Cómo mejorar la gestión de la mercancía usando - sas.com · Cómo mejorar la gestión de la...
Transcript of Cómo mejorar la gestión de la mercancía usando - sas.com · Cómo mejorar la gestión de la...
Cómo mejorar la gestión de la mercancía usando analítica avanzada dirigida al negocio
Cristián J. Figueroa, MScSales Manager for Commercial Sector in SASHead of the SAS Latin American CoE in Retail
Copyright © SAS Inst itute Inc. A l l r ights reserved.
¿Qué impacto ha causado en las empresas la forma tradicional de análisis?
Inteligencia de Negocios Visualización y Reportería
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Valor limitado
BI TRADICIONAL
ETL CUBOS BI
BI Clásico
Copyright © SAS Inst itute Inc. A l l r ights reserved.
No puedo asistir al evento de Retail de SAS porque tengo un “incendio”
en el Data Warehouse. Juntémonos más adelante
Mensualmente gatillamos 100 campañas en un
software muy bonito, pero no sé por qué la
contactabilidad ha disminuido.
Tenía 2 ingenieros industriales planillando en
MS Excel pero se aburrieron y se cambiaron de trabajo
por un sueldo más alto
Llevo 20 años comprando la mercadería en China y colocando
precios, ¿Por qué debo creerle a un sistema de datos automático
basado en analítica predictiva? Mejor abramos una nueva tienda.
La planificación de los perecederos es administrada
por Pamela en una planilla MS Excel en su computador
Compré un software de estadística básica para crear un modelo de clasificación que me prediga la
inactivación, pero detecté muy pocos casos a posteriori. Fue súper
complicado
Estoy comprando 20 nodos de Hadoop para hacer un
laboratorio de Big Data porque estamos a años luz
de implementar algo analítico en tiempo real
Las decisiones comerciales en mi gerencia cambian tan rápido que no usamos el sistema BI corporativo de
nuestra empresa. Por eso compramos un visualizador que
promete hacer BI en mi laptop. No tengo ingenieros matemáticos para
hacer analítica.
¿Qué oímos todos los días?
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Reducción o mejora en surtido, definición de la
compañía en el mercado, como se diferencian o como
les gustaría diferenciarse
Mejoras en la distribución, forecastde compras para mejorar
disponibilidad, disponibilidad actual versus disponibilidad deseada. Eficiencia en la distribución a
tiendas.
Analisis de las promociones y mejoras
para hacerlas más efectivas. (incrementos
de las ventas)
Aumento de trafico, eficiencia en las campañas
promocionales
Visión actual de la compañía y necesidades de mejoras,
financieras, de experiencia de clientes, de aumento de ventas, de
aumento de margen, de reducir inventarios
Venta cruzada para definir cruces y
complementos de productos asociados a compras. (aumento del
ticket promedio, aumento del margen de contribución)
Reducir el capital de trabajo, reducción de los gastos
operacionales, eficiencia en la compra de mercaderías,
eficiencia en la ubicación de surtidos por clusters
Precio dinamico.(aumento de margen dando
imagen de agresividad en
precios)
Mercadeo, Comercial, Finanzas, Logística, Operaciones, Planificación, Precios, Promociones, Producción
¿Cuántas preguntas de negocio dinámicas y desafiantes hay en las áreas de negocio
que el BI clásico no puede resolver?
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Estudio global3 principales desafíos analíticos en las organizaciones
• Transformar los descubrimientos analíticos en acciones y mejoras concretas para el negocio(51%)
• Agregar múltiples fuentes de datos para datamarts analíticos (48%)
• Carencia de talento analítico apropiado (43%)
MIT Sloan, 2015
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Estudio globalNo solo se trata de disponer de más datos
MIT Sloan, 2015
Copyright © SAS Inst itute Inc. A l l r ights reserved.
DATOS & TECNOLOGÍA
Generación de Valor
SurtidoIngresos Margen Capital de TrabajoExperiencia de
clientesCostos
operacionales
FACTORES CORPORATIVOS
? ? ?
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Analítica Avanzada, un viaje analítico para mejorar la estrategia, táctica y
medición de resultados.
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Machine Learning, Deep Learning, Artificial Intelligence, Big Data
DATOS & TECNOLOGÍA
Generación de Valor
SurtidoIngresos Margen Capital de TrabajoExperiencia de
clientesCostos
operacionales
FACTORES CORPORATIVOS
? ? ?
Copyright © SAS Inst itute Inc. A l l r ights reserved.
IDENTIFICAR /
FORMULAR
PROBLEMA
PREPARACION
DATOS
EXPLORACION
DATOS
TRANSFORMAR
& SELECCIONAR
CONSTRUIR
MODELOS
VALIDAR
MODELOS
PONER EN
PRODUCCIÓN
MODELOS
EVALUAR /
MEDIR
RESULTADOS
MANAGER
TECH LIAISON
INSIGHT
DATA
SCIENTIST
Proceso de Analítica Avanzada
Copyright © SAS Inst itute Inc. A l l r ights reserved.
