Comportamiento de las Ventas : E-commerce en el Perú y Latinoamérica

Comportamiento de las Ventas : E-commerce en el Perú y Latinoamérica

  8:42    Julio Ramdar

---

El comercio electrónico (e-commerce) es el entorno digital que permite la compra y venta de productos o servicios por internet. El entorno o plataforma digital suele ser una página web, una aplicación de celular o una red social.

En el Perú las compras por internet se han incrementado considerablemente en los últimos años, siendo los años de la pandemia donde se produjo el crecimiento exponencial de las ventas. Si bien en el presente el ritmo de crecimiento del comercio electrónico se ha ralentizado durante el retorno a la presencialidad, la tendencia marca que el e-commerce está creciendo progresivamente impulsada por los medios de pago digitales (tarjeta bancaria, monedero electrónico, entre otros).

En el siguiente cuadro se aprecia el crecimiento de las ventas en el Perú por el canal e-commerce desde el periodo 2011 a 2022. (Expresado en Millones de dólares)

Fuente: Cámara de Comercio de Lima

Más del 50% de clientes que realizan compras online mensuales en Perú invierten S/. 750 a más, como se aprecia en el siguiente gráfico de ticket mensual de compras online.

                                                  Fuente: Cámara de Comercio de Lima

Sorprende ver en los resultados de cara a 2023 el ascenso vertiginoso de las billeteras electrónicas, que aparece en cuarto lugar como medio de pago más usado para compras online en el Perú, como se muestra en el gráfico.

                                              Fuente: Cámara de Comercio de Lima

Una característica importante a resaltar es que los clientes "bancarizados" (que cuentan con tarjeta o acceso a servicios de financiera / banco), representan más del 60% de las compras online. También un dato interesante a mencionar, es el motivo o gatillador que determina que el cliente realice su compra en la web. Las estadísticas nos dicen que el 65.7% de los consumidores peruanos realizaron su compra por los precios y promociones exclusivas de la web. (Fuente: Infobae)

Para citar un caso de éxito en el canal ecommerce, tenemos a "Mercado Libre" plataforma que se encuentra entre los mejores marketplace de Latinoamérica. En el siguiente gráfico apreciamos el crecimiento de más de 200 % que ha tenido Mercado Libre a nivel de las ventas comparando 2022 vs 2019 y si lo comparamos con otras plataformas el crecimiento ha sido exponencial, en parte explicado por la tendencia del consumidor latinoamericano a comprar más en el canal ecommerce.

A nivel de ventas retail el porcentaje de las transacciones a través del canal e-commerce es aún pequeño, se aprecia que en latinoamérica representa el 10 % comparado con China donde se aprecia que el canal ecommerce representa el 40% de las ventas retail.

En el caso del Perú, las ventas ecommerce representan menos del 5% del total de las ventas retail. Sin embargo existe una gran oportunidad de potenciar este canal de venta y Mercado Libre lo tiene claro en su estrategia a través de su marketplace, es por ello que ha venido desarrollando una serie de ecosistemas de soluciones tecnológicas para incentivar el comercio electrónico apoyado por su estrategia de "Mercado pago", donde se acepta distintos medios de pago y la posibilidad de que operadores y/o emisores de tarjetas bancarias puedan otorgar beneficios (meses sin intereses, descuentos, entre otros)

Mercado Libre aprovechando el contexto de oportunidad de crecimiento del ecommerce en Perú viene centrando su estrategia en una experiencia de compra y venta superlativa como por ejemplo brindando el servicio de atención 24/7 , APP de navegación de clase mundial, Devoluciones express, compras protegidas, además de brindar ofertas exclusivas, cupones de descuento, envíos gratis por compras mayores a 79 soles, cuotas sin intereses, envíos el mismo día de la compra, entre otros.

En resumen podemos afirmar que el canal ecommerce tiene un alto potencial de crecimiento el cual puede ser aprovechado por estrategias de diferenciación que brinden una experiencia de compra y venta diferenciada a los clientes, impulsado por las tecnologías de información y los distintos medios de pago haciendo más sencillo vender o comprar productos y servicios.

