Optimización de la comercialización: Predice, percibe y adapta la demanda

Retos y oportunidades de la optimización del sector retail

La disponibilidad y las promociones de inventario siguen influyendo en las decisiones de los clientes. Cuando surgen nuevas trayectorias de cliente y experiencias de compra, la ejecución lo es todo. Los consumidores no tolerarán que una empresa se quede sin inventario. De hecho, el 63 % de los consumidores confirmó que optarán por otra marca en lugar de esperar que vuelvas a tener el producto. Las empresas del sector retail que dispongan de previsiones e insights más precisos de sus inventarios podrán adaptarse rápidamente para satisfacer la demanda de los clientes y las preferencias de compra, ya sean en tienda, en línea o de recogida en tienda, recogida en acera u otros canales.

Los consumidores desarrollan comportamientos de compra distintos en función del producto que deseen adquirir. Por ejemplo, tienen diferentes prioridades al comprar regalos que al comprar artículos de temporada: a veces el precio es todo; a veces no es ningún objeto. Los minoristas ahora pueden entender cómo responden los compradores a cada artículo a nivel localizado, lo que les permite tener en cuenta los efectos de las promociones, la estacionalidad y el clima en sus previsiones.

Además, las empresas del sector retail pueden aumentar la personalización adaptando su oferta a los clientes en función de sus necesidades en tiempo real. Es más probable que los clientes acepten ofertas dirigidas a ellos en función de su comportamiento, cómo compran y los servicios a los que se suscriben, lo que aumenta las tasas de aceptación de ofertas y, en definitiva, los ingresos. Por el contrario, enviar ofertas de venta cruzada o promoción upsell sin objetivos puede provocar fatiga en el cliente e ignorar o desactivar las notificaciones.

Simplifica la planificación del sector retail con análisis avanzados y machine learning.

Disponer del inventario adecuado en el lugar adecuado para satisfacer rápidamente la demanda del cliente, sin importar cuándo y dónde se realice una compra, ayudará a los negocios del sector retail a superar los desafíos y aprovechar las oportunidades descritas anteriormente.

Las empresas del sector retail pueden utilizar análisis avanzados y machine learning para identificar productos y servicios relevantes para un cliente determinado. Posteriormente, pueden enviar estos productos y servicios al cliente a través del canal adecuado en el momento adecuado.

Echemos un vistazo más detallado a cómo Oracle Data Platform puede ayudar a los minoristas a mejorar la precisión de las previsiones, simplificar la planificación y optimizar el inventario.

En esta imagen se muestra cómo se puede utilizar Oracle Data Platform en el sector retail para fortalecer la optimización de la comercialización y ayudar a los minoristas a predecir, detectar y adaptar la demanda. La plataforma incluye estos cinco pilares:

• Orígenes de datos, detección
• Ingerir, transformar
• Conservar, curar, crear
• Analizar, aprender, predecir
• Medir, actuar

El pilar Origen de datos, detección incluye cuatro categorías de datos.

Los datos de registros de negocio incluyen transacciones de ventas, datos de clientes, datos de productos, transacciones de devoluciones, proveedores, inventario, datos de sistemas de PDV, ingresos y datos de márgenes.

Los datos de las aplicaciones provienen de las aplicaciones ERP, SCM, CX y WMS, Fusion SaaS, NetSuite, E-Business Suite, PeopleSoft, JD Edwards, SAP, Salesforce y Workday.

Los datos de terceros incluyen información de Oracle Data Cloud y sociales.

Los datos de entrada técnicos incluyen logs, clics web, flujos de eventos y balizas.

El pilar "Ingerir, transformar" comprende cuatro capacidades.

La ingesta por lotes utiliza OCI Data Integration, Oracle Data Integrator y herramientas de bases de datos.

La transferencia masiva utiliza OCI FastConnect, OCI Data Transfer, MFT y OCI CLI.

Para la captura de datos sobre cambios se utiliza OCI GoldenGate.

La ingesta de flujos utiliza Kafka Connect.

Las cuatro capacidades se conectan de forma unidireccional al almacén de datos en servicio y al almacenamiento en la nube dentro del pilar Persistir, curar, crear.

