03 Dic PREVISIÓN DE LA DEMANDA DE ACUERDO AL IMPACTO DEL CLIMA

No todos los minoristas pueden predecir con precisión el impacto del clima en sus pronósticos de demanda, pero todos los minoristas reconocen cuánto afecta el clima a su demanda. Considere esto: la primera ola de calor del año debe afectar a un grupo regional de sus tiendas este fin de semana. Espera que los compradores locales lleguen a comprar cerveza, guarniciones de hamburguesas y bolsas de carbón para iniciar la primera comida al aire libre adecuada de la temporada. Mientras sus shoppers esperan un fin de semana relajante con familiares y amigos, los planificadores de su cadena de suministro se ponen a toda marcha.

La capacidad de su equipo especializado en CATMAN podrá predecir con precisión y logrará prepararse para el impacto de este pronóstico del tiempo, lo cuál significará la diferencia entre capitalizar una mayor oportunidad de ventas o perder dinero. Si deja que el buen tiempo lo pille por sorpresa y no ordena suficiente stock para satisfacer el aumento de la demanda, perderá ventas.

Por otro lado, si sobrestima el impacto del clima y ve un aumento menor de la demanda de lo que había planeado, tendrá un exceso de existencias en sus manos. En el caso de productos estables como la cerveza y el carbón, se enfrenta a desafíos de capacidad, pero en el caso de productos perecederos como la carne de hamburguesa, corre el riesgo de sufrir pérdidas económicas considerables por deterioro.

El clima tiene un impacto complejo en la demanda minorista

El ejemplo del “tiempo al aire libre” es un buen punto de partida para demostrar el impacto que pueden tener los pronósticos meteorológicos, pero ahora considere todos los diferentes tipos de eventos meteorológicos que podrían afectar la demanda minorista. Piense no solo en el clima soleado y brillante para las comidas al aire libre, sino también en un clima insoportable de olas de calor, un clima de llovizna inquebrantable, un clima de lluvias torrenciales, un clima otoñal fresco, un clima con ráfagas de nieve, un clima de tormenta de hielo y cualquier otro tipo de clima que pueda afectar la demanda de sus tiendas .

Luego, considere cada producto en todo su surtido. ¿La demanda de sus botas de lluvia será tan reactiva a la temporada de lluvias como lo será de sus paraguas? ¿Qué pasa con los impermeables? ¿Ponchos ligeros? ¿Sombreros impermeables frente a gorras normales? ¿Calcetines? ¿Vegetales mixtos congelados?

Por supuesto, puede parecer intuitivo que las verduras mixtas congeladas no son particularmente reactivas al clima lluvioso. El punto es simplemente que las matemáticas se vuelven extremadamente complicadas, extremadamente rápido. Existe una enorme cantidad de factores climáticos diferentes que afectarán a las diferentes tiendas de su red en un día determinado, creando diferentes impactos en diferentes artículos de su surtido.

Queda claro que no todo el clima es realmente impactante. En el comercio minorista de comestibles, por ejemplo, es poco probable que la variación diaria de temperatura, la nubosidad o la lluvia afecten los pronósticos de ventas porque la gente tiene que comer sin importar qué. El desafío, entonces, es identificar automáticamente las combinaciones específicas de factores que realmente impactarán la demanda, como ese primer día de comida al aire libre del verano.

Este desafío es, en última instancia, demasiado intensivo en datos para que cualquier equipo de planificación lo gestione manualmente. Los minoristas deben recurrir al software de pronóstico de demanda impulsado por inteligencia artificial para procesar enormes conjuntos de datos y ejecutar una enorme cantidad de cálculos. Solo entonces pueden definir automáticamente las relaciones entre todos los factores climáticos que potencialmente influyen en la demanda y la demanda real a nivel granular de tienda de productos.

