Son muchas las bonanzas que pueden aportar las nuevas tecnologías desarrolladas bajo el paraguas de la Inteligencia Artificial (IA). Lo cierto es que sobre la IA se tiene un concepto más ligado a la robótica o a tecnología de uso para procesos cognitivos como la vista, la lectura o el habla.
Además de estas posibles aplicaciones con un gran potencial tenemos otros servicios igualmente potentes, incluso con un mayor impacto en la cuenta de resultados como son la automatización de procesos burocráticos en el proceso de facturación, la optimización de recursos, la monitorización inteligente de¡ maquinaria o la estimación de necesidades tanto de producción como de la demanda de mayoristas, agregadores y/o clientes finales.
El sector de la moda tiene ciertas particularidades que hace que algunos de estos procesos sean ciertamente complejos y críticos en el ciclo de venta. Uno de los procesos más relevantes para el sector, es el de previsión de demanda, y todo el camino que incluye desde la estimación de las necesidades de producción hasta la estimación del aprovisionamiento final de las tiendas físicas y online.
Las principales características de este sector tienen que ver con algo que todos conocemos, las tendencias de cada año, los cambios de temporada y las campañas de rebajas cada vez más frecuentes e intensas. Esto se traduce en que encontraremos una alta rotación de productos de temporada, productos con continuidad, y la necesidad de realizar dos tipos de estimaciones y seguimientos.
Por un lado, necesitamos estimar con un horizonte de entre 6 y 8 meses las necesidades de producción o abastecimiento para gestionar las peticiones a proveedores, por otro lado, necesitamos prever la demanda de nuestros productos para ser capaces de abastecer de una manera eficiente a cada tienda, evitando roturas de stock y sobre estocaje de productos.
Para la rotación de referencias será necesario establecer familias de productos similares, o productos espejo, que compartan el máximo número de características posibles, para partir del comportamiento histórico de estos productos y suponer que el proceder de la nueva referencia se comportará de una manera similar hasta que se tengan nuevos datos de dicha referencia e ir poco a poco incorporando esta información en el modelo para finalmente usar únicamente estos datos en su estimación.
Ahora bien, el proceso de estimación de las necesidades de abastecimiento parte de la habilidad de capturar las tendencias del mercado, de aquellos productos, formas y colores que van a estar de moda para la siguiente temporada. Este ejercicio usualmente se realiza por los equipos de expertos que definen la línea de tendencias de la marca a seguir para las próximas temporadas, aunque también existen procesos basados en inteligencia artificial que pueden ayudar a identificar estas tendencias, ya sea bien a través de las redes sociales o de análisis de imágenes.
Una vez definida esta línea comienza el proceso de estimación de las necesidades de abastecimiento (o assortment), con lo que se pretende hacer una estimación del estocaje total a proveer durante la siguiente temporada. Con esto, necesitamos ser capaces de estimar este volumen con una antelación de entre 6 y 8 meses de antelación.
Normalmente, se permite realizar una corrección a 3 o 4 meses vista del inicio de temporada para corregir cambios identificados en la previsión. Esta estimación del assortment, aunque se realiza a 6 meses vista del inicio de temporada, no se entrega en su totalidad a inicio de temporada, sino que se va entregando secuencialmente a lo largo de ella.
Existen procesos basados en inteligencia artificial que pueden ayudar a identificar estas tendencias, ya sea bien a través de las redes sociales o de análisis de imágenes
Una vez concluida la identificación del assortment llega el momento de trasladar este abastecimiento a la provisión de estocaje óptimo a las tiendas, o canal online, para dar servicio al cliente final. Aquí necesitamos realizar nuestra segunda previsión, la previsión de demanda final con el objetivo de ser capaces de identificar los pedidos de tiendas a 1 mes vista.
En primer lugar, es necesario identificar todos aquellos factores o variables que puedan influir en la venta final. Estos factores se dividen en 2 familias de variables: variables internas y variables externas. Las variables internas son todas aquellas palancas que la empresa tiene para actuar sobre el mercado, esto son por ejemplo campañas de marketing, duración e intensidad de las rebajas o el nivel de stock deseado de cada producto.
Las variables externas son todas aquellas variables que afectan a las ventas que quedan fuera del control de la empresa, por ejemplo, factores climatológicos, calendario de festividades o la influencia de variables macroeconómicas. En este caso, la captura de esta información supone un reto añadido, ya que no es información que se disponga directamente, sino que hay que buscarla en proveedores específicos y automatizar su captura, para lo que existen diferentes tecnologías que nos permiten su automatización.
Una vez desarrollado este proceso de captura de variables internas y externas, y tras un proceso de limpieza, se procede al desarrollo del modelo, en el que se plantean diferentes alternativas en función del tipo de negocio y horizontes definidos. Para horizontes largos, mucha de la información necesaria no estará disponible, por lo que o no se podrá incluir o habrá que desarrollar modelos específicos para la estimación de estas variables externas al horizonte de predicción.
Para patrones de consumo más estacionales será óptimo proceder con modelos de series temporales, para patrones más reactivos estos modelos serán poco ágiles y necesitaremos hacer uso de modelos basados en árboles de decisión o redes neuronales dedicadas al análisis de dependencias temporales.
Sin lugar a duda el uso de la inteligencia artificial es una importante herramienta para el sector de la moda. Permitiendo mejorar la previsión de demanda, conocer y anticiparse el comportamiento de los clientes, optimizar las cadenas de suministro y stock, así como crear una experiencia única.