ETL CUBOS BI
BI TRADICIONAL
ETL
Tablón o datamart analítico
Preguntas de negocio dinámicas
y/o desafiantes para las distintas áreas de la organización
VelocidadVariedadVolumen
ValorProductividadAutoservicio
Analítica Avanzada
Exploración visualVisualización
multidimensionalAnálisis exploratorio
Reconocimiento patronesMachine learning & AI
Data miningData Science
Deep LearningPronósticoIoT & AoT
Optimización matemáticaClasificación Predictiva
EstadísticaAprendizajes supervisado
y no supervisadoAprendizaje cognitivo
Analítica PredictivaAnalítica PrescriptivaAnalítica Descriptiva
Viaje de Transformación Analítica
¿Para qué?
Copyright © SAS Inst itute Inc. A l l r ights reserved.
SAS Visual Analytics: Hub SAS Visual Analytics: Decision Tree SAS Visual Analytics: Forecasting and Goal Seeking
SAS Visual Analytics: Path Analysis SAS Visual Analytics: Network Analysis SAS Visual Analytics: Viewer and Mobile
Plataforma Analítica
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Propuesta de Valor SASPlataforma Analítica
• Ayudar a descubrir el potencial en los datos históricos de distintas fuentes.
• Mejorar la toma de decisiones en el negocio en forma proactiva y predictiva.
• Hacer más eficientes los procesos de datos y negocio.
• Sincronizar con las culturas empresariales (change management).
• Permitir el uso práctico de la Analítica de Negocio apoyando a las personas.
• Ofrecer su plataforma analítica de punta a punta para:
• Automatizar y gestionar las necesidades de procesamiento de datos y reglas de negocio.
• Generar descubrimiento, analítica predictiva y optimización matemática.
• Entregar las capacidades de deployment e integración empresarial.
Copyright © SAS Inst itute Inc. A l l r ights reserved.
? ? ?
DATOS & TECNOLOGÍA
Generación de Valor
SurtidoIngresos Margen Capital de TrabajoExperiencia de
clientesCostos
operacionales
FACTORES CORPORATIVOS
PLATAFORMA ANALÍTICA
Optimización Surtidos & Clusters
Planificación Financiera
Optimización Precios Liquidación
Optimización Precios Promoción
Asignación & Rebastecimiento
Forecast Demanda Perecibles
Mercadeo Contextual
Optimización del tamaño
Optimización Precios Regulares
Optimización Inventarios
OmnicanalidadAnalítica
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Proyecto y AsesoríaEn un esquema de fases para dividir-y-conquistar
Plataforma Analítica de SAS
F A S E
Negocio Datos Analítica Despliegue Medir
Copyright © SAS Inst itute Inc. A l l r ights reserved.
DATOS & TECNOLOGÍA
Generación de Valor
SurtidoIngresos Margen Capital de TrabajoExperiencia de
clientesCostos
operacionales
FACTORES CORPORATIVOS
PLATAFORMA ANALÍTICA
Optimización Surtidos & Clusters
Planificación Financiera
Optimización Precios Liquidación
Optimización Precios Promoción
Asignación & Rebastecimiento
Forecast Demanda Perecibles
Mercadeo Contextual
Optimización del tamaño
Optimización Precios Regulares
Optimización Inventarios
Personas
Procesos
Tecnología
METODOLOGÍA
ESTRATEGIA
TÁCTICACultura
Medición
Dividir y Conquistar, De menos a más
Gobierno de Datos, ML, AI, DL
Procesos Analíticos, Negocio
Entrenamiento, comunicación
OmnicanalidadAnalítica
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Metodología de crecimiento y adopción del Viaje de Transformación Analítica
Fase 3
•Optimización de Precios de Promociones•Optimización de Precios Regulares•Optimización de Surtido
Fase 2
•Forecast de demanda•Forecast de perecibles•Construcción de CLUSTER eficientes por mercado y segmento
Fase 1
•Disponibilidad de productos•Evaluación de promociones actuales•Construcción de cuadrantes de eficiencia de GMROI por categoría
Corto Plazo Mediano Plazo Largo Plazo
Datos
Procesos
Gente
Tecnología Cultura
Capacitación del Personal en SAS y
software libre
Roles y responsabilidades del
personal involucrado en el Plan de Gobierno y
Big Data
Auditoria de datos, análisis de brechas
Tecnologías complementarias de Big Data
Mejores practicas para el uso de la tecnología
Entrenar personal en visualización y
exploración de Datos, aplicación de ML y AI
Automatizar procesos de Adquisición y Federación
de Datos
Limpieza y estandarización de
datosEscalabilidad
EstadoActual
Gestionar los Datos como un Activo
Institucional
Entrenar al personal en herramientas de analítica predictiva
Desarrollar flujos de análisis avanzados y
automatizarlos
Generar estructuras
adecuadas por tipo de análisis
Usar tecnología de que permita soportar en
flujo completo
Comité Ejecutivo de Gobierno de Información
EstadoFuturo
Calidad de Datos
Mecanismos de Federación y Adquisición
de Datos
Arquitectura de Datos
Nuevos Roles en la organización
Desarrollo de casos para utilización de la tecnología
Capacity Plan
Estrategia Viya/Hadoop
Copyright © SAS Inst itute Inc. A l l r ights reserved.
