ EN EL PRONÓSTICO DE LA DEMANDA

CG 54%

Retail 28% Básico (a posteriori)

Analítica de investigación 18% 17%

Analítica predictiva 11% 7%

Figura 1.2 Madurez analítica de las empresas minoristas y de bienes de consumo Fuente: Tim Denman y Alarice Rajagopal, "Retail and Consumer Good Analytics Study 2020", Consumer Goods Technology, marzo de 2020.

analítica predictiva. Parece que el retail ha puesto más énfasis en la analítica de investigación que las empresas de bienes de consumo. Sin embargo, ambos tendrán que invertir de forma más agresiva en ambos tipos de analítica para satisfacer las expectativas de los consumidores de hoy en día. (Véase la figura 1.2.)

La capacidad de comprender, predecir y, en el mejor de los casos, provocar el comportamiento de los consumidores es el núcleo del creciente interés actual por la analítica. Las empresas de bienes de consumo llevan mucho tiempo trabajando en los límites de la oportunidad de la analítica de datos, aprovechando los datos de los puntos de venta (TPV) y de los escáneres sindicados para convencer a los socios minoristas de que colaboren en los análisis influidos por los programas de consumo para impulsar las ventas en beneficio común. Algunos retailers se han ido acercando poco a poco a este enfoque, pero un gran número de ellos se ha resistido a compartir sus datos o ha cobrado tasas por hacerlo, lo que ha obstaculizado el progreso. Esto no es sorprendente si se tiene en cuenta las décadas de experiencia y madurez adquiridas por las empresas de bienes de consumo, que ahora están obligando a los minoristas a ponerse al día con sus capacidades de análisis. No se puede hacer analítica correctamente si los datos no tienen el nivel de calidad esperado, lo que dificulta la integración con todas las nuevas opciones de interacción omnicanal del cliente (móvil, social y online) que están a disposición de los consumidores. La gestión de datos es el núcleo base para hacer las cosas bien.

¿POR QUÉ LA ANALÍTICA PREDICTIVA Y ANTICIPADA? Hoy en día, se están recopilando grandes cantidades de datos estructurados y no estructurados minuto a minuto a través de dispositivos integrados en casi todas partes como resultado del IoT. Esa información puede ser integradas entre sí para formar unas conclusiones

L a e c o n o m í a d i g i t a l y l a s d i s r u p c i o n e s i m p r e v i s t a s !"!!11

conclusiones muy precisas sobre su negocio. Por lo tanto, proporciona la capacidad de predecir los patrones cambiantes de la demanda de los consumidores mediante la analítica predictiva, que aprovecha la minería de datos, los algoritmos estadísticos, el modelado avanzado y las técnicas de machine learning. Mediante el uso de la analítica predictiva, las empresas pueden identificar la probabilidad de resultados futuros basándose en datos históricos, así como en factores causales como el precio, las promociones de ventas, la comercialización en tienda, las tendencias de Google, la información económica, el índice de rigor y los datos epidemiológicos de COVID19. Aunque la práctica del uso de la analítica predictiva está recibiendo más atención entre las empresas de venta al por menor y de bienes de consumo, especialmente para el pronóstico y planeación de la demanda, su uso sigue estando rezagado en comparación con las demás industrias. Aunque la analítica predictiva no fue diseñada para predecir definitivamente el futuro, es mucho más avanzada que la analítica básica actual (a posteriori) que sólo modela patrones asociados a la tendencia y la estacionalidad.

¿Y si la tendencia y la estacionalidad se han visto alteradas por un acontecimiento no anticipado, como una pandemia mundial? Sus patrones históricos de tendencia y estacionalidad ya no son buenos predictores del futuro. Hay que encontrar indicadores principales en tiempo real, distintos de la tendencia y la estacionalidad, que puedan explicar los cambios en las pautas de comportamiento de los consumidores que afectan a la demanda de sus productos. Para ello es necesario analítica avanzada que pueda aprovechar datos adicionales como los datos diarios de los puntos de venta, los datos semanales de los escáneres sindicados (Nielsen; Information Resources Inc. IRI]), las tendencias de Google, los índices de rigor, los datos epidemiológicos y los datos económicos, entre otros.

