¿Por qué las tiendas de alimentos de hoy necesitan una solución de analítica prescriptiva?

supermercado tablet analitica descriptiva retail

Solución analítica prescriptiva en las tiendas de alimentos

La industria de tiendas de alimentos y supermercados sabe bien de desafíos. Los  comerciantes del sector desde siempre se han enfrentado a algunos de los obstáculos más difíciles de la vertical minorista. Se prevé que una combinación de factores erosionará los ya delgados márgenes de estos comercios en 2020 y a futuro: pérdidas excesivas de inventario (impulsadas por un amplio inventario perecedero), la posibilidad de enfrentar retiros de productos o disrupciones de la cadena de suministros, mayor actividad de comercio electrónico (ventas click-and-collect, entregas en el mismo día y más) y la guerra de precios hipercompetitivos. Además, algunos comerciantes no tradicionales del sector, como Family Dollar, Target, etc., se han convertido en competencia y están imponiendo mayores  presiones en una vertical muy competitiva. Si desean retener su participación en el mercado estadounidense de los alimentos, que asciende a US$ 847 000 millones, estos comerciantes deben fortalecer los márgenes sin incrementar los precios. Los comercios líderes del sector de alimentos se apoyan en soluciones analíticas avanzadas que ofrecen información oportuna y precisa, que les dice a los empleados exactamente qué es lo que está afectando los márgenes y las ganancias, y que indica qué hacer para resolver el problema.

La tecnología analítica avanzada que ayuda a identificar y revertir la erosión de los márgenes en todo el negocio ya no se ve como un proyecto científico. En particular, las firmas de investigación Forrester y Gartner han publicado varios trabajos de investigación importantes que elogian la analítica prescriptiva, una metodología de análisis que utiliza machine learning e IA para analizar los datos y determinar:

Banner_frasco-suscripcion-800x250
  • Qué sucede
  • Por qué sucedió
  • Qué impacto tiene en el negocio
  • Qué hacer para optimizar el resultado
  • Quién debería resolverlo

Si bien existen varios productos en el mercado que se ofrecen como “soluciones analíticas”, una solución de analítica prescriptiva tiene una ventaja bien clara sobre todas las demás. Al prescribir acciones correctivas que revierten la erosión de los márgenes, la solución de analítica prescriptiva convierte los datos de los comerciantes de alimentos no solo en elementos comprensibles, sino en herramientas útiles para todos los empleados sin importar el nivel de habilidades.

Este documento establecerá la importancia crítica de la analítica prescriptiva para las tiendas de alimentos.

El estado del sector en la actualidad

El sector de tiendas de alimentos y supermercados es increíblemente complejo. Recientes tendencias, eventos y cambios en las expectativas de los consumidores no han hecho más que incrementar esa complejidad y, con ella, la presión sobre los márgenes y ganancias ya erosionados del sector. Estos son algunos de los más grandes desafíos que afectan al sector en la actualidad:

Guerras de precios

Son pocos los comerciantes del sector que no entran en alguna forma de guerra de precios con sus competidores. Los consumidores desean los alimentos de la mejor calidad al precio más bajo, lo cual obliga a los comerciantes a recortar los precios a niveles peligrosamente cercanos al umbral de rentabilidad. Esto es especialmente agobiante para los comerciantes de productos premium cuyos precios son siempre altos debido a los mayores costos de inventario (todo natural, sin antibióticos, orgánicos, etc.). Algunos holdings están reasignando ganancias a sus empresas minoristas para cubrir los recortes de precios por debajo del costo. Esta no es una movida sostenible y solo equivaldrá a más erosión de los márgenes.
“Las investigaciones más recientes de la Federación Nacional de Comerciantes Minoristas de EE. UU. cuantificó el fraude en US$ 700 000 cada US$ 1000 millones de ventas del sector”.
“Las pérdidas de inventario alcanzaron los US$ 46 800 millones en 2018, gran parte de los cuales pueden atribuirse al segmento de los alimentos”.

