Silvia Ferreira, Responsable de Data Science en el Centro de Innovación Carrefour España (CIC) fue la encargada de mostrar el impulso que supone la ciencia de datos para el sector Retail a todos aquellos investigadores, tecnólogos y gestores que se acercaron al seminario «Data Science en el Sector Retail», organizado por la Cátedra de Ciencia de datos y aprendizaje automático UAM-IIC, el 1 de diciembre en la Escuela Politécnica Superior (EPS) de la Universidad Autónoma de Madrid (UAM).
La doctora Ferreira, que cuenta con experiencia en la investigación de materiales avanzados y metrología científica en el Centro Nacional de Investigaciones Metalúrgicas del Consejo Superior de Investigaciones Científicas (CENIM-CSIC), el Instituto de Magnetismo Aplicado (IMA) y el Centro Español de Metrología (CEM), comenzó su exposición analizando los avances tecnológicos específicos en Data Science para la industria del Retail.
Este sector, enfocado en el aumento de las ventas y la retención de clientes, genera grandes volúmenes de datos constantemente. Implantar proyectos de Big Data y Data Science supone un impulso estratégico y diferencial para afrontar el futuro del Retail.
Datos que miden la experiencia de usuario
En el sector del Retail, un ticket de compra es un tesoro. Constituye uno de los inputs de datos más importantes de los que dispone el negocio. Supone un indicador del número de clientes y del volumen de ventas, pero también de la experiencia de usuario.
Analizar los datos de un ticket de compra supone la oportunidad de hacer recomendaciones personalizadas, basadas en compras o consultas anteriores del propio cliente o de clientes que hayan hecho compras similares. Igualmente, conocer el tipo de detalles que incluyen los tickets de compra también es primordial para poder desarrollar un asistente de compra (o chat-box) que impulse el comercio on line.
El ticket, como ejemplo de enfoque data centric, evidencia un acto de compra, pero también un evento sobre el cual se puede generar un cupón personalizado, una señal para personalizar el marketing on line, una oportunidad de alimentar un algoritmo que detecte anomalías en caja, un proxy para controlar el stock en tiempo real, etc.
Optimización de procesos en el sector retail
Modelos de predicción de ventas, segmentación personalizada de clientes, predicción del abandono y detección de fraude son algunas de las aplicaciones prácticas de técnicas Big Data y Machine Learning que pueden optimizar los procesos e impulsar el sector Retail.
Cuando el negocio maneja datos de millones de productos (productos de baja rotación, de alta rotación, de gran consumo, frescos…), segmentados por secciones, lo inteligente es usarlos para mejorar el servicio mediante la optimización de los procesos. Pueden usarse para detectar el fraude interno, cruzarlos, por ejemplo, con datos de meteorología para mejorar la predicción de ventas, planificar la demanda o hacer perfilado de clientes.
Analizar los datos y aplicar técnicas como el árbol de decisión o los bosques aleatorios pueden ayudar al sector Retail a averiguar cuánto más voy a vender de un producto de baja rotación si saco una nueva promoción de 3×2 o de 2ª unidad al 50%.
Gracias a los datos podemos analizar el comportamiento de los clientes y establecer niveles de fraude interno para entender qué sucede en caja y en qué se traducen esos eventos. Ese mismo análisis y el uso de redes neuronales permitiría además hacer segmentaciones personalizadas usando un modelo de propensiones o recomendaciones, que además nos permita establecer similitudes entre compras para saber qué puedo recomendar a mis clientes.
Retail, Big Data y geolocalización
En una época de cambios que más bien parece un cambio de época es fundamental averiguar cómo están cambiando las cosas, hacia dónde se mueven las tendencias y cómo están evolucionando los clientes. Para ello podemos aplicar técnicas de geolocalización y análisis de datos o Big Data al sector Retail.
Usar la geolocalización puede ayudar a segmentar tiendas, optimizar rutas o planificar nuevas aperturas. El seminario expuso ejemplos donde técnicas de geolocalización y Big Data han ayudado al sector Retail a averiguar dónde sería mejor abrir una nueva tienda, qué horario de apertura es el más productivo, qué tipo de compra es el más común en una zona determinada o cómo se mueve la gente dentro y fuera de mi tienda.
Data Science para impulsar el sector Retail
Durante el seminario se presentaron de forma sencilla los beneficios de aplicar técnicas de Data Science para impulsar el sector Retail. De hecho, se expusieron de forma sencilla los elementos básicos para poder entender cómo debemos traducir los diferentes indicadores y las muchas variables existentes en el sector de modo que el negocio las entienda.
Se comentó el ecosistema de herramientas que ya existen y la necesidad de desarrollar soluciones personalizadas para hallar el modo de rentabilizar el uso de algoritmos. Además, se compartieron opiniones sobre por qué contar con equipos multidisciplinares, cómo reentrenar modelos para afinar los resultados y qué demos hacer para controlar los datos y su seguridad de cara a mejorar la gestión en el sector retail.
Para más información puedes descargar la presentación «Data Science en el sector del Retail: reinventando la tienda».