Como alternativa, la analítica predictiva puede indicar lo que podría ocurrir en el mismo conjunto de circunstancias si todo se cumple. Aunque los modelos de analítica predictiva siguen siendo probabilísticos por naturaleza, suelen ser muy buenos a la hora de predecir la demanda futura, en comparación con los métodos básicos de tendencia y estacionales que sólo utilizan la demanda histórica pasada. Es fácil encontrar un modelo que se ajuste bien a la historia de la demanda pasada, pero es un reto encontrar un modelo que identifique correctamente los patrones de demanda que continuarán en el futuro. En otras palabras, no siempre se puede confiar únicamente en las tendencias históricas pasadas y en la estacionalidad. Hay que tener en cuenta los factores que pueden surgir debido a interrupciones imprevistas para hacer realmente predicciones precisas. Una crítica comúnnes


común de la analítica predictiva es que los mercados y las personas siempre están cambiando, por lo que las tendencias históricas estáticas son demasiado simplistas para describir cómo sucederá o no algo con algún nivel de certeza.

A medida que la tecnología sigue mejorando, también lo hace nuestra capacidad de recopilar y procesar datos a un ritmo exponencial, lo que hace posible la analítica "anticipada". Aunque todavía es un concepto nuevo, la analítica anticipada se está convirtiendo en una metodología viable en muchas disciplinas. La analítica anticipada permite a las empresas prever comportamientos futuros con mayor rapidez que la analítica predictiva tradicional, identificando los cambios en la aceleración y desaceleración de la demanda. Aborda los retos empresariales y asigna la responsabilidad en quienes toman las decisiones para implementar acciones y alcanzar un resultado discreto.

DIFERENCIA ENTRE ANALÍTICA PREDICTIVA Y ANTICIPADA Los modelos analíticos predictivos van desde un simple modelo lineal hasta algoritmos más complejos relacionados con los modelos causales tradicionales, como ARIMA, ARIMAX, regresión dinámica y modelos de machine learning (redes neuronales, Gradient Boosting, Random Forest y otros). Los modelos predictivos tienden a ser muy precisos cuando los patrones pasados se mantienen en el futuro. No suelen ser tan precisos a la hora de identificar puntos de inflexión, o eventos disruptivos en tiempo real que pueda alterar el resultado futuro. Los modelos anticipados se basan en los modelos predictivos y permiten identificar y ajustar las predicciones en función de los puntos de inflexión, los puntos de inflexión del negocio o un cambio brusco de dirección debido a una disrupción en tiempo real.

Los modelos predictivos basados en la Inteligencia Artificial (IA) están permitiendo realizar pronósticos más precisos al analizar los patrones no sólo de los datos históricos, sino también los factores que influyen en la demanda de los consumidores. La IA utiliza la minería de datos, el modelado estadístico y el machine learning para descubrir patrones en grandes conjuntos de datos y predecir resultados futuros. Por ejemplo, un retailer o un CPG puede utilizar el machine learning para determinar la probabilidad de que determinados artículos se agoten y cuándo, o la probabilidad de que un consumidor compre una marca alternativa de toallas de papel si la producción de una marca nacional se detiene repentinamente debido a una interrupción. También podría analizar a los proveedores de bienes de consumo para determinar cuáles serán los más confiables en caso de emergencia.


La analítica anticipada ayuda a identificar las necesidades futuras de una empresa antes de que se produzcan las señales obvias. El objetivo de la analítica anticipada es comprender todos los resultados potenciales que podrían ocurrir en el futuro, además de los que ocurrieron en el pasado. Los modelos de anticipación son modelos de machine learning más avanzados, como el aprendizaje cognitivo, que pueden aprender y procesar información en tiempo real. Utilizando la combinación adecuada de datos, herramientas de procesamiento y tecnología como el "procesamiento de flujos de eventos" y la computación en la nube, es posible anticipar resultados futuros alternativos en tiempo real. Los factores clave del análisis anticipado son una gestión de datos más rápida y la capacidad de procesar grandes cantidades de información en tiempo real. Otro factor es la capacidad de fusionar el pasado y el presente combinando a la perfección datos y tendencias de comportamiento, como las consultas de datos en tiempo real, el comportamiento de compra, los medios sociales y los datos económicos, para ofrecer una visión holística de los futuros patrones de demanda de los consumidores.2 La analítica anticipada evalúa las señales de datos en tiempo real al filo de la red para predecir el futuro más rápido que la analítica predictiva tradicional.