Aumento en el fraude minorista

El fraude minorista es un riesgo muy real para el sector de tiendas y supermercados. Las investigaciones más recientes de la Federación Nacional de Comerciantes Minoristas de EE. UU. cuantificó el fraude en US$ 700 000 cada US$ 1000 millones de ventas del sector. Los alimentos pueden ser costosos y las personas los necesitamos para vivir. Por eso, el fraude minorista golpea muy duro a esta industria. Si hablamos de robos en las tiendas, los cosméticos, la fórmula para bebés, la carne y las afeitadoras están entre los favoritos de los ladrones. Fuera de eso, pasan factura los casos de empleados que conspiran para explotar las brechas por descuidos y las fallas técnicas.

Administración de inventario

Nunca fue tan difícil para los comerciantes de alimentos identificar los artículos agotados y los productos faltantes. Con decenas de miles de SKU en stock en todo momento, son frecuentes los errores de disponibilidad, ya sea por problemas en el escaneo, entregas imprecisas o demoradas u otra causa. Esto es poco feliz, porque las investigaciones más recientes revelan que los clientes tienen poca tolerancia por la falta de productos y, en la mayoría de los casos, como respuesta, se van a hacer negocios a otro lado. De modo similar, los comerciantes de alimentos deben estar atentos al “inventario invendible”, que debe ser rebajado o discontinuado. Algunos minoristas han incrementado la cadencia de las auditorías de sus tiendas y recuentos de inventario, pero, con inventarios de tal tamaño y complejidad, se vuelven tareas interminables y que involucran a mucho personal.

Otros han recurrido a planogramas como formas de establecer las expectativas de cómo se vería una estantería. En teoría, si los empleados saben exactamente cómo se vería una estantería, les es más fácil darse cuenta de que falta algo y actuar en consecuencia. Esta alineación de “planograma a realograma” funciona bien en la teoría, pero con frecuencia, igual que sucede con las auditorías de las tiendas, se vuelve otra tarea tediosa y agotadora para el personal.

Pérdidas de inventario

En todo el sector minorista, las pérdidas de inventario alcanzaron los US$ 46 800 millones en 2018, gran parte de los cuales pueden atribuirse al segmento de los alimentos. Una gran porción del inventario típico de un comerciante de alimentos se conforma de productos perecederos, por lo que no sorprende que los mayores responsables de las pérdidas sean los alimentos que se echan a perder. El robo, el fraude y los incumplimientos intencionales o accidentales dan cuenta del resto.

Incumplimientos de los empleados

Los desafíos y riesgos de trabajar en el segmento de alimentos determinan ciertos protocolos y estándares para cada nivel del negocio. Naturalmente, los estándares no significan nada si los empleados no los respetan. Los incumplimientos, sean intencionales o no, exponen a los minoristas a una oleada de posibles consecuencias, como ser multas por incumplimiento regulatorio, demandas de consumidores, críticas negativas en las redes sociales, pérdida de lealtad hacia la marca, etc. Lo que es peor aún, muchos de los empleados no se preocupan demasiado por los incumplimientos, ya que creen equivocadamente que las acciones de una persona (sus acciones) son insignificantes para la organización en su conjunto. Lo que no tienen en cuenta es que los minoristas “sufren una muerte lenta y penosa”. Cada acto de incumplimiento puede llegar a replicarse en todo el negocio e impactar negativamente en los márgenes y ganancias.

Posibles soluciones

Dados estos y muchos otros desafíos, la industria de tiendas de alimentos y supermercados se está volcando rápidamente a la analítica para poder identificar con los datos formas de proteger sus márgenes y ganancias. Desafortunadamente, muchas soluciones analíticas terminan creando más trabajo y gastos para los comerciantes que las adoptan.