Además, la ingesta de streaming está conectada al procesamiento de streaming dentro del pilar "Analizar, aprender, predecir".

El pilar "Persistir, curar y crear" incluye cinco capacidades.

El almacén de datos de servicio utiliza Autonomous Data Warehouse y Exadata Cloud Service.

Hadoop gestionado utiliza Oracle Big Data Service.

El almacenamiento en la nube utiliza OCI Object Storage.

El procesamiento por lotes utiliza OCI Data Flow.

La gobernanza utiliza OCI Data Catalog.

Estas capacidades están conectadas dentro del pilar. El almacenamiento en la nube está conectado de forma unidireccional al almacén de datos en servicio y a Hadoop gestionado; también está conectado de forma bidireccional con el procesamiento por lotes.

El Hadoop gestionado se conecta unidireccionalmente al almacén de datos de servicio.

Dos capacidades se conectan al pilar Analizar, aprender, predecir: el almacén de datos de servicio se conecta a la capacidad de análisis y visualización, así como a los productos de datos, la capacidad de API y la capacidad de almacenamiento en la nube se conecta a la capacidad de machine learning.

El pilar Analizar, aprender, predecir incluye cuatro capacidades.

La analítica y la visualización utilizan Oracle Analytics Cloud, GraphStudio e ISV.

Las API de productos de datos utilizan OCI API Gateway y OCI Functions.

El machine learning utiliza OCI Data Science, Oracle ML y Oracle ML Notebooks.

El procesamiento de flujos utiliza GoldenGate Stream Analytics y análisis de flujos de otros proveedores.

El pilar "Medir, actuar" incluye tres componentes: personas y socios, aplicaciones y modelos.

Los empleados y socios incluyen Análisis de ventas históricas, Segmentación de clientes, Análisis de impacto de las promociones, Análisis de impacto de asignación de precios.

Las aplicaciones incluyen Indicadores económicos, Comportamiento de compra, Predicción de la demanda en tiempo real y Predicción del inventario.

Los modelos incluyen Análisis de sentimiento en redes sociales, Previsión colaborativa y Planificación de la demanda.

Los tres pilares centrales, Ingerir, transformar; Persistir, curar, crear; y Analizar, aprender, predecir, son compatibles con la infraestructura, la red, la seguridad y la gestión de identidades y accesos.

Existen tres formas principales de inyectar datos en una arquitectura para que los minoristas puedan predecir, detectar y adaptar la demanda.

• Para iniciar nuestro proceso, necesitamos entender nuestra posición general de inventario. Para ello, utilizamos Oracle GoldenGate para permitir la ingesta de captura de datos de cambios sobre inventario de almacén casi en tiempo real desde bases de datos operativas para todas las líneas de productos o un subconjunto de ellas.
• Ahora podemos agregar conjuntos de datos pertinentes para la demanda del sector retail, como información de punto de venta. Además de la información de ventas, estos datos nos proporcionan múltiples insights, como la hora y la ubicación de la venta o información sobre reembolsos y canjes. Estos conjuntos de datos suelen incluir grandes volúmenes de datos locales y, en la mayoría de los casos, la ingesta por lotes suele ser más eficaz. Para nuestros datos de punto de venta, utilizaremos Oracle Data Integrator para ingerir los datos en un ciclo de cuatro horas.
• La ingesta de flujos se utilizará para ingerir datos leídos de balizas en ubicaciones en tienda mediante comunicaciones del IdC, de máquina a máquina (M2M), etc. Las imágenes de vídeo también se pueden consumir de esta manera. Además, en este ejemplo, pretendemos analizar y responder rápidamente al sentimiento de los consumidores mediante el análisis de mensajes de redes sociales, respuestas a publicaciones propias y mensajes de tendencias. Los mensajes/eventos de las redes sociales (aplicación) se ingerirán con la opción de realizar determinadas transformaciones/agregaciones básicas antes de alojar los datos en el almacenamiento en la nube. Se pueden utilizar análisis de flujos adicionales para identificar eventos y comportamientos de los consumidores que guarden correlación, y los patrones identificados se pueden retroalimentar (manualmente) para que OCI Data Science examine los datos en bruto.