La analítica anticipada es sin duda una oportunidad atractiva para el pronóstico de la demanda, pero no pretende sustituir a la analítica predictiva, que no ha sido utilizada plenamente por la mayoría de las empresas en los últimos 30 años. Lo que hemos aprendido de la actual crisis de COVID19 es que la analítica tradicional (básica) que utiliza métodos sencillos que sólo pueden modelar la tendencia y la estacionalidad ya no funciona en la economía digital, especialmente cuando las tendencias y la estacionalidad se han visto alteradas. Es necesario utilizar modelos predictivos que incorporen otros factores, como el punto de venta, el precio, las promociones de ventas, el merchandising en tienda, la epidemiolocalización, los índices de rigor, la economía y otras fuentes de datos, antes de intentar métodos más sofisticados como los modelos anticipatorios. Ambos enfoques son valiosos y pueden funcionar de forma individual y/o conjunta.

Es importante evaluar cada situación empresarial en la que se puede aplicar mejor la analítica predictiva y en la que la analítica anticipada puede ser un enfoque más apropiado para resolver el problema empresarial. Un enfoque no es necesariamente superior al otro; se trata de qué metodología puede utilizarse mejor para resolver cada problema empresarial específico. La simulación tradicional de la respuesta y otras prácticas de analítica predictiva siempre serán opciones importantes, ya que más empresas se centran en la analítica para


para facilitar el crecimiento. Además, las empresas tendrán que invertir en científicos de datos para poder aprovechar con éxito tanto la analítica predictiva como los de analítica anticipada para obtener una ventaja competitiva.

LA BRECHA DE DATOS No es ningún secreto que el retail y CPG, aliados históricos, no se han puesto de acuerdo cuando se trata de compartir datos. Según el estudio Consumer Goods 2020 Retailer and Consumer Goods Analytics Study, el 36% de los socios minoristas comparten los datos de las transacciones de los puntos de venta semanalmente, y el 25% informa sobre el rendimiento de las promociones semanalmente sin una cadencia establecida. Sin embargo, muchos minoristas admiten abiertamente que no comparten muchos datos. Entre los datos que no comparten se encuentran los datos de comportamiento de los clientes en línea (80% de los minoristas), seguidos de los datos de fidelidad u otros datos relacionados con los clientes.

Y lo que es aún más interesante, por los datos que se están compartiendo, las empresas de bienes de consumo dicen que el 35% de los retailers están cobrando por ellos. Sin embargo, el 73% de los minoristas indican que no están cobrando a las empresas de bienes de consumo por los datos porque no están compartiendo suficientes datos para justificarlo. Dicho esto, los minoristas y las empresas de bienes de consumo están de acuerdo en que todavía trabajan en silos, pero están avanzando hacia un modelo de datos compartidos, que se sabe que es el escenario ideal para ambas industrias. Dado que la cooperación interna sigue siendo un trabajo en curso, muchas empresas de bienes de consumo han subcontratado el trabajo a proveedores para satisfacer su necesidad de información adicional, mientras que los minoristas no están abordando esta necesidad. La mayoría de las empresas de bienes de consumo dependen de los datos de escáner sindicados de Nielsen e Information Resources Inc. (IRI) para complementar sus necesidades de datos y comprender mejor los cambios en los patrones de demanda de sus productos por geografía, canal de venta al por menor, cuenta clave, categoría, grupo de productos, producto, SKU y UPC. La latencia de los datos de escáner sindicados se ha reducido significativamente de 4 a 6 semanas a 1 ó 2 semanas (o menos), como resultado de la mejora de los servicios de datos de escáner sindicados de Nielsen o IRI. Los datos de escáner sindicados (POS) de las tiendas de ladrillo y cemento son los datos que se compran con más frecuencia a Nielsen o IRI. Estos datos cubren una gran parte de las ventas en tiendas físicas de 12 canales diferentes. Los datos están a disposición de todos los fabricantes y empresas de bienes de consumo y otros tantos

L a e c o n o m í a d i g i t a l y l a s d i s r u p c i o n e s i m p r e v i s t a s"!!15

por suscripción como ad hoc. Aunque es algo costoso, es fácil trabajar con una cobertura de entre el 60% y el 70% de la cartera de productos de una empresa; en la mayoría de los casos, hay una cobertura del 100% de los productos clave de una empresa de bienes de consumo (el 20% de su cartera de productos), que representan el 80% o más de su volumen e ingresos anuales. Los siguientes seis canales serían de interés para la mayoría de las CPGs.

