Google Cloud lanza una herramienta de IA para la previsión de demanda

Con el objetivo de ayudar a los retailers a optimizar la tarea de aprovisionamiento, Google ha lanzado una nueva herramienta basada en inteligencia artificial que permite obtener previsiones en tiempo real sobre demanda, planificación de ofertas y, en general, todos aquellos factores que puedan influir en el tráfico de ventas en los canales online y físico. 

Según ha recordado Craig Wiley, director de gestión de producto de IA y soluciones sectoriales de Google Cloud, para el sector Retail la precisión en las previsiones de la demanda ha sido siempre un factor clave para la buena planificación del negocio, la gestión de stocks, la racionalización de la logística y la satisfacción del cliente. “Unas previsiones exactas son esenciales para entregar el producto adecuado en el lugar adecuado y en la cantidad correcta”. 

Pero esta planificación no resulta sencilla. Según los datos aportados por Wiley, los comercios pierden más de un trillón de dólares al año debido a la mala gestión de los stocks. Y la mejora de un 10-20% en la precisión de las previsiones de demanda puede reducir en un 5% los costes de almacenamiento y aumentar los ingresos en un 2-3%. 

Esta dificultad a la hora de hacer previsiones se vuelve también más compleja a medida que el retailer gana alcance geográfico y amplía el número de referencias disponibles. “ Las actividades que no han sufrido restricciones durante la pandemia no han hecho sino agravar los cuellos de botella en las cadenas de suministro y aumentar la dificultad de las previsiones, ya que los cambios han sido rapidísimos”, señala. 

En este contexto, la firma tecnológica ha lanzado Vertex AI Forecast, una nueva herramienta basada en inteligencia artificial que consigue procesar automáticamente hasta 100 millones de filas que contienen miles de líneas de productos desde BigQuery o archivos CSV y evaluar cientos de modelos diferentes para encontrar el más eficiente. 

Su algoritmo posibilita encontrar de forma sistemática las configuraciones más eficientes para una gran variedad de clientes y conjuntos de datos y gracias a sus capacidades de pronóstico jerárquico, los retailers pueden generar previsiones precisas que trabajan en múltiples niveles (por ejemplo, vinculando las demandas a nivel de artículo, tienda y región) al tiempo que minimiza los problemas creados por la compartimentación organizacional. 

La herramienta también puede ingerir grandes volúmenes de datos no estructurados para comprender las señales más relevantes, como el clima, los precios de las materias primas, los costes de flete y de transporte marítimo.