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

[email protected]

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


Valor limitado

BI TRADICIONAL

ETL CUBOS BI

BI Clásico

http://www.google.com/url?sa=i&rct=j&q=cube+olap&source=images&cd=&cad=rja&docid=wOUTn_bTKUEN6M&tbnid=pO9EuxTeB1Hy2M:&ved=0CAUQjRw&url=http://www.bleent.com/ajout-dune-nouvelle-competence-cube-olap/&ei=n09cUbvoFvTA4AP2hYCoCg&bvm=bv.44697112,d.dmg&psig=AFQjCNF30asj0Ne-wh2J7hWR2KqDaTNyzg&ust=1365090557196179

http://www.google.com/url?sa=i&rct=j&q=stick+man&source=images&cd=&cad=rja&docid=WOyTVOahwvfu7M&tbnid=3EYJjF3hfJ71tM:&ved=0CAUQjRw&url=http://platinumjellybean.tumblr.com/post/1005345702/this-is-a-stick-man&ei=mVBcUdCMKKzh4APepoDYCQ&bvm=bv.44697112,d.dmg&psig=AFQjCNHtatNyy8EBIE2wvQWoOIbp0JAR4Q&ust=1365090834701237


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?


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?


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


Estudio globalNo solo se trata de disponer de más datos

MIT Sloan, 2015


DATOS & TECNOLOGÍA

Generación de Valor

SurtidoIngresos Margen Capital de TrabajoExperiencia de

clientesCostos

operacionales

FACTORES CORPORATIVOS

? ? ?


Analítica Avanzada, un viaje analítico para mejorar la estrategia, táctica y

medición de resultados.


Machine Learning, Deep Learning, Artificial Intelligence, Big Data

DATOS & TECNOLOGÍA



clientesCostos

operacionales


? ? ?


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


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?

http://www.google.com/url?sa=i&rct=j&q=cube+olap&source=images&cd=&cad=rja&docid=wOUTn_bTKUEN6M&tbnid=pO9EuxTeB1Hy2M:&ved=0CAUQjRw&url=http://www.bleent.com/ajout-dune-nouvelle-competence-cube-olap/&ei=n09cUbvoFvTA4AP2hYCoCg&bvm=bv.44697112,d.dmg&psig=AFQjCNF30asj0Ne-wh2J7hWR2KqDaTNyzg&ust=1365090557196179




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


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.


? ? ?

DATOS & TECNOLOGÍA



clientesCostos

operacionales


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


Proyecto y AsesoríaEn un esquema de fases para dividir-y-conquistar

Plataforma Analítica de SAS

F A S E

Negocio Datos Analítica Despliegue Medir


DATOS & TECNOLOGÍA



clientesCostos

operacionales


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


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


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.


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


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


¿Qué hacemos en la Gestión de retail?

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


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


Precio Óptimo

Curvas de Demanda

(Motor Analítico)

Imagen de Precio

(Reglas de precio)

Objetivos de Negocio

(Objetivos Financieros)


Ejemplo de agrupación por atributos

Pisos

Porcelanato

Exterior

Retangulares Grandes

Sofisticado Básico

Rectangulares Pequeños

Cuadrados

Interior

Cerámicos Piedras

Categoria

Tipo Piso

Utilización

Formato

Terminación


DemandaAtributos

Producto

Atributos

Tienda

Estacionalidad

Venda Cruzada

Efectos de Precio

Eventos

promocionales

Ciclo de Vida

Competencia

Los Factores que impactan la demanda


Casos de NegocioTienda por departamento en Chile


Tienda por Departamento en Chile


Caso de Negocio


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

[email protected]

Cómo mejorar la gestión de la mercancía usando - sas.com · Cómo mejorar la gestión de la...

Documents

Transcript of Cómo mejorar la gestión de la mercancía usando - sas.com · Cómo mejorar la gestión de la...