BIG DATA Y S&OP: ¿PUEDEN COEXISTIR LOS DOS?

Desde hace algunos años, uno de los principales temas en la agenda de los líderes empresariales es S&OP, o planificación de ventas y operaciones, en portugués. Concebido en la década de 80, este proceso nació con el objetivo principal de romper las barreras entre las áreas funcionales, asegurando que toda la planificación de la empresa apunte a un objetivo común. La evolución reciente de este concepto, de la tecnología de soporte y la mayor madurez del proceso en varias empresas en Brasil y en el mundo, dieron origen al concepto de IBP (Planificación integrada de negocios), con un alcance algo más amplio y, notablemente, con una mayor participación de las finanzas.

Pero a pesar de haber existido durante casi tres décadas y ya se ha establecido como una excelente manera de administrar una gran empresa, la importancia de S&OP aún no se comprende completamente en el mercado brasileño, incluso en las grandes empresas. El concepto llega al mercado en oleadas de interés, y últimamente hemos sentido que el tema ha vuelto al alza. Sin embargo, hoy un nuevo nombre entra en la competencia por los ojos y oídos de los ejecutivos, apareciendo repetidamente en las discusiones de las redes sociales y artículos especializados: el Big data. Anunciada como la nueva ola en la generación de valor comercial, la expresión resume las innumerables formas nuevas de capturar datos extremadamente granulares y generar información que antes era inalcanzable. Como todas las demás tendencias, esta ahora compite por el tiempo y los recursos de las empresas, y estamos empezando a ver referencias a Big Data superan considerablemente las referencias a S&OP.

Como entusiastas de la planificación integrada, hemos comenzado a evaluar hasta qué punto estos dos conceptos compiten y dónde convergen. El propósito de este artículo es explorar las sinergias de los dos procesos, mostrando cómo la llegada de Big Data puede crear nuevas formas de crear valor en el proceso de planificación integrada.

QUE ES GRANDE DE DATOS

Según el Instituto Global McKinsey[ 1 ],el Big Data es un conjunto de información cuyo tamaño es mayor que el que el software de base de datos típico puede capturar, almacenar y analizar. La definición es deliberadamente subjetiva y cambia con el tiempo, a medida que evoluciona la capacidad de procesamiento y almacenamiento de datos. De acuerdo con la Ley de Moore, el poder de cómputo tal como lo conocemos se duplica cada dos años. Así, una definición más precisa, en términos de bytes, de lo que se ajusta al concepto, se perdería fácilmente en un corto espacio de tiempo. Además, también existen diferencias entre los sectores del mercado, ya que las herramientas comúnmente utilizadas y la cantidad de datos que cada mercado está acostumbrado a manejar son bastante diferentes.

En el mundo actual, donde más de 600 millones teléfonos inteligentes están conectados a Internet, 30 mil millones de piezas de información se comparten mensualmente en el Facebook, y los puntos de venta tienen cada vez más tecnología integrada, las fuentes de recopilación de información son abundantes. Esta nueva avalancha de datos puede ser tanto de naturaleza cuantitativa como cualitativa. Como ejemplos, podemos enumerar citas de productos o establecimientos en redes sociales, opiniones de consumidores sobre la calidad de productos en blogs y foros, sitios de evaluación de productos, información de geolocalización de teléfonos celulares, información transaccional en puntos de venta e información sobre fidelización, que pueden generar Insights información valiosa sobre el comportamiento y las preferencias del consumidor.

para IBM[ 2 ], hay cuatro dimensiones principales que definen lo que es Big Data: Volumen, variedad, rapidez y veracidad.

• Volumen : Aunque no tenemos un umbral preciso, empezamos a hablar de Big Data desde terabytes (1000 GB) hasta petabytes (1000 TB) de datos para ser analizados a la vez.
• variedad: Los datos se pueden recopilar de diferentes formas, estructuradas o no, como textos de blogs, sonidos de podcasts e imágenes en redes sociales.
• Acelerar: La información se genera en tiempo real y lo ideal es que se analice a la misma velocidad para que se puedan tomar decisiones en fracciones de segundos, como la información de tráfico para que los sistemas GPS recalculen las rutas más rápidas para el usuario.
• veracidad: En la mayoría de los casos, no hay filtro de quién está generando la información o cuál es la fuente y veracidad. Deben emplearse mecanismos de calificación de datos para garantizar la consistencia, integridad, actualización y precisión.