Los algoritmos de aprendizaje automático impulsan mejoras significativas en la precisión del pronóstico de ventas. Con la solución tecnológica y la estrategia adecuadas, los minoristas pueden prepararse con precisión para las fluctuaciones de la demanda relacionadas con el clima y asegurarse de que están capitalizando las oportunidades, sin sufrir pérdidas

El aprendizaje automático considera el clima en los pronósticos de demanda.

Tradicionalmente, los minoristas han utilizado modelos de series de tiempo para elaborar pronósticos de referencia. Este enfoque utiliza los patrones recurrentes en los datos históricos, por ejemplo, la estacionalidad y la variación de los días de la semana, para hacer predicciones sobre la demanda futura. Sin embargo, el aprendizaje automático es necesario si desea identificar y modelar con precisión el impacto del clima. Además, un sistema de pronóstico totalmente basado en el aprendizaje automático es capaz de calcular automáticamente cómo interactuará el impacto del clima con una variedad de otros factores para afectar la demanda general.

El aprendizaje automático considera una amplia gama de factores que influyen en la demanda

El software de pronóstico de demanda equipado con algoritmos de aprendizaje automático puede considerar una amplia gama de variables que potencialmente impactan la demanda dentro de un solo modelo de pronóstico. Estas variables se dividen ampliamente en tres categorías:

Variaciones recurrentes en la demanda de referencia, como variaciones estacionales y relacionadas con los días de la semana.

Decisiones comerciales internas diseñadas para captar la atención del consumidor y proporcionar una ventaja competitiva, como promociones, ajustes de precios o cambios en las exhibiciones en la tienda.

Factores externos, como eventos locales, cambios en el vecindario de una tienda o situación competitiva, y el tema de este documento: el clima.

Ningún equipo de planificación, sin importar cuán grande o talentoso sea, podría procesar humanamente una cantidad tan inmensa de datos de manera continua. Sin embargo, el software impulsado por el aprendizaje automático puede realizar millones de estos cálculos de pronóstico en un solo minuto, con avances en el procesamiento de datos a gran escala y la tecnología en memoria .

Cómo el aprendizaje automático diseñado para el comercio minorista identifica el clima que afecta la demanda

Capturar con precisión el impacto del clima en la demanda es más complicado que simplemente vincular las temperaturas con los resultados. La mayoría de los datos procesados ​​de esta manera serían en gran medida inútiles para realizar pronósticos porque la gran mayoría de los días de un año determinado tienen temperaturas dentro de un rango normal esperado y, por lo tanto, no afectan la demanda. Además, estas temperaturas diarias tienen una fuerte correlación con los patrones estacionales ya capturados en los datos históricos existentes; normalmente hace más calor en verano y normalmente hace más frío en invierno.

Un enfoque exitoso requiere una ingeniería de funciones inteligente o la aplicación de conocimientos especializados de la industria para ayudar a la solución a extraer información utilizable de los datos sin procesar en una forma que se pueda poner en funcionamiento en un entorno minorista. Cuando una solución está equipada con ingeniería de funciones inteligentes diseñada para el comercio minorista, el aprendizaje automático puede explicar las variaciones de demanda que de otro modo no se podrían capturar y que en realidad son atribuibles a las observaciones y pronósticos meteorológicos. Estos modelos pueden predecir cómo un pronóstico meteorológico local interactuará con todos los demás factores que influyen en la demanda para los que tiene datos disponibles, creando una imagen completa de la demanda real a nivel granular de tienda de productos.

El aprendizaje automático calcula el impacto de la demanda de todos los factores que influyen

El «primer fin de semana de comida al aire libre del verano» es un ejemplo perfecto de un clima verdaderamente impactante en la demanda: es más cálido que el promedio para esa época del año, lo que alienta a las masas a aprovecharlo. Entonces, ¿cómo se ve cuando se pone en funcionamiento una solución de pronóstico de demanda para calcular cómo el clima interactúa con otros factores para afectar la demanda?