Bibliografía: 

Infobae(2023)  Comercio electrónico en el Perú movería USD 23 mil millones este año. https://www.infobae.com/peru/2023/03/22/comercio-electronico-en-el-peru-moveria-usd-23-mil-millones-este-ano/

América Economía (2023). E-commerce en Perú creció 30% y logró US$ 12.100 millones de ventas en 2022. https://www.americaeconomia.com/negocios-e-industrias/e-commerce-en-peru-crecio-30-y-logro-us-12100-millones-de-ventas-en-2022

Ecommerce TV (2023). Marketplaces en Perú: Caso Mercado Libre. https://www.youtube.com/watch?v=sy6pCJ3mut4

Read More

Muestreo Aleatorio versus Asignación Aleatoria

Muestreo Aleatorio versus Asignación Aleatoria

  8:03    Julio Ramdar

---

En estadística es ampliamente utilizado el término muestreo aleatorio para determinar a través de la selección de la muestra(s) representativa una conclusión respecto al comportamiento de la población.

Sin embargo, en diseño de experimentos hablamos de la asignación aleatoria que no es otra cosa que asignar aleatoriamente a los participantes a los grupos experimentales o de control (no afecto al experimento) para efectos de comparación.

En un muestreo aleatorio podemos generalizar una conclusión, la cual se aplica a todos los individuos de una población, sin embargo no podemos determinar una relación causa efecto.

Ejemplo 1: 

Un Auditor es contratado para aprobar un lote de producción de 3000 chompas, de los cuales solo está permitido que menos del 5% del lote presente defectos para ser aprobado.

El Auditor selecciona 900 chompas de forma aleatoria (30% del lote), revisa que cada chompa cumpla con las especificaciones según ficha técnica. Luego de la inspección resulta que más del 50% de las unidades auditadas presentan defectos, por lo tanto concluye que más del 50% del lote total no es conforme y  por tanto debe ser rechazado el lote completo.

En el ejemplo precedente el Auditor generaliza el resultado hacia el lote total (población), más no puede concluir sobre la causa principal que origina los defectos para todo el lote.

En la asignación aleatoria se asignan dos grupos, el grupo que será afectado por el experimento y el grupo que no está afecto al experimento para efectos de comparación. A partir del mismo se puede determinar una relación causa efecto que es aplicable solo a los individuos asignados, pero no podemos generalizar los resultados para toda la población de los individuos.

Ejemplo 2:

Un Analista desea identificar si las ventas de productos textiles en una empresa retail se incrementa en más del 60% aplicando una promoción específica para un segmento de clientes, para lo cual asigna  a un grupo de tiendas la promoción y otro grupo de tiendas no son afectas a la promoción. 

Los resultados luego de la campaña demuestran que en efecto se logra la meta del incremento de ventas en más del 60% en aquellas tiendas en las que se aplica la promoción comparado con aquellas tiendas no afectas a la promoción.

En el ejemplo 2 podemos decir que la aplicación de la promoción generó un incremento de más del 60% de las ventas, sin embargo no podemos generalizar que se aplique este resultado a todo el universo de tiendas de la empresa.

La pregunta es ¿Nos podemos beneficiar de las bondades de cada método?, la respuesta es sí, tomando en consideración que de una población podemos seleccionar individuos de manera aleatoria y a partir de la misma asignar un grupo de individuos sujeto al experimento y un grupo no afecto al experimento.

En la siguiente matriz se resume los resultados a obtener aplicando o no ambos métodos.

Read More

Six Sigma : Control del Nivel de Agotamiento

Six Sigma : Control del Nivel de Agotamiento

  15:31    Julio Ramdar

---

Lograr el nivel de calidad 6σ (3.4 defectos por millón de oportunidades), requiere que la organización ordene sus procesos, los estandarice y seguido asegure el monitoreo y control permanente del proceso para garantizar que el producto o servicio brindado al cliente cumpla con sus requerimientos y expectativas.

En el mundo del retail, la gestión de la estrategia comercial y logística resulta clave para garantizar el éxito de los procesos, siguiendo esa línea es necesario contar con procesos normalizados que establezcan claramente las responsabilidades, actividades y controles para asegurar los objetivos del negocio.