1. Alimentación/comestibles 2. Canal Autoservicio (Walmart, Target y otros) 3. Farmacias 4. Tiendas todo a dólar 5. Clubes de precio 6. Militar

Hay otros tres canales cubiertos por Nielsen/IRI que son relevantes para muchas empresas CPG, aunque no todas, en función de su surtido de productos.

§ Gasolinera/Conveniencia § Mascotas § Licorerías

Nielsen e IRI proporcionan información muy similar para estos canales, ofrecen detalles a nivel de cuenta para la mayoría de los minoristas clave y los incluyen en sus mercados multicanal. Básicamente, recogen los datos de los puntos de venta electrónicos de las tiendas a través de los escáneres de caja de los principales minoristas. Además, trabajan muy estrechamente con sus clientes de bienes de consumo para asegurarse de que los datos sindicados de los escáneres están estandarizados, normalizados y alineados con las jerarquías internas de productos de cada cliente de bienes de consumo.

En los mercados emergentes en los que no se dispone de información de los puntos de venta, los auditores de campo recopilan los datos de las ventas a través del inventario de las tiendas y la comprobación de los precios. Sus estrictos sistemas de control de calidad validan los datos antes de ponerlos a disposición de las empresas de bienes de consumo. La comprensión de las ventas en el comercio electrónico también se ha vuelto cada vez más importante para los minoristas y las empresas de bienes de consumo, por lo que los datos de medición del comercio electrónico se han convertido en una prioridad para Nielsen, que ahora ofrece un servicio de medición para


para ayudar a los retailers y a empresas de bienes de consumo a acceder al rendimiento de las ventas en línea para comprender mejor cómo contribuyen sus ventas en línea a las ventas totales.

Amazon también proporciona a las empresas acceso al historial de ventas de sus productos. Hasta la reciente crisis de COVID19, aproximadamente entre el 2 y el 10% de los productos de una empresa de bienes de consumo se vendían a través de Amazon. La mayoría de las empresas prevén la demanda de los productos que se venden en Amazon, pero prestan poca atención dada la magnitud de esas ventas. El gigante del comercio electrónico representa alrededor de la mitad de las ventas en línea en Estados Unidos, pero desde la crisis del COVID19 ha experimentado un aumento significativo en la entrega de artículos esenciales como alimentos, artículos de limpieza y medicamentos durante los pedidos de permanencia en casa para evitar la propagación del coronavirus. Según varias fuentes financieras, Amazon vendió, envió y transmitió más productos alimenticios y contenidos de vídeo durante los tres primeros meses de 2020 (un aumento medio de los ingresos de aproximadamente el 26% o 75.500 millones de dólares) al convertirse en un proveedor esencial para los consumidores que se quedan en casa. Así, Amazon ya no es ignorado por muchas empresas de bienes de consumo, en particular las que venden productos esenciales.

La pandemia de COVID19 ha transformado la forma en que la gente compra y cómo los retailers venden. En respuesta, el retail y el CPG están buscando crear nuevas capacidades analíticas para apoyar la necesidad de cambiar para ser más eficaces. Los ejecutivos de las empresas están buscando respuestas en los datos, la analítica y la tecnología para predecir y planificar el aumento y, en última instancia, la disminución de la demanda de los consumidores. Es mucho más fácil cerrar instalaciones que aumentar rápidamente la producción y la capacidad. La mayor incógnita es si habrá una recuperación económica retardada o una contracción prolongada. Independientemente del resultado, los minoristas y sus proveedores de productos de consumo es necesario pensar con antelación y estar preparado para actuar con rapidez.