Como punto de partida, su software de planificación de la demanda debe poder integrarse con un proveedor de datos meteorológicos y meteorológicos globales precisos y obtener automáticamente datos relevantes según la ubicación de la tienda. En lugar de tener que verificar y considerar manualmente los pronósticos del tiempo para cada tienda en su red, los planificadores de demanda centrales pueden simplemente revisar los pronósticos automatizados a nivel de tienda que ya han tenido en cuenta el clima local.

Construyamos sobre ese punto de partida considerando cómo la demanda podría cambiar cuando interactúan dos factores: si hace sol o no (un factor climático externo local) y el día de la semana (una variación recurrente). Un día brillante y soleado podría impulsar las ventas de helados los sábados, cuando muchos consumidores se relajan en un fin de semana libre de trabajo. Sin embargo, el impacto de un martes soleado podría ser significativamente menor, ya que los trabajadores cansados ​​están más interesados ​​en volver a casa que en tomar un desvío para comprar helado. Un buen sistema de planificación debe poder considerar cómo la variación de los días de la semana y los factores climáticos interactúan para cambiar la demanda.

Ahora, agreguemos otro factor al sol y al día de la semana: la temperatura (también un factor externo del clima). El sábado de enero más brillante y soleado que jamás haya visto Boston seguirá siendo extremadamente frío, y es poco probable que los compradores estén de humor para un helado.

Sin embargo, un soleado sábado de enero, con sus temperaturas más cálidas, puede generar algunas ventas adicionales. Ahora, ¿qué sucede cuando promociona su marca de helado más vendida (una decisión comercial) para capitalizar este aumento anticipado de la demanda impulsado por el clima? ¿Disminuirá la demanda de productos de helado no promocionados como resultado de la canibalización de las ventas ?

Debido a que un software de pronóstico de demanda impulsado por inteligencia artificial analiza todos los factores de demanda dentro del mismo modelo, incluida la estacionalidad o la variación de los días de la semana, decisiones comerciales como promociones y datos meteorológicos, puede responder a estas preguntas fácilmente.

La automatización y la precisión de la previsión de la demanda conducen a oportunidades

Simplemente, llevaría demasiado tiempo y sería complicado calcular manualmente la relación entre cada producto, categoría de producto, variable meteorológica y ubicación de la tienda, y los pronósticos resultantes probablemente serían inexactos. Los minoristas cuyo software de planificación considera automáticamente el clima en sus cálculos de pronóstico de demanda pueden obtener beneficios sustanciales.

Los procesos impulsados ​​por IA automatizan los millones de cálculos necesarios para modelar la intrincada relación entre el clima, otros factores externos, sus decisiones comerciales y las variaciones normalmente recurrentes en sus patrones de demanda. También identifican automáticamente qué productos del surtido son más reactivos a diferentes variables climáticas y cuál es la magnitud de esas relaciones.

El resultado son pronósticos de demanda altamente automatizados, precisos y localizados que permiten a su equipo de inventario prepararse de manera proactiva para cambios significativos en la demanda relacionados con el clima. En el comercio minorista de comestibles, hemos descubierto que la capacidad de capturar el efecto del clima en los pronósticos de demanda puede reducir los errores de pronóstico hasta en un 75% para productos sensibles al clima en épocas de clima inusual, como olas de calor.

Por supuesto, la precisión del pronóstico por sí sola nunca es el objetivo final en el sector minorista. Más importante es cómo se puede aprovechar un pronóstico proactivo del clima en las operaciones minoristas para mejorar los resultados. Los minoristas pueden capitalizar las oportunidades de ventas impulsadas por el clima a través de un reabastecimiento y disponibilidad mejorados, y también pueden reducir significativamente el deterioro al garantizar que se entregue la cantidad correcta de inventario a cada tienda. En última instancia, un pronóstico de demanda que refleja el impacto del clima local en las ventas agrega valor continuo en todas sus operaciones minoristas.

elexsolutions