La persistencia y el procesamiento de datos se basan en tres (opcionalmente cuatro) componentes.

• Los datos en bruto ingeridos se alojan en el almacenamiento en la nube. Utilizaremos OCI Data Flow para el procesamiento por lotes de estos datos de flujo persistentes, como tuits (JSON), ubicación, datos de sensores de balizas y aplicaciones, información de distribución geográfica y referencias de productos. Estos conjuntos de datos procesados se devuelven al almacenamiento en la nube para una persistencia, curación y análisis continuos y, en última instancia, para cargarlos en formato optimizado en el almacén de datos de servicio. De forma alternativa, en función de la arquitectura preferida, esto puede llevarse a cabo con Oracle Big Data Service como un clúster de Hadoop gestionado.
• Ahora hemos creado conjuntos de datos procesados que están listos para conservarse en un formato relacional optimizado para garantizar el adecuado rendimiento de la curación de contenidos y de las consultas en el almacén de datos de servicio. Esto nos permitirá identificar y devolver las principales tendencias de hashtags de productos y consumidores que puedan completarse con datos de la ubicación, el inventario y el producto de los sistemas empresariales.

El análisis se basa en dos tecnologías.

• Los servicios de analítica y visualización proporcionan análisis descriptivos (describe las tendencias actuales con histogramas y gráficos), análisis predictivos (predice eventos futuros, identifica tendencias y determina la probabilidad de resultados inciertos) y análisis prescriptivos (propone acciones adecuadas, lo cual redunda en una toma de decisiones óptima), para dar respuesta a preguntas como:
  • ¿En qué medida las ventas reales de este periodo cumplen el plan actual?
  • ¿Cuál es el valor de precio de venta del inventario disponible y qué variación presenta en comparación las cifras del mismo periodo del pasado ejercicio?
  • ¿Cuáles son los artículos más vendidos de una división o departamento?
  • ¿En qué medida resultó eficaz la última promoción?
• Además del uso de análisis avanzados, se desarrollan, entrenan y despliegan modelos de machine learning. Se puede acceder a estos modelos a través de API, desplegadas en el almacén de datos de servicio o integradas como parte del pipeline de análisis de flujos de OCI GoldenGate.
• Nuestros datos y modelos curados, testados y de alta calidad pueden tener reglas y políticas de gobernanza aplicadas y expuestas como un "producto de datos" (API) dentro de una arquitectura de malla de datos para distribuirlos en todas las esferas de las organización del sector retail.

Incrementa la rentabilidad con una plataforma de datos del sector retail

La previsión y los efectos promocionales y de precios correspondientes, junto con los costos subyacentes y la disponibilidad de inventario, son la base para tomar decisiones promocionales y de precios eficaces. Incrementa la rentabilidad y la flexibilidad de tus surtidos reduciendo los niveles de inventario. Anticipa la demanda del cliente aprovechando al máximo el valor de tus datos, aplicando análisis basados en machine learning, la inteligencia artificial y las disciplinas de la ciencia de decisiones para lograr:

• Aumentar los ingresos y ampliar la base de clientes leales con tasas de disponibilidad de inventario más altas.
• Impulsa la fidelización de marca hasta en un 77 % con tasas de inventario más altas. Los pronósticos basados en inteligencia automatizada pueden impulsar los procesos de reaprovisionamiento y asignación a gran escala. La previsión y los intervalos de predicción estadística correspondientes impulsan el éxito de la cadena de suministro, esto es, tener el producto adecuado en el lugar preciso y en el momento oportuno, lo que ayuda a las empresas del sector retail a planificar un inventario de seguridad basado en estadísticas y la demanda futura, y minimiza sus costos.
• Convierte hasta el 50 % de los visitantes en compradores con promociones y ventas oportunas para cada momento. Impulsa estas decisiones utilizando previsiones basadas en simulaciones contextuales y análisis predictivos, así como análisis prescriptivos optimizados y con vistas a futuro.