EL IMPACTO DE LA CRISIS DEL COVID-19 EN LA PLANEACIÓN DE LA DEMANDA Las empresas están experimentando una complejidad sin precedentes en su búsqueda de oportunidades de crecimiento y de mercado. Sus carteras de productos están creciendo con la introducción de nuevos productos, nuevos enfoques para los productos existentes, y nuevos cana

L a e c o n o m í a d i g i t a l y l a s d i s r u p c i o n e s i m p r e v i s t a s !"!!17 !!

canales de venta. Los interminables pasillos emergentes de Internet y los canales de compra por móvil están ampliando la oferta de productos, añadiendo una complejidad sin precedentes a la cadena de suministro y dificultando la gestión eficaz del inventario. El gasto en promoción comercial y de ventas, diseñado para aumentar los ingresos por ventas, continúa a un ritmo asombroso.

El objetivo es aumentar la demanda, pero tiene un alto costo: el costo de la complejidad de la demanda. Esta complejidad dificulta el pronóstico de la demanda con exactitud cuando se enfrenta a la expansión de nuevos artículos, nuevos canales, nuevas preferencias de interacción de los consumidores y disrupciones globales. Las empresas se están dando cuenta rápidamente de que las técnicas tradicionales de pronóstico de la demanda en este entorno complejo y cambiante han alcanzado sus limitaciones y ya no son capaces de alcanzar sus objetivos de ventas. Para hacer frente a estos nuevos retos, las empresas se están esforzando por orientarse más hacia la analítica. Están adoptando las capacidades analíticas, lo que requiere hacer hincapié en los nuevos flujos de datos como una oportunidad para medir la eficacia de las campañas de marketing, las promociones de ventas, el surtido de productos y la comercialización.

El objetivo es mejorar las decisiones relativas a la distribución de productos y las operaciones en todos los canales de su negocio. A medida que las relaciones directas con los clientes se ven influidas por los dispositivos móviles y el IoT en las tiendas, estos nuevos flujos de datos introducen nuevas fuentes de información. Sin embargo, se está tardando en pasar de un papel analítico limitado a un papel más amplio. Las empresas se están dando cuenta rápidamente de que su esfuerzo empresarial requiere una cultura completamente diferente que incluye diferentes habilidades, procesos y tecnología. Aunque muchas empresas ya han empezado a recopilar datos en todos sus canales de distribución para obtener más información sobre los clientes/consumidores, la carrera por aplicar la analítica para optimizar las ventas y el inventario en todos los canales ha supuesto un esfuerzo mucho mayor del previsto.

Predecir la demanda y gestionar el inventario en todos los canales es un trabajo duro. Los ciclos de vida más cortos de los productos, la ampliación de los surtidos, los cambios frecuentes de precios y las promociones de ventas agravan los desafíos que las empresas están experimentando debido a las disrupciones creadas por el comercio digital y la actual crisis de COVID19. Es suficiente para desear tener un "botón fácil" para entender a los compradores inteligentes de hoy, y navegar a través de las cuatro etapas de la pandemia y los cambios de la demanda. La figura 1.3 ilustra las cuatro etapas de la pandemia: preliminar,

F A

S E

S

D E

C

O V

I D

19

y

C A

M B

I O

S

D E

D

E M

A N

D A

16

0

14

0

12

0

10

0

80

60

40

20

0

Eco

mm

B

&M

90

00

0

80

00

0

70

00

0

60

00

0

50

00

0

40

00

0

30

00

0

20

00

0

10

00

0

0

16

00

0

14

00

0

12

00

0

10

00

0

80

00

60

00

40

00

20

00

0

Nu

evos_ca

so

s

Caso

s_

acu

mu

lad

os

5d

ías_

Pro

m_

Nue

vos_

Casos

Pre

lim

inar

Bro

te

Esta

bil

izació

n

Recu

pera

ció

n

Fig

ura

1.3

Pa

nd

em

ia C

ua

tro

fa

ses y

ca

mb

ios

en

la d

em

an

da

Fu

en

te: B

ritta

ny B

ulla

rd, Je

ssi

ca C

urt

is y

Ad

am

Hill

ma

n,

"Re

tail

Fo

reca

stin

g T

hro

ug

h a

Pa

nd

em

ic",

SA

S V

oic

es B

log

s, 4

de

ma

yo d

e 2

02

0.