Figura 1 – Las dimensiones de Big Data
Fuente: IBM

Simultáneamente con las nuevas fuentes de datos, aparecieron nuevas tecnologías para almacenar y procesar esta información. Varios proveedores de software se apresuraron a desarrollar nuevas soluciones que se adaptaran a este nuevo nicho. Hay varias líneas de desarrollo, pero la mayoría utiliza enfoques como bases de datos no relacionales y procesamiento paralelo. Como ejemplo podemos citar el Hadoop, una plataforma De código abierto originado en Yahoo!, que utiliza un enfoque de MapReduce para permitir el procesamiento, almacenamiento y análisis de grandes volúmenes de datos en paralelo. Esto se hace básicamente dividiendo los datos en pequeños lotes que se pueden procesar en varias máquinas de "productos básicos" al mismo tiempo. Esta tecnología va de la mano con el procesamiento en la nube, que permite que varias máquinas simples trabajen juntas, procesando grandes volúmenes de datos a bajo costo.

UTILIDADES EN S&OP

Es claro el potencial de generación de valor de la Insights que se puede extraer de esta masa de datos sin precedentes. Según el mismo estudio de IBM mencionado anteriormente, aproximadamente el 49% de las empresas que trabajan con Big Data enfocarse en brindar resultados específicos a sus clientes. Podemos citar, como ejemplos de resultados alcanzados, los programas de fidelización de compras en supermercados, que pueden sugerir promociones específicas de cliente a cliente según la época del año. O un fabricante de automóviles, que tiene acceso al comportamiento de sus clientes al volante y desarrolla tecnologías que aportan más seguridad y mejoran el mantenimiento preventivo de los vehículos.

Pero, ¿cómo S&OP, un proceso de planificación táctica que por definición debe mirar a la empresa de forma relativamente agregada, puede beneficiarse de datos tan detallados como las ventas diarias de un producto en un punto de venta, para un cliente específico? ¿Necesitamos un nuevo paradigma de planificación, mejor adaptado a la avalancha de datos que se avecina? El tema aún es muy nuevo y hay pocos informes de empresas que realmente comiencen a utilizar esta información en sus procesos de planificación integrada. Nos aventuramos, entonces, a sugerir algunas formas en que la Big Data se puede utilizar a favor de un S&OP más robusto.

Tanto en las definiciones estratégicas como en el seguimiento de la ejecución de los planes, los análisis traen nuevos rumbos que antes hubieran sido imposibles. Vemos los principales beneficios en cuatro grandes grupos: comprensión de la demanda, lanzamiento de nuevos productos, satisfacción del cliente y seguimiento de la ejecución.

ENTENDER LA DEMANDA: Todo buen proceso de planificación comienza con una buena previsión de ventas. Conocer el comportamiento del mercado y cómo las acciones de la empresa impactan en la demanda es esencial para un buen equilibrio de las operaciones, y los datos detallados de consumo pueden traer Insights valioso. Con información más detallada de los clientes, es posible desarrollar nuevas clasificaciones de canales, con mayor segregación geográfica y de consumo, con la posibilidad de tener diferentes clasificaciones para definir promociones, descuentos, tiempo de servicio y enfoque del equipo de ventas. Esto permite acciones de marketing más quirúrgicas, con un enfoque más científico para medir su impacto en el comportamiento del consumidor. El análisis de la reacción del consumidor a una acción de marketing por día, por SKU y por punto de venta, sumado a la información cualitativa de las redes sociales, aporta información valiosa sobre el impacto de cada acción en cada mercado, con un claro análisis del retorno de la inversión para cada tipo de acción. Esto facilita el modelado de nuevas iniciativas para el futuro y respalda las suposiciones de una mayor demanda, mitigando los riesgos de almacenamiento insuficiente y excesivo. Nuevas tendencias de consumo y oportunidades para venta cruzada puede detectarse localmente y extrapolarse a su mercado regional, indicando oportunidades para orientar el equipo de ventas para reforzar productos específicos en la cartera en los próximos meses, alineándose con la distribución y la producción para garantizar la disponibilidad.