NRF 2016SAS BIG IDEAS Sessions
Walmart relies on data to power the best shopping experience at scaleacross the web, mobile and stores. Every week, more than 240 millionpeople visit a Walmart store or website around the world. The companyis using that transactional data to make shopping more seamless and personalized.
But to make data work for the customer, Walmart first had to makedata work for its business. In this session, Jaya Kolhatkar, Walmart’s Vice President of global data, will cover how Walmart created a structurearound its large volume of shopping data. She will also discuss theculture Walmart created that enabled data scientists and engineers to use data to build and launch new shopping experiences to customersfast.
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Para comprobar el valor se aplica una metodología de “Dividir para Conquistar”
Validar el problema
con usuario de negocio
Validar la hipótesis de la solución para el problema
del usuario de negocio
Medir el valor generado
para el usuario de
negocio
Levantar el problema con el
usuario • Conoce el problema y el dolor
• Está dispuesto a pagar si le genera valor
• Está buscando una solución ahora.
• Tiene una hipótesis del valor generado
¿Resuelven el
problema?• ¿Están dispuestos a
pagar o invertir en la
solución?
Mínimo Producto Viable
Medir KPI’s que
determinen el valor real
generado• Aprender
• Mejorar la solución
Hipótesis
Continuidad de casos, nuevos
casos internos y externos
Con usuarios de negocio internos en una primera etapa
Fase I (Pre- Producción) Fase II (Productiva)
Aprendizaje
Descubrir con el cliente Validar con el cliente Crear con el clienteGo/ Not Go Aprender con el
usuario de negocio
Desarrollar y a la vez
mejorar la solución con
el usuario de negocio
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Common Forecasting Platform
Merchandise Financial Planning
AssortmentPlanning
Units $
StoreDepartment
ClassSKU
Store LaborUnits $
CategorySKUDC
DCDepartment
ReplenishmentUnits $
$
SKUStore Group
DistributionUnits $
AllocationUnits $
CategoryClassProduct Group
SAS solves forecasting challenges across the organization
Copyright © SAS Inst itute Inc. A l l r ights reserved. 1
2
SAS Revenue OptimizationObjetivo: Entregar una solución en base a Analítica Avanzada que permita tomar mejores decisiones de precios y así optimizar sus resultados a largo plazo.
Optimizar Precios
Informes y Alertas
Plataforma Integrada
Gestión de
Precios
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Base de Datos Común
Interfaces Integradas ( Administración Centralizada)
SAS Revenue Optimization
SAS®
Regular Price
Optimization
SAS®
Promotion
Optimization
SAS®
Markdown
Optimization
Analítica Avanzada de SAS
Reportes y Alertas
Plataforma SAS para Gestión de Precios
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Precio Óptimo
Curvas de Demanda
(Motor Analítico)
Imagen de Precio
(Reglas de precio)
Objetivos de Negocio
(Objetivos Financieros)
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Ejemplo de agrupación por atributos
Pisos
Porcelanato
Exterior
Retangulares Grandes
Sofisticado Básico
Rectangulares Pequeños
Cuadrados
Interior
Cerámicos Piedras
Categoria
Tipo Piso
Utilización
Formato
Terminación
Copyright © SAS Inst itute Inc. A l l r ights reserved.
DemandaAtributos
Producto
Atributos
Tienda
Estacionalidad
Venda Cruzada
Efectos de Precio
Eventos
promocionales
Ciclo de Vida
Competencia
Los Factores que impactan la demanda
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Casos de NegocioTienda por departamento en Chile
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Proven Results
Anonymous Grocer's Actual Results with SAS
Commonly Accepted *
KPI Cat 1 Cat 2 Avg Results
Units Sold 2.2% 0.3% 0-1%
Revenue $ 2.8% 2.0% 1-3%
Margin $ 1.9% 0.9% 1-3%
* Source: AMR Research 2008
• Pilot abandoned after 7 weeks of testing, customer moved to full rollout on accelerated schedule (based on pilot results)
Price Optimization Value
Cómo mejorar la gestión de la mercancía usando analítica avanzada dirigida al negocio
Cristián J. Figueroa, MScSales Manager for Commercial Sector in SASHead of the SAS Latin American CoE in Retail