Grá

fico

cre

ad

o p

or

Jess

ica

Cu

rtis

y A

da

m H

illm

an

, S

AS

In

stitu

te In

c.

18

1/22/2020

1/24/2020

1/26/2020

1/28/2020

1/30/2020

2/1/2020

2/3/2020

2/5/2020

2/7/2020

2/9/2020

2/11/2020

2/13/2020

2/15/2020

2/17/2020

2/19/2020

2/21/2020

2/23/2020

2/25/2020

2/27/2020

2/29/2020

3/2/2020

3/4/2020

3/6/2020

3/8/2020

3/10/2020

3/12/2020

3/14/2020

3/16/2020

3/18/2020

3/20/2020

3/22/2020

3/24/2020

3/26/2020

3/28/2020

3/30/2020


preliminar, brote, estabilización y recuperación. Con el proceso de pronóstico y planeación de la demanda, los análisis y la tecnología adecuados, puede simplificar su proceso de planeación de la demanda y crear un marco de planeación integrado que admita múltiples métodos de pronóstico con una visión sincronizada de la demanda para cada tipo de combinación de cliente/consumidor.

La crisis del COVID19 está transformando la forma en que los consumidores compran, obligando a los minoristas a cambiar su forma de vender. En respuesta, los retailers y CPGs se ven obligados a crear nuevas capacidades y a cambiar su forma de relacionarse con los consumidores. Como resultado, la relación entre los minoristas y las empresas de bienes de consumo se está tensando, y cada uno de ellos lucha por adelantarse a la economía digital en constante cambio y a la crisis de COVID19. Para las empresas de bienes de consumo, existen presiones adicionales por parte de las marcas de nicho y las marcas blancas, que están reduciendo los márgenes como resultado de la venta de más productos a través de canales de mayor costo. Por su parte, los minoristas intentan aumentar su capacidad en línea y a través de dispositivos móviles, al tiempo que afrontan la presión de las tiendas de descuento y los gigantes del comercio electrónico, como Amazon y Alibaba, así como de los consumidores que se guían por los precios.

Debido a la disrupción causada por la pandemia mundial de COVID19, todo ha cambiado. Como disrupción imprevista, la COVID19 está aumentando muchas tendencias que han estado perturbando la industria durante más de una década. El paso a la compra móvil y en línea se está acelerando a una velocidad de vértigo, y la penetración de las tiendas de comestibles estadounidenses en el comercio electrónico se duplicó y, en algunos casos, se triplicó al final de la fase inicial de la pandemia. Mientras los consumidores se quedaban en casa auto aislándose para frenar la propagación del coronavirus, utilizaban aplicaciones y sitios web para comprar productos esenciales y, con el tiempo, añadieron una mezcla de productos muy diferente a lo que habían comprado anteriormente en las tiendas físicas, centrándose en artículos de despensa y productos para las ocasiones en casa. Aquellos que se aventuraron a entrar en las tiendas encontraron la experiencia transformada por las nuevas normas de distanciamiento físico, higiene y uso de mascarillas. De hecho, una reciente encuesta sobre el sentimiento de los consumidores3 descubrió que más del 75% de los estadounidenses habían probado nuevos formatos de tiendas minoristas, o habían cambiado su forma de comprar como resultado de la crisis de COVID19. Las empresas de bienes de consumo empacados se llevaron la peor parte de este cambio, con sus beneficios cayendo, mientras que los minoristas aún consiguieron algunas ganancias.4


La pandemia ha creado una mayor urgencia para que los minoristas y las empresas de bienes de consumo se asocien para aprovechar las nuevas tecnologías, los flujos de datos y los conocimientos de los consumidores sobre los compradores en todos los canales comerciales. Con el repentino cambio hacia nuevas formas de compra, la necesidad de coordinar y colaborar nunca ha sido mayor. Como resultado, han surgido tres cambios en la forma en que los minoristas y las empresas de bienes de consumo trabajan juntos: el cambio en las preferencias de los consumidores, la aceleración de las demandas omnicanal y la necesidad de aumentar la velocidad de respuesta, según la analítica de McKinsey.5

§ Cambio en las preferencias de los consumidores. Con el tamaño y el alcance sin precedentes de los cierres, los consumidores han desarrollado naturalmente un deseo de productos y servicios centrados en las ocasiones en el hogar.