Un factor importante en la medición de la efectividad de la estrategia comercial es el nivel de agotamiento, que significa el porcentaje de consumo de una compra realizada. 

Agotamiento = Cantidad vendida en unidades / Cantidad comprada en unidades

A continuación se muestra data histórica del nivel de agotamiento de una empresa retail del año 2018. Se requiere medir la capacidad del proceso (entendido como el grado de cumplimiento para asegurar los requisitos del cliente) y establecer cual es su nivel six sigma (línea base) para posteriormente identificar puntos fuera de control, realizar las correcciones pertinentes y lograr el six sigma objetivo.

La empresa espera que el nivel de agotamiento se encuentre en un rango del 50% a 95% , para ello determinaremos el Cp (Capacidad del proceso)

Cp = (Límite de Especificación Superior - Límite de Especificación Inferior ) / 6 sigma

En primer lugar se calcula el promedio y desviación estándar del agotamiento.

Promedio del Agotamiento = Sumatoria (Agotamiento de cada mes) / número de meses

Promedio del Agotamiento = 50.69%

Desviación Estándar Muestral = Raíz Cuadrada de  la Sumatoria [ (Promedio - Agotamiento del mes 1) ^2 + ... (Promedio- Agotamiento del mes 12)^2] / (número de meses -1)]

Desviación Estándar Muestral = 20.46%

Ahora se calcula el Cp:

Teniendo en consideración que el Límite de Especificación Superior  (LES) es 95% y el Límite de Especificación Inferior (LEI) es 50%. 

Cp = LES - LEI / (6* Desviacion estándar) = (0.95- 0.5) / (6*0.2046) = 0.45 / 1.2273092 

Cp = 0.37

De acuerdo al resultado cuando el CP es menor a 1, significa que el proceso no es capaz de cumplir con las especificaciones.

El nivel de six sigma correspondiente al CP de 0,37 es 1.09 sigma, lo cual significa que está muy por debajo de lo esperado para alcanzar el nivel seis sigma.

Se debe replantear la estrategia comercial para alcanzar los niveles esperados. El promedio del agotamiento (50.69%) está bordeando el límite de especificación inferior (50%) por lo que se debe en primer lugar asegurar que el proceso esté centrado. Una alternativa es identificar si el responsable está gestionando de forma correcta la implementación de la estrategia, si las compras están alineadas a las metas de venta, si se está cumpliendo con los controles establecidos en el proceso de la estrategia comercial, entre otros.

En este pequeño ejemplo se demuestra que el histórico de agotamiento nunca va a cumplir con las expectativas esperadas por la organización porque no se actúa sobre la causa raíz que origina que el nivel de agotamiento esté por debajo de lo esperado.

Read More

Teorema de Bayes - Predecir el comportamiento de una acción de bolsa

Teorema de Bayes - Predecir el comportamiento de una acción de bolsa

  8:16    Julio Ramdar

---

El Teorema de Bayes es un método útil que nos ayuda a precedir un suceso en función a información previa.

Si recurrimos a la teoría de la probabilidad sabemos que:

P (A y B) = P (A/B)*P (B)

La probabilidad conjunta de que suceda A y B es igual a la probabilidad de que suceda A dado que se cumplió B, por la probabilidad de que suceda B.

P(ByA) = P(B/A)*P(A)

La probabilidad conjunta de que suceda B y A es igual a la probabilidad de que suceda B dado que se cumplió A, por la probabilidad de que suceda A.

Si igualamos ambos enunciados:

P (Ay B) = P(By A)

P(A/B)*P(B) = P(B/A)*P(A)

Entonces tenemos el enunciado de Bayes:

P (A/B) = [P (B/A) * P (A)] / P(B)

La probabilidad de que suceda A dado que se cumplió B, es igual a la probabilidad de que suceda B dado que se cumplió A por la probabilidad de que suceda A, dividido entre la probabilidad de que suceda B.

