Business consulting – uso de nuevas tecnologías de datos para determinar un surtido rentable en una cadena de retail

Abstract

La empresa retail de inversiones extranjeras cuenta con 89 locales en el Perú. Sus objetivos son lograr crecimiento a nivel nacional, ser atractivo para los inversionistas, permitir ofrecer productos de calidad, mejorar sus procesos para lograr la satisfacción y bienestar de los clientes. Como parte del análisis hecho de la mano del área de Category Management y comercial, se pudo determinar cómo problemática de la compañía es que tienen aproximadamente 2,700 skus con una rotación de más de 90 días en góndola ( 3 millones de soles en inventario) y que representan el 25.6% del surtido total, además cuya rentabilidad estimada es de 6.8%, muy por debajo del promedio del clúster que es 63.6%, por lo que es importante realizar una mejora de la propuesta de surtido de la cadena. Se realizó búsqueda de literatura, encontrándose diversas alternativas que son usadas actualmente por las principales cadenas retail en el mundo como Walmart, Aldi, Mercadona y Carrefour. Luego del análisis de las alternativas de solución, se propone el uso de una técnica para encontrar el surtido adecuado en base al uso de BIG DATA, inteligencia artificial y aprendizaje automático. Se propone una herramienta que analice e integre fuentes internas y externas de datos de la empresa y usarlos para predecir y proponer el surtido óptimo por clúster. Con el uso de esta tecnología se espera reducir en un 50% el inventario cuya rotación es mayor a 90 días durante el primer semestre sin que esto signifique una disminución en la venta de los productos relacionados, afecte la rentabilidad o satisfacción del cliente. El presente documento se enfoca sólo en los productos cuyas tiendas tienen una superficie mayor a 4 mil mts2 y público objetivo súper Premium.The foreign investment retail company has 89 stores in Peru. Its goals are to achieve national growth, to be attractive to investors, to offer quality products, to improve its processes to achieve customer satisfaction and well-being. As part of the analysis carried out by the Category Management and commercial area, it was determined that the company's problem is that they have approximately 2,700 skus with a rotation of more than 90 days in shelf (3 million soles in inventory) and that represents 25.6% of the total assortment, in addition to whose estimated profitability is 6.8%, below the cluster average which is 63.6%, so it is important to improve the chain's assortment proposal. A literature search was carried out, finding various alternatives that are currently used by the worldwide main retail chains such as Walmart, Aldi, Mercadona and Carrefour. After analyzing the alternative solutions, the use of a technique is proposed to find the appropriate assortment based on the use of BIG DATA, artificial intelligence and machine learning. This tool will analyze and integrate internal and external sources of the company data and uses them to predict and propose the optimal assortment per cluster. With this technology, it is expected to reduce by 50% the inventory whose turnover is greater than 90 days during the first semester, without this means decrease in the sale of related products, affecting profitability or customer satisfaction. This document focuses only on products whose stores have a surface area greater than 4 thousand m2 and a Premium target audience.