§ Aceleración de las demandas de omnicanalidad. A medida que los consumidores se mueven con mayor fluidez entre los minoristas en línea y las tiendas de ladrillo y cemento, esperan que las marcas que les sirven hagan lo mismo. La necesidad de que los minoristas y las empresas de bienes de consumo ofrezcan una excelencia omnicanal se ha vuelto más crítica a medida que el pánico da lugar a un modelo híbrido que combina el comercio digital con los productos y servicios suministrados por una tienda de barrio.

§ Mayor rapidez y capacidad de respuesta. Es probable que las continuas fases de salida, estabilización y recuperación de la pandemia sigan siendo difíciles de predecir hasta que todo el mundo esté vacunado. El aumento de las tasas de infección puede dar lugar rápidamente a nuevas restricciones, lo que significa que los minoristas y los proveedores de bienes de consumo tendrán que adoptar un enfoque más fluido y dinámico para hacer llegar los productos a los consumidores. Esto requerirá de un pronóstico de la demanda más preciso que pueda modelar las cuatro fases de los cambios en la demanda como resultado de los cambios en las restricciones de la pandemia.

La cuestión es si las preferencias de los consumidores volverán a las normas anteriores a la pandemia una vez que se levanten las restricciones. Es probable que los consumidores continúen pasando mucho tiempo en casa debido al riesgo de infección y que, cuando se levanten las restricciones, vuelvan a la norma anterior. Según las investigaciones realizadas, se cree que los canales de venta de ladrillos y cemento pueden tardar entre tres y diez años en recuperarse por completo. En muchos canales de retail, el cambio a largo plazo de las t


tiendas físicas y las marcas minoristas de mayor precio se han acelerado debido a la pandemia. Se calcula que los canales de alimentación y de conveniencia pueden perder hasta siete puntos de cuota de mercado en favor de las tiendas de descuento, los hipermercados y las ventas en línea. Esto se está convirtiendo en la nueva norma. Para las empresas de bienes de consumo, ha llegado el momento de pasar del modo crisis a un reajuste más fundamental de su cartera de productos y su estrategia de mercado para responder a esta nueva dinámica de compra de los consumidores.

Los efectos a largo plazo de no predecir y anticipar los cambios en los patrones de la demanda de los consumidores se traducirán en pérdidas de ventas, desperdicio de inventario, inversiones improductivas en marketing y gastos promocionales, incapacidad para planificar eficazmente el inventario de productos clave y reducción de los ingresos y los márgenes de utilidad. Las empresas que adopten la analítica predictiva y anticipatoria y la nueva tecnología para potenciar su capacidad de pronóstico y planeación obtendrán beneficios empresariales a corto y largo plazo. Esas mismas empresas verán aumentados sus márgenes como resultado de la reducción de las rebajas, y verán mejorado el valor para el consumidor, la aceleración de la rotación del inventario y el aumento significativo de los ingresos como resultado de la reducción de los desabastecimientos.

La venta en la era del consumidor requerirá pronóstico, no reacción, a los cambios en los patrones de demanda de los consumidores. Los retailers y CPGs tendrán que establecer una serie de indicadores predictivos que les permitan anticipar y predecir los cambios en la demanda de los consumidores con el tiempo suficiente y con el nivel de detalle adecuado para tomar medidas correctivas. Para mantener su ventaja competitiva, los minoristas y las empresas de bienes de consumo deben superar a sus pares seleccionando e implementando nuevas tecnologías que impulsen conocimientos procesables fundamentales para adaptarse a la nueva economía digital y a las interrupciones imprevistas. Por último, deben impulsar el cambio organizativo y de procesos mediante la contratación de científicos de datos y la reconversión de su personal para que confíe en los datos y en los modelos basados en el consumo derivados del análisis para crear una cadena de suministro más eficiente de extremo a extremo, desde el consumidor hasta el proveedor.