Soluciones basadas en reportes

Tradicionalmente, las soluciones basadas en reportes son las que vienen dominando el mercado analítico. Tal como sugiere el título, las soluciones basadas en reportes realizan cierta cantidad de análisis y envían los hallazgos clave a un empleado en forma de reporte. Estos reportes suelen ser largos y complejos, y toma horas, si no días, analizarlos e interpretarlos. Ni hablar de lo que se tarda en decidir cómo actuar con esa información. Lo ideal es que la interpretación quede en manos de un equipo de científicos de datos calificados, pero termina en el escritorio de un empleado de alguna tienda. Cada momento que un empleado pasa en el depósito leyendo reportes es tiempo que podría utilizar mejor interactuando con los clientes en la tienda.

Además, los reportes son propensos a malas interpretaciones y sesgos, lo que demora aún más pasar de la información a la acción. Por ejemplo, imagine un reporte que indica altos índices de reclamos por el vencimiento de las carnes en las tiendas de una región específica. Parecería que los trabajadores del sector de carnicería no están rotando y rebajando el precio del producto correctamente. Pero, cuando un investigador de protección de activos conversa con el gerente del distrito, este le comenta que el sector de mercadería le asigna a sus tiendas más carne de la que pueden vender. El sector de mercadería admite estar asignando más productos de lo usual ese mes, pero argumenta que la cantidad es coherente con las proyecciones del equipo de marketing, que tenía una promoción especial de carnes ese mes. Por su lado, Marketing insiste en que sus proyecciones eran correctas y acusa a las tiendas. Independientemente de quién es el responsable, el investigador de protección de activos tiene por delante una tarea larga y desalentadora, que se hace aún más extensa a raíz del reporte sesgado.

Por último, las soluciones basadas en reportes rara vez garantizan acceso a la información a tiempo. Para el momento en que se encuentran los datos, es probable que ya hayan “perecido” y no sirvan de nada. El hecho de que los datos no lleguen a tiempo va especialmente en detrimento de quienes trabajan para proteger los activos del sector, ya que su productividad depende de ser capaces de identificar, investigar y resolver los casos rápidamente.

Soluciones de visualización de datos

Los reportes y las planillas llenos de datos son poco atractivos y apabullantes. Por eso, muchos comerciantes han recurrido a soluciones que compilan y visualizan los datos en un formato más presentable, por ejemplo, con cuadros coloridos, gráficos y más elementos visuales. Probablemente así los datos se vean más atractivos visualmente, en especial si se presentan tendencias y cambios en el tiempo, pero poco hacen para facilitar el extenso proceso de interpretación. De hecho, muchas de estas soluciones no realizan ningún análisis, por lo que es erróneo llamarlas “soluciones analíticas” por su capacidad de hacer más digeribles los datos. En realidad, la única “analítica” que hay a la vista consta de información general y de alto nivel, típicamente limitada a las tendencias más obvias.

Por ejemplo, un colorido gráfico de barras que muestra que la rentabilidad por ventas de comida caliente está cayendo mensualmente en toda la organización no le aporta gran valor a un investigador de protección de activos. Se necesita tecnología analítica más avanzada e información granular para descomponer este hallazgo y llegar a su causa raíz. Por ejemplo, ¿es una región específica o un producto particular lo que causa la caída?
Posibles

Incluso si la solución pudiera especificar la región que genera las pérdidas, el investigador de protección de activos tiene aún por delante una extensa tarea antes de que pueda actuar de alguna forma. Por ejemplo, ¿de dónde provienen exactamente esas pérdidas? ¿Se deben a devoluciones masivas o a que se echan a perder? ¿Los productos calientes no se están rotando lo suficiente? ¿Los cajeros deben ser recapacitados en la selección del envase adecuado para los productos calientes en la caja? ¿Podría ser que los empleados estén robando alimentos? Todas estas son preguntas que el investigador de protección de activos debe responder durante una investigación que podría llevar semanas y, con cada día que pasa, la rentabilidad sigue cayendo.

