Las características del sector del retail hacen que sea un terreno ideal en el que el uso del Big Data combinado con técnicas de análisis predictivo sacan un excelente partido para el negocio. Recordemos que las predicciones con Machine Learning mejoran cuando se disponen de muchos datos, de diferentes tipos y que se actualizan con el tiempo (a algunos les gusta llamar a esto las 3 «V» de Big Data: volumen, variedad y velocidad). Precisamente en retail se dan estas circunstancias:
- Los sistemas transaccionales generan gran cantidad de datos, no sólo en volumen sino en variedad.
- Se generan diariamente datos a nivel granular, en cada punto de venta.
- Se dispone de un gran número de referencias o SKUs.
- Se pueden extraer datos de comportamiento de la información de los clientes identificados en un gran número de casos a través de los Programas de Fidelización.
- Los sistemas de posicionamiento en el Punto de Venta generan información sobre la ubicación de los clientes.
La mayoría de compañías en la actualidad explotan sus datos usando Business Intelligence, algo que sin duda es muy recomendable, pero se pasa por alto que:
- No se utilizan técnicas de predicción y diagnóstico, tan sólo de descripción.
- Las técnicas estadísticas tradicionales analizan un número limitado de variables, mientras que con Machine Learning se pueden detectar patrones con cientos o miles de indicadores.
- Las estrategias de marketing actuales están basadas en estudios de mercado y no en predicciones basadas en datos de la empresa y del comportamiento de sus clientes.
- Las estrategias de la cadena de suministro están basadas en algoritmos de regresiones lineales y no logísticas.
Las mejoras de negocio que proporciona el Machine Learning en retail son múltiples:
- Predicción del abandono de clientes (churn).
- Aumento del Lifetime Value del cliente.
- Segmentación de clientes basado en comportamientos frente a la oferta.
- Predicción de la demanda.
- Control de stocks.
- Rediseño de lineales basado en datos de compra.
- Aumento de la fidelización del cliente al ofrecerle una oferta personalizada.
- Incremento de eficiencia de la actividad promocional.
- Análisis de la cesta de la compra: cross-selling, up-selling.
- Detección de fraude.
Conclusiones
Muchas empresas están recogiendo datos sin un criterio definido sobre qué hacer con ellos. Otras, en cambio, saben que con los datos que ya tienen se pueden hacer proyectos muy interesantes con valor real para el negocio. Por ejemplo, predecir cuándo un cliente va a dejar de comprar (y por tanto a engrosar las ganancias de la competencia). No es baladí. La eficiencia de las estrategias de marketing que se derivan de este conocimiento son manifiestas.
En definitiva, las mejoras en los objetivos de negocio que ofrece el Big Data, de la mano del Machine Learning, en el sector del retail son muy significativas. Lo que antes sólo podían hacer los grandes de Internet (Google, Facebook, Amazon, etc.), está ahora al alcance de todos.