Consideraciones de cierre A medida que las tecnologías digitales se generalizan, las cadenas de suministro de los retailers y las empresas de bienes de consumo tendrán que evolucionar, lo que requerirá un enfoque renovado en la predicción de los patrones cambiantes de la demanda de los consumidores.


La transformación no consistirá simplemente en nuevas capacidades técnicas o en el despliegue y uso de tecnologías digitales, sino que requerirá más transparencia. En otras palabras, la transformación digital requiere amplios cambios en la forma en que las personas de la organización interactúan y colaboran a través de los procesos y los correspondientes modelos de negocio. El liderazgo y los conjuntos de talentos/habilidades de la fuerza de trabajo, sus actitudes y formas de trabajar tendrán que adaptarse a la nueva normalidad. La obtención de beneficios reales para el futuro requerirá centrarse en la integración de tecnologías que estén mejor alineadas con las necesidades del negocio, seguida de una gestión eficaz de esas nuevas tecnologías digitales. Estos cambios ayudarán a gestionar una organización transformada digitalmente e impulsada por el análisis del consumidor para el futuro. En general, la colaboración, los nuevos cambios organizativos y el cambio cultural deben ser impulsados por un experto que dependa de un patrocinador ejecutivo del equipo directivo.

Las empresas están pasando rápidamente de la estructura organizativa jerárquica a una mucho más colaborativa. No sólo porque necesitan trabajar juntos para hacer las cosas más rápido y reducir los retrasos entre los silos organizativos, sino también porque ahora pueden compartir información para crear una visión común de lo que hay que hacer, de principio a fin, dentro de la cadena de suministro. La polinización cruzada de conocimientos entre varias divisiones maximiza el valor global del negocio. Fundamentalmente, una cultura de colaboración da lugar a una única fuente de la verdad. Esta cultura facilita la conectividad entre las distintas islas de información, desde las estrategias de consumo y las tácticas de los consumidores hasta la planificación del suministro, la fabricación y la distribución.

Los directivos de las empresas buscan respuestas en los datos, los análisis y la tecnología para predecir y planificar el aumento y, en última instancia, el descenso de la demanda de los consumidores. Es mucho más fácil cerrar instalaciones que aumentar rápidamente la producción y la capacidad. La mayor incógnita es si habrá una recuperación económica retardada o una contracción prolongada. Independientemente del resultado, los minoristas y sus proveedores de bienes de consumo tendrán que pensar en el futuro y estar preparados para actuar con rapidez. Los minoristas y las empresas de bienes de consumo son la columna vertebral de la cadena de suministro de bienes de consumo y una línea de vida para sus clientes. Su capacidad para operar de forma eficiente viene determinada por el eslabón más débil de la cadena de suministro de extremo a extremo. Ese eslabón ha quedado al descubierto como resultado de la economía digital y la pandemia


pandemia de coronavirus: la incapacidad de predecir eficazmente los cambios en las pautas de la demanda de los consumidores.

Por si fuera poco, la crisis actual ha cambiado la composición de la canasta de consumo promedio, lo que dificulta el pronóstico de los rápidos cambios en los patrones de demanda de los consumidores. Como resultado, la cadena de suministro actual tiene dificultades para seguir el ritmo. Restablecer el equilibrio exigirá cambios en la forma de prever y planificar la demanda, tanto por parte de los minoristas como de las empresas de bienes de consumo. Navegar por el actual ambiente requerirá nueva inteligencia, resiliencia y más dependencia en la analítica avanzada y el machine learning.

Notas 1. Charles Chase, Next Generation Demand Management: People, Process, Analytics and

Tech- nology, Wiley, 2016: 1–252.

2. Dun & Bradstreet, "Predictive vs. Anticipatory: Understanding the Best Analytics

Approach to Address Your Business Goals", 2016: 1–5.

3. Brandon Brown, Lindsay Hirsch, René Schmutzler, Jasper van Wamelen y Matteo

Zanin, "What ConsumerGoods Sales Leaders Must Do to Emerge Stronger from the

Pandemic", McKinsey & Company, agosto de 2020: 1-10.

4. Ibid.

5. Ibid.

112257_G183457.0821

Documents

Consumption Base Forecasting