Como esta es una industria hipercompetitiva que se mueve a un ritmo hiperacelerado, ningún comercio puede permitirse tener empleados ocupados en leer, interpretar y explicar complejos reportes y cuadros. El comerciante moderno necesita una solución analítica avanzada que le proporcione información específica y oportuna que informe a los empleados exactamente cómo pueden incrementar los márgenes y las ganancias.

Analítica prescriptiva

Las soluciones de analítica prescriptiva se están convirtiendo rápidamente en la solución analítica por excelencia para los comerciantes de alimentos. Tal como comentamos anteriormente, esta metodología utiliza machine learning e IA pragmática para analizar grandes cantidades de datos e identificar oportunidades de mejora en todo el negocio. En lugar de reportes complejos, la solución de analítica prescriptiva distribuye automáticamente toda la información a los interesados correspondientes en forma de oportunidades. Cada oportunidad explica en lenguaje simple y fácil de comprender exactamente cómo esa persona debe responder a través de una “acción prescriptiva”. Estas acciones prescriptivas oportunas les dan a los empleados las herramientas para resolver problemas rápidamente, antes de que estos causen pérdidas significativas.

En particular, existen cuatro aspectos de la analítica prescriptiva que la convierten en la solución analítica óptima para los comerciantes de alimentos.

Menos reportes

Como ya hemos mencionado, los reportes solo muestran datos, con mínimos análisis e interpretaciones. Cada reporte debe ser interpretado por un humano, que debe también decidir si actúa en consecuencia y cómo lo hace. La solución de analítica prescriptiva realiza todas las interpretaciones de forma automática y delega las tareas en forma de acciones prescriptivas. Los empleados de las tiendas pueden dedicar menos tiempo a leer reportes en el depósito y más a interactuar con los clientes.

Directivas sin sesgos y con un lenguaje simplificado

La solución de analítica prescriptiva ofrece oportunidades y acciones prescriptivas basadas en hechos, impulsadas por datos y en un lenguaje simple y fácil de comprender. Esto significa que existe una sola versión de la verdad, se sabe exactamente qué pasó y qué hacer al respecto. No hay espacio para sesgos ni debates.

Gracias a la analítica prescriptiva, ya no es preciso entrar en conversaciones ni acusaciones como en la situación de los productos de carne vencidos de los que hablamos antes. En lugar de un reporte controvertido, el investigador de protección de activos recibe una oportunidad con la siguiente leyenda: “Actividad de rebaja de precios por debajo de la media y productos ‘vencidos’ por encima de la media en los sectores de carnicería del distrito 8. Entrevistar a los trabajadores del sector y verificar que se cumpla con las rebajas de precios”.

Como la oportunidad está redactada en un lenguaje sencillo y accesible, los gerentes de carnicería no pueden negar el hecho de que no están rebajando los productos como deberían. La investigación cita el incumplimiento con la rebaja de precios como la causa raíz de los vencimientos excesivos e instruye que se vuelva a capacitar al personal. Los niveles de pérdidas de inventario se estabilizan de inmediato en el distrito.

Análisis granular

Gracias a las capacidades de machine learning e IA, la solución de analítica prescriptiva puede llegar hasta los detalles mínimos para encontrar la causa raíz de un problema. Las oportunidades se sustentan en información granular, que indica al receptor dónde y cómo responder exactamente. Este enfoque acelera significativamente los índices de resolución de casos.