LANZAMIENTO DE NUEVOS PRODUCTOS: Estimar las ventas al comienzo del ciclo de vida de un producto es un gran desafío para el equipo de planificación. Por más que tengamos varias encuestas muestrales de aceptación de productos y proyecciones del área de marketing, su aceptación real en el mercado es siempre un interrogante. En estos casos, el mejor enfoque es planificar lo mejor posible con los datos disponibles y monitorear de cerca la ejecución para generar las alertas correctas para la operación cuando las ventas se desvían del plan. Con información en tiempo real sobre el consumo de nuevos productos en las cajas minoristas, por ejemplo, es posible responder más rápidamente a las incertidumbres que rodean estos lanzamientos y garantizar la disponibilidad. Con una visión de lo que realmente se está consumiendo, se evita el “efecto látigo” y es posible redireccionar rápida y efectivamente la distribución geográfica de los productos (direccionando la oferta a mercados que tienen una mejor aceptación de nuevos SKUs), y desencadenar acciones de emergencia de producción y compra de insumos.

SATISFACCIÓN DEL CLIENTE: El nivel de servicio, junto con la previsión de ventas y el coste de atender al mercado, conforman uno de los tres grandes grupos de indicadores estratégicos a monitorizar en el S&OP. El monitoreo de las redes sociales le permite capturar diversa información sobre la satisfacción del cliente con respecto a un producto o servicio. Las cifras exactas son difíciles de estimar, pero se sabe que sólo una pequeña parte de los consumidores insatisfechos presenta quejas formales ante el defensor del pueblo de la empresa. Sin embargo, es común que muchos expresen su opinión a través de las redes sociales, alardeando ante cualquiera que quiera escuchar lo insatisfechos que están con un producto o un servicio. El uso de herramientas extracción de textos  medir la incidencia de palabras como “retraso” y “retraso” junto a la marca de la empresa puede desencadenar planes de acción específicos para mejorar el tiempo de atención. Para ilustrar la fuerza de las redes sociales, según una investigación de NM Incite [ 1 ](joint venture entre Nielsen y McKinsey, creada para estudiar el impacto de las redes sociales en el consumo), a fines de 2012, casi el 60% de los estadounidenses entre 18 y 24 años buscan atención al cliente a través de las redes sociales y el 71% de los que reciben buen servicio a través de este canal recomendar la marca a otros. Una comprensión completa de las necesidades y expectativas de los clientes debe dirigir los costos de la cadena de suministro, y el estudio de este "sentimiento" del mercado es una de las áreas más vigorosas que se forman alrededor del Big data.

Figura 2: resumen de los beneficios de Big Data
Fuente: análisis del McKinsey Global Institute

SEGUIMIENTO DE EJECUCIÓN: Como mencionamos anteriormente, una información más detallada sobre el consumo del cliente final permite una mayor visibilidad de la cadena y una planificación más rápida y asertiva de cuánto mantener en stock en cada ubicación, sin depender de la política de inventario o la calidad de los sistemas de almacenamiento del minorista. . . Un buen ejemplo son los productos que faltan en los lineales de los supermercados y que aparecen en stock pero tienen problemas de registro. Análisis de diferencias entre vender en e vendido en estos comercios pueden generar alertas sobre el riesgo de desabastecimiento o caducidad del producto. Cuando el proveedor del producto tenga visibilidad del consumo del cliente final y no solo de los pedidos del minorista, será posible diagnosticar este tipo de problemas en tiempo real, cuando, por ejemplo, ocurra una caída inesperada en las ventas. Esto sustenta los análisis de riesgo y oportunidad que son la base del proceso de toma de decisiones en S&OP.