Tomando en consideración estos enunciados vamos a calcular la probabilidad de que las acciones de Tesla (TSLA) aumenten su valor en los próximos días:

1) En primer lugar debemos establecer la relación de dependencia entre dos variables , para nuestro caso las acciones de Tesla (TSLA) comparadas con el indice bursatil referente Vanguard S&P500 (VOO) a fin de demostrar estadísticamente que existe una alta relación lineal entre ambas acciones de bolsa.

- Se muestra el extracto del histórico de cotizaciones diarias de las acciones de Tesla (TSLA) y Vanguard S&P500 (VOO) considerando el periodo 02/01/2019 hasta el 07/01/2022.

- Utilizando la fórmula de excel se calcula el coeficiente de correlacion (Pearson)  (=COEF.DE.CORREL(Matriz1, Matriz2) ), siendo el resultado 0.9358 , lo cual indica que existe una alta dependencia lineal positiva entre ambas variables.

- En el siguiente gráfico de dispersión que compara ambas variables podemos evidenciar visualmente, que mientras las cotizaciones de Vanguard S&P500 se han ido incrementando a lo largo del tiempo, lo mismo ocurre en el caso de las acciones de Tesla (TSLA).

 

2) Ordenar la cotización de las acciones de forma descendente (de la fecha más reciente a la más antigua), seguido calcular la variación de las cotizaciones simplemente restando el valor de la cotización del día contra el día anterior, aplicar la misma operación en ambas acciones de bolsa.

3) Calcular la frecuencia o número de veces que las acciones de:

- TSLA suben y VOO tambien suben

- TSLA sube y VOO se mantiene igual

- TSLA sube y VOO baja.

4) Calcular la frecuencia o número de veces que las acciones de:

- VOO suben

- VOO se mantiene igual

- VOO baja

5) Se muestra el resumen de los resultados en la siguiente tabla dinámica:

6) A continuación se va a ordenar en la siguiente matriz los resultados obtenidos:

 Por ejemplo:

- En la casilla que corresponde a las acciones de TSLA aumentan y VOO aumentan  colocamos 288 que viene a ser el número de veces que se cumple la condición durante el periodo analizado.

- El número de veces que VOO aumenta es 437 , colocamos este valor como total de la fila.

- La suma de cada casillero de una fila de la matriz debe ser igual al total de la fila correspondiente. 

288 + 149 = 437

416+ 346 = 762

 

7) Para calcular la probabilidad de que las acciones de Tesla (TSLA) aumenten, calculamos la suma de la columna que corresponde a la condición "acciones de TSLA aumentan", seguido lo dividimos entre el total de cotizaciones (762).

P (TSLA +) = (288 + 2 + 126) / 762 = 55 %

Conclusión: Podemos afirmar de acuerdo a la información histórica y tomando en consideración el teorema de bayes, existe un 55% de probabilidad de que las acciones de Tesla sigan aumentando su valor en los próximos días.

Otra ventaja de esté método es que la información obtenida puede ser actualizada con información real de nuevas cotizaciones, lo cual modifica los resultados de la probabilidad  según el comportamiento real de la acción.

Read More

Programa de Auditoría - ISO 9001:2015

Programa de Auditoría - ISO 9001:2015

  10:33    Julio Ramdar

---

Un componente importante en la evaluación del sistema de gestión de calidad de una empresa, es el Programa de Auditoría que justamente ayuda a identificar aquellas debilidades de los procesos en donde se evidencia el incumplimiento de los requisitos establecidos en la norma ISO 9001:2015.

Sin embargo bajo mi punto de vista, el punto que agrega valor a la auditoría es determinar aquellas potenciales actividades del proceso que pueden terminar en no conformidad, medir su impacto y criticidad y establecer medidas de control para asegurar que esté dentro de los parámetros establecidos.

Sobre las no conformidades ya consumadas, lo que corresponde a la organización es corregirlas y tomar acciones correctivas para evitar que vuelva a presentarse en el proceso. Para esto la auditoría remarca la necesidad de ajuste del proceso a fin de evitar la disminución o reducción del valor del producto o servicio brindado a los Clientes.

La norma ISO 9001: 2015 establece que las organizaciones deben definir un programa de auditoría interna que les ayude ha revisar periódicamente el cumplimiento de los procesos establecidos. Las áreas de