Considere la situación que planteamos sobre las ganancias del mostrador de comida caliente. En lugar de datos crudos y consideraciones generales provistas por la solución de visualización de datos, una solución de analítica prescriptiva le envía al investigador de protección de activos una oportunidad en la que dice lo siguiente: “Ventas de envases para comida caliente ‘Tara 1’ exceden el inventario en tiendas 13, 37 y 50. Verificar el cumplimiento del cajero con el parámetro de selección de envases para comida caliente en la caja”. El investigador hace el seguimiento y descubre instancias generalizadas de sweethearting (entrega no autorizada de productos a personas allegadas) en todo el distrito. Varios cajeros marcan ventas de comida caliente a amigos y familiares como “Tara 1” (el envase más pequeño), independientemente del tamaño que se haya utilizado en realidad. Un total de 37 cajeros son despedidos por sus prácticas de sweethearting y los que quedan son capacitados otra vez. La rentabilidad por las ventas de comida caliente vuelve a niveles normales pronto.

Alertas casi en tiempo real

Cada día que un problema pasa inadvertido es un día en que la empresa pierde dinero. Gracias a sus capacidades de machine learning e IA, la solución de analítica prescriptiva envía oportunidades en tiempo real en cuanto se detectan. Con una solución de tal solidez en su arsenal, los comerciantes tienen el poder para identificar los problemas en cuanto suceden y resolverlos antes de que causen pérdidas irreparables.

Éxitos y victorias con soluciones de analítica prescriptiva

En todo el mundo, muchos minoristas del sector de tiendas y supermercados —incluidos Ahold Delhaize, Asda, Brookshire Brothers, Dollar Tree, Family Dollar, Lowes Foods, Sam’s Club, Sobeys, Tops Market y Walgreens— están utilizando soluciones de analítica prescriptiva para proteger sus ganancias y márgenes de los desafíos diarios del sector. La siguiente es una lista de éxitos destacados de los comercios de la industria que utilizan una solución de analítica prescriptiva.

Pérdidas intencionales

Comercio desbarata círculo de fraude con proveedor de comida local Un comerciante de alimentos de alcance nacional adoptó una solución de analítica prescriptiva para asegurar una mayor precisión del inventario y los márgenes. Poco tiempo después de la implementación, la tecnología de machine learning e IA de la solución alertó al equipo de protección de activos de la empresa sobre una anomalía en el inventario. La carnicería de una tienda específica había comenzado la semana con 115 kilos de presas de pollo en mano. El miércoles de esa misma semana, los registros mostraban que había vendido 230 kg, pero no se habían hecho nuevas entregas. La solución de analítica prescriptiva también identificó en paralelo que la carne de res se movía despacio según la relación envío-ventas de la tienda. Lo interesante es que otra tienda cercana mostraba un comportamiento similar. Una acción prescriptiva le indicó al gerente de protección de activos del distrito verificar si las etiquetas de precios estaban correctas en las tiendas y entrevistar a los empleados del sector de carnicería que habían estado de turno en los últimos días.

Al entrevistarlos, varios trabajadores admitieron ser parte de un círculo de fraude con un proveedor de comida local. El proveedor de comida venía a la tienda varias veces a la semana y encargaba grandes cantidades de cortes de res caros, como costillares para asar o lomo. Los empleados cómplices cambiaban las etiquetas de los precios de los cortes de res por los de las presas de pollo (patas y muslos), y así el proveedor de comida los compraba a una fracción del precio real. Para no levantar sospechas en la caja registradora, el proveedor escaneaba sus productos en la línea de autoservicio. Luego les daba su parte de soborno a los empleados de carnicería por su colaboración.

El comercio demandó a los cuatro empleados involucrados y al proveedor de comida y logró recuperar US$ 90 000 de lo que había perdido. También modificó sus procedimientos de pago por autoservicio para mitigar el riesgo a futuro.

Comerciante de alimentos elimina pérdidas de inventario y mitiga riesgo en la línea de pago por autoservicio

Un comerciante de alimentos internacional adoptó una solución de analítica prescriptiva para monitorear más de cerca los comportamientos y movimientos de sus productos. La solución identificó rápidamente que una de las tiendas del comerciante había vendido casi 23 000 kg de bananas en el mes de abril, pero los movimientos de inventario mostraban que había vendido casi el 125 % de esa cantidad. Gracias a las funcionalidades de machine learning e IA, la solución rastreó la mayoría de estas compras excesivas hasta la línea de pago por autoservicio, una zona de riesgo común para los comerciantes de alimentos. La gerenta de protección de activos del lugar recibió una acción prescriptiva que le informaba sobre la anomalía y le indicaba investigar las grabaciones de CCTV y las prácticas de la línea de autoservicio.