EL RIESGO DE LA PARÁLISIS POR ANÁLISIS

Incluso con el aumento de la capacidad de análisis, es importante recordar que los recursos siguen siendo limitados, como la capacidad para invertir en TI, la cantidad de personas para traducir los resultados del análisis y los plazos cortos para la toma de decisiones. Todavía hay una gran escasez de profesionales calificados en análisis de datos en el mercado. Así, uno de los peligros de Big Data – y más específicamente para los procesos de planificación que comienzan a utilizar la información – es dedicar mucho tiempo a generar análisis e información, sin poder llegar a ninguna conclusión a tiempo para tomar acciones que agreguen valor.

Dentro del período de análisis del proceso S&OP, que generalmente ocurre en ciclos mensuales, es necesario comprender lo que sucedió en la operación en el pasado y planificar para el futuro, incluida la evaluación de los impactos de las desviaciones de planificación actuales. Si la cantidad de datos empieza a crecer mucho, y se abre demasiado la posibilidad de análisis, es muy común que el equipo de S&OP, encargado de apoyar las decisiones de los gerentes, no pueda generar todos los análisis a tiempo, o perderse con la “curiosidad” de comprender mejor todas las novedades que empiezan a aparecer.

Por lo tanto, es necesario enfocarse a la hora de estructurar cómo se trabaja con el Big Data dentro de la compañia. La inversión en TI no es la única solución para potenciar los resultados de su empresa con el uso de Big Data. A veces, una inversión excesiva en TI puede incluso obstaculizar la evolución de los procesos y operaciones de comprensión del mercado. Lo ideal es una combinación de equipo, tecnología, procesos y enfoque.

CONCLUSIÓN

El uso de Big Data puede aportar un valor significativo a muchas áreas de las empresas en las más variadas industrias, desde servicios financieros hasta servicios de salud. Según el citado estudio de McKinsey, el buen uso de esta nueva información supondría un incremento de 300 millones de dólares para el sistema médico americano, 250 millones de euros para la administración pública de la Unión Europea o hasta un 60% de incremento del margen de minoristas estadounidenses.

Figura 3 – Sectores y tipos de beneficios obtenidos con Big Data
Fuente: análisis del McKinsey Global Institute

El proceso analítico y de toma de decisiones de S&OP es una excelente manera de convertir la información en acción y mejorar significativamente el equilibrio entre las ventas y las operaciones, asegurando que toda la organización esté alineada con un objetivo común. Esto lo convierte en un gran cliente para el despliegue de tecnologías Big Data y, como todo gran cliente, debe ser incluido en el levantamiento de requisitos del proyecto.

Sin embargo, se requiere cautela para transformar esta información en valor real para el negocio y orientar la toma de decisiones y planes de acción en base a las nuevas Insights. Este cambio debe verse como un punto de inflexión y no solo como una mejora orgánica del proceso. Es necesario definir el objetivo a lograr con la nueva información, qué tipos de nuevos análisis deben ser posibles y cómo generarlos. Se deben buscar personas que tengan la capacidad analítica para transformar terabytes de datos en información comercial, dimensionar inversiones en tecnologías de captura, analizar y almacenar datos y repensar los procesos de la empresa. Será necesario transmitir la confianza necesaria al equipo directivo, que cada vez más tendrá que basar sus decisiones en datos actuales en lugar de mirar únicamente información histórica.

Sobre todo, es necesario evaluar el nivel de madurez actual del proceso de planificación antes de incluir dimensiones de Big Data, y asegurarnos de que ya estamos extrayendo todo lo que podemos del escenario actual antes de dar el siguiente paso. Tienes que caminar antes de correr.

-

[ 1 ] “Big data: The Next para la innovación, la competencia y la productividad”, McKinsey Global Institute, 2011

[ 2 ] “Análisis: el uso real de Big Data; cómo las empresas innovadoras extraen valor de datos inciertos”, IBM Institute for Business Value, 2012

[ 3 ] “Encuesta de atención social Incite de NM de 2012”, NM Incite, 2012

Autor:
Diego de Souza, socio gerente de Plannera – Soluções em Planning
Caio Rodrigues, gerente de proyectos en ILOS – Instituto de Logística y Cadena de Suministro