Ir al contenido
Blogs de Industria de Microsoft

¿Alguna vez imaginó lo distinto que sería su día a día si tuviera un ayudante personal a su entera disposición? Alguien que llegara temprano, se quedara hasta tarde y se encargara de todo el trabajo administrativo preliminar, para que usted pudiera aprovechar mejor el tiempo. No busque más, porque la tecnología emergente del “machine learning” permite que los equipos aprendan a partir de los datos y hagan predicciones sobre ellos sin necesitar instrucciones expresas. En el caso de las empresas de bienes de consumo, el “machine learning” puede, por ejemplo, garantizar que los representantes de ventas tengan una ruta eficiente para visitar las tiendas y administren sus tareas diarias con rapidez. Por ejemplo, imagine si pudiera implementar un robot para que comprobase la ubicación correcta de los productos en los pasillos, lo que permitiría que el capital humano se centre en tareas con mayor valor agregado. Si los representantes de ventas ahorran tiempo en las visitas a tiendas, podrían completar más visitas, lo que podría suponer un considerable ahorro de los costos. Sin embargo, el “machine learning” va más allá de solo optimizar las visitas a las tiendas: resulta ser un método eficaz para aplicar datos históricos a los problemas mediante la creación un modelo que sirve para predecir el comportamiento a futuro. Con el tiempo, el “machine learning” identifica patrones y tendencias (por ejemplo, cuándo funcionan las promociones y con qué parámetros) que las partes interesadas pueden usar para mejorar la estrategia de la empresa. Siga leyendo para obtener más información sobre cómo el “machine learning” puede ayudar a que las empresas de bienes de consumo planifiquen dónde ir y qué hacer, mejoren sus logros con menos entradas de datos y profundicen el análisis de datos.

Automatización y optimización de la planificación de rutas

Es mucho el trabajo que se dedica a identificar los puntos de venta que se deben visitar, la frecuencia con que debe hacerse y las tareas que se tienen que realizar ahí. Imagine que cuenta con un software que, aparte de la geografía, considera varios otros factores para predecir automáticamente la mejor hora para visitar una tienda específica y mejorar la eficacia general en la planificación de las rutas. Si cada julio se desploman las ventas de una tienda determinada, acaba de contratar a otro administrador o está a punto de lanzar una promoción nueva, el software ajustará las rutas según corresponda con el fin de optimizar el tiempo de los empleados. La tecnología del “machine learning” también genera listas de tareas pendientes adaptadas en función de las necesidades específicas de cada tienda. De este modo, el representante de ventas ya conoce los problemas antes de llegar a la tienda, por ejemplo, algún desperfecto en los equipos, por lo que no tendrá que dedicar tiempo a determinar cuáles son las tareas que se deben realizar. Cuando el representante de ventas ya está en la tienda, el software también le permite optimizar las actividades de auditoría.

Visitas a tiendas “perfectas”

Imagine que los representantes de cuenta que realizan la auditoría de una tienda cuentan con una tecnología que les permite ser más eficientes con su tiempo. No solo evitarían usar lápiz y papel, que el 64 % de los profesionales de ejecución de las ventas minoristas sigue usando1), sino también podrían omitir la entrada de datos digitales gracias a las funcionalidades de reconocimiento de imágenes digitales y de conversión de voz en texto. El reconocimiento de imágenes digitales permite que los representantes tomen fotografías de los expositores de productos de la tienda, en lugar de anotar manualmente los resultados de la inspección. A partir de una imagen, hay un modelo que puede evaluar la falta de existencias, la exhibición, el precio, los productos que comparten las estanterías y el cumplimiento del planograma. Mientras que un operador humano tendría que evaluar visualmente cada detalle en busca de una disposición incorrecta de los productos, el software encuentra errores e incoherencias en cuestión de segundos. El “machine learning” también permite que los representantes dicten notas, órdenes y pedidos de manera oral a dispositivos portables, como auriculares o relojes inteligentes. El sistema distingue las palabras clave en el dictado, las que desencadenarán distintas acciones en el software de ejecución de las ventas minoristas. La captura digital de datos permite que los profesionales de la ejecución de las ventas minoristas ahorren tiempo y evita las equivocaciones inherentes a la recopilación manual de datos. Los datos de las visitas se difunden en tiempo real, por tanto, los responsables reciben los resultados de las auditorías de manera inmediata y no meses después de completarlas.

Profundización del análisis de datos

Una vez que se recopilan los datos, la ventaja final de aplicar el “machine learning” a la ejecución de las ventas minoristas consiste en descubrir patrones en los datos que permitan predecir cuál es el paso siguiente más adecuado. Las empresas de bienes de consumo deben tratar con enormes volúmenes de datos relacionados con ventas, existencias, entregas y promociones en miles de tiendas minoristas. Las hojas de cálculo para el seguimiento y el análisis no solo toman mucho tiempo, sino que solo hacen lo que el usuario les ordena. Sin embargo, el “machine learning” identifica automáticamente las tendencias y los patrones comunes que, de otro modo, resultarían difíciles de descubrir. Por ejemplo, una solución de “machine learning” puede analizar los datos para predecir el impacto exacto de una promoción en una cadena importante, o bien para determinar la rentabilidad de la inversión de un programa de fidelidad en una tienda determinada. Comprender los datos pormenorizados facilita medir el rendimiento de los productos, reconocer los problemas y escalar de manera general los procedimientos recomendados.

“Machine learning” de Microsoft

El “machine learning” puede ayudar considerablemente a planificar de manera más eficaz las rutas de los empleados de campo, automatizar los procesos manuales repetitivos y mejorar no solo el conocimiento, sino también el análisis de datos en toda la organización. En última instancia, estas ventajas permiten mantenerse al tanto del crecimiento del mercado de sus productos y tomar decisiones más fundamentadas sobre promociones, campañas e inversiones. Microsoft y sus socios tienen la intención de seguir invirtiendo en el “machine learning” y la ejecución de las ventas minoristas para que las empresas de bienes de consumo logren una buena posición en una era cada vez más digital. Si desea obtener más información sobre las soluciones de ejecución de las ventas minoristas que ya están en el mercado, eche un vistazo a las páginas AFS POP Retail Execution y AFS Retail Execution de AppSource hoy mismo. [1]EKN Outlook, 2016