Así descubrió que los clientes que pagaban en la línea de autoservicio ingresaban el código PLU de las bananas (4011), pero llevaban artículos más costosos, como mariscos, carne e incluso bebidas energizantes. La solución calculó que el comerciante estaba perdiendo US$ 8300 por semana, no solo por el fraude con los precios, sino también porque no se reabastecían los productos que remplazaban a las bananas. Esto causaba imprecisiones generalizadas en el inventario que tenían efectos negativos en la experiencia del cliente.

La gerenta de protección de activos siguió las acciones prescriptivas y encontró una solución con el equipo de TI del comerciante. Todas las cajas registradoras de autoservicio se reconfiguraron para anunciar fuerte “¡bananas!” cada vez que un cliente ingresaba el código PLU de la fruta. Así, los asistentes del área de autoservicio pudieron identificar fácilmente cuándo se usaba el código de forma fraudulenta. La solución funcionó y el comerciante vio un incremento general del margen del 1,2 % a una semana de detectado el problema. Como resultó un éxito, la solución envió una acción prescriptiva al equipo de TI del minorista para que anuncien a volumen alto todos los productos de mayor riesgo en el sector de autoservicio.

Comercio descubre robos por parte de conductores de entregas y reduce pérdidas de inventario

Un comerciante notó discrepancias en los manifiestos de sus envíos. Muchos camiones llegaban a las tiendas con faltantes de varios artículos costosos como vitaminas, bebidas energizantes y bandas blanqueadoras para los dientes que el almacén tenía apuntados como empaquetados. El almacén insistía en que los manifiestos estaban correctos y sugirió que el problema era que los conductores que hacían las entregas estaban robando a la empresa. Esto no parecía muy posible, ya que no había indicios de manipulación de las fajas de seguridad de los camiones en cuestión.

“La solución analizó los datos de entrega del comercio y descubrió que muchos de los camiones con productos faltantes habían realizado paradas no autorizadas de camino hacia sus destinos”.

“Casi de inmediato, la solución alertó sobre una serie de errores simples pero que tenían un impacto engañosamente alto”.

El minorista adoptó entonces una solución de analítica prescriptiva para identificar el problema y resolverlo. La solución analizó los datos de entrega del comercio y descubrió que muchos de los camiones con productos faltantes habían realizado paradas no autorizadas de camino hacia sus destinos. La solución envió una acción prescriptiva al equipo de protección de activos con la indicación de que entrevistaran a los conductores.

Así descubrieron que los conductores de esos camiones simplemente habían parado de camino a sus tiendas, roto las fajas de seguridad y tomado la mercancía. Después reemplazaban las fajas rotas con otras nuevas y seguían camino. En la entrega, quienes recibían la carga en la tienda veían que las fajas estaban intactas y que no había evidencia alguna de robo.

El comercio tomó medidas disciplinarias en contra de los conductores que habían robado la mercancía. Además de sugerir cambios en el uso de las fajas en los camiones para mitigar los riesgos a futuro, la solución monitorea constantemente los datos del GPS de la flota de entrega del comerciante. Si se detectan paradas no programadas o desvíos de las rutas, se alerta al equipo de protección de activos de que hay camiones con comportamientos fuera de lo normal. Estas medidas han ayudado al minorista a reducir los robos significativamente y a mejorar la precisión de los envíos, lo cual redujo las pérdidas de inventario en más del 27 %.

Pérdidas no intencionales

Comerciante evita grandes pérdidas después de detectar un error simple que tenía un impacto enorme

Un comerciante adoptó una solución de analítica prescriptiva para reducir los riesgos transaccionales, en especial los relacionados con los reembolsos. Casi de inmediato, la solución alertó sobre una serie de errores simples pero que tenían un impacto engañosamente alto.

Los cajeros deben ingresar un código de cuatro dígitos (llamado PLU) en la caja registradora para productos frescos que se venden por peso. Sin embargo, muchos ingresaban por error el código PLU de productos frescos que se venden por pieza, como el aguacate o los melones. En la mayoría de los casos, el cajero se daba cuenta del error y lo anulaba.
En un caso en particular, un cajero había ingresado por error el PLU del aguacate (código 4046) como la cantidad de aguacate que llevaba el cliente (4046 aguacates) por un valor de más de US$ 8000. El cajero se dio cuenta del error pero, al tratar de corregirlo, cometió otro aún mayor. En lugar de anular la compra de los aguacates, hizo un reembolso. Esto trajo dos grandes consecuencias:

  1. Se le facturaron al sector de alimentos de la tienda US$ 8000 por el reembolso.
  2. El sector de productos frescos de la tienda vio que habían salido 4046 aguacates del inventario. El sistema de reabastecimiento del comerciante interpretó que faltaba producto y realizó otro pedido completo de aguacates, lo cual le costó al comerciante aún más.

La solución de analítica prescriptiva envió una descripción completa del error al equipo de protección de activos de la tienda, quienes intervinieron para revertir el falso reembolso y cancelar el reabastecimiento de aguacates. Además de ahorrar miles de dólares en el reembolso y en inventario innecesario, el incidente planteó dos interrogantes:

  1. Si ninguna de las tiendas del comerciante tenía más de 4000 aguacates, ¿por qué el punto de venta permitió semejante compra?
  2. Si el valor de este pedido no era ni cercano a los US$ 8000 en alimentos, ¿por qué el punto de venta permitió un reembolso de tal monto?

El equipo de protección de activos verificó la interfaz del punto de venta con el proveedor del comerciante en busca de funciones problemáticas. Se eliminaron muchas funciones de alto riesgo, lo cual mitigó el riesgo a futuro.

Comerciante elimina costosas pérdidas de inventario al detectar falta de capacitación

Un comerciante tenía grandes pérdidas de inventario por el vencimiento de leche en dos de sus tiendas. Cada mes, las tiendas tiraban miles de litros de leche que habían llegado a la fecha de vencimiento, con un valor total de más de US$ 200 000 al año. El sector de operaciones insistía en que las tiendas no estaban siguiendo el procedimiento correcto, pero los gerentes de las tiendas decían que la empresa les estaba asignando demasiada leche. El sistema de análisis que tenía el comerciante no lograba llegar a la causa.

Cuando el comerciante adoptó una solución de analítica prescriptiva, el problema quedó aclarado. Para controlar las pérdidas de inventario, el comerciante exigía que la leche se rebajara un 50 % tres días antes de la fecha de vencimiento. En las dos tiendas donde se registraban pérdidas altas, los trabajadores del sector de lácteos no seguían el procedimiento porque no se los había informado de eso en la capacitación. Como los clientes no tenían incentivo para comprar la leche tan cerca del vencimiento, se echaba a perder en la estantería y los trabajadores la tiraban. El comerciante volvió a capacitar al personal de las dos tiendas y eliminó así pérdidas anuales por un valor de US$ 200 000.

Comerciante detiene pérdidas y mitiga riesgos con capacitación sobre los puntos de venta

Un comerciante adoptó una solución de analítica prescriptiva para aumentar la visibilidad sobre los errores transaccionales. La solución rápidamente identificó un incremento repentino en devoluciones marcadas como “NO COMIDA” que se registraban manualmente. Como los artículos que se ingresan a mano representaban un área de riesgo para el comerciante, se alertó de inmediato al equipo de protección de activos y se le indicó que investigara.

El equipo descubrió que los misteriosos artículos “NO COMIDA” eran, en realidad, tarjetas de regalo que se devolvían. La política del comerciante para las tarjetas de regalo es que, una vez que se activan, pasan a ser responsabilidad del proveedor de la tarjeta. No se pueden devolver y reembolsar en la tienda en la que se hizo la compra, ya que los fondos fueron directamente al proveedor y no al comerciante.

Muchos cajeros desconocían esta política y realizaban los reembolsos. Como los puntos de venta no tenían una función de reembolso para estas tarjetas, los cajeros lo realizaban a mano bajo la categoría genérica “NO COMIDA”.

La solución de analítica prescriptiva detectó el problema enseguida, lo cual evitó grandes pérdidas con la rápida recapacitación del personal. El comerciante vende miles de tarjetas de regalo al año, lo que se traduce en que las pérdidas por este problema podrían haber sido de millones de dólares si no se hubiera identificado y resuelto tan rápido.

Errores del sistema

Comercio minorista ahorra US$ 1,4 millones al identificar y resolver falla técnica en el sistema de recompensas por lealtad

Un gran comercio minorista adoptó una solución de analítica prescriptiva para ayudar a sus equipos de protección de activos y de TI a combatir comportamientos fraudulentos en las cajas registradoras. Un poco después de la implementación, identificó clientes con cantidades de puntos de recompensa que no coincidían con sus historiales de gasto. Las capacidades de machine learning e IA rastrearon el origen de estos puntos y descubrieron que provenían de comprobantes que se habían canjeado varias veces al día en distintas tiendas. El equipo de protección de activos del minorista recibió una acción prescriptiva que les avisaba sobre las conductas sospechosas y les indicaba investigar el sistema de los puntos de venta.

Una falla técnica que se desconocía hasta el momento resultó ser la causa raíz. El comerciante no tenía idea de que su sistema no computaba los puntos de recompensa hasta el final del día. Esta ventana de tiempo hizo que algunos clientes se dieran cuenta de que podían presentar los mismos comprobantes de compra en varias tiendas en el mismo día y obtener puntos en cada una de ellas. Esto hizo que fuera muy sencillo solicitar y, por ende, recibir más puntos de recompensa de los que correspondían y, por extensión, tarjetas de regalo en dinero (otorgadas después de acumular cierta cantidad de puntos).

El equipo de protección de activos, junto con TI, descubrió y resolvió la falla técnica, lo cual le ahorró al comercio US$ 1,4 millones al año.

Comerciante identifica y soluciona errores de TI, lo que evita grandes pérdidas

Un comerciante adoptó una solución de analítica prescriptiva para monitorear mejor sus movimientos de inventario. Uno de los primeros patrones que implementó la empresa se enfocaba en monitorear los códigos UPC para verificar los incrementos del inventario y la estabilidad de las ventas. El patrón enseguida detectó que una tienda mostraba una alta cantidad disponible de una marca nueva de jarabe para la tos. La tienda ya tenía 400 botellas en stock y otro envío en tránsito, pero las ventas del producto no estaban ni cerca de justificar ese nivel de inventario. El gerente de protección de activos del distrito donde estaba la tienda recibió una acción prescriptiva que le indicaba verificar el sistema de pedidos.

El gerente descubrió que, al ingresar un nuevo producto en el sistema de pedidos, el usuario debe especificar las cantidades mínima y máxima de producto que debe estar disponible en la tienda en todo momento. En este caso, el usuario intercambió accidentalmente el mínimo y el máximo del jarabe, lo que llevó a que el sistema asignara cientos de botellas a la tienda para cumplir con el “nivel mínimo” percibido. El equipo de TI del comerciante enmendó el error y evitó más pérdidas por excesos en el inventario y daños o rebajas resultantes. Si no se hubiera corregido el error, las pérdidas anuales a causa de este problema habrían superado los US$ 27 000, una cantidad significativa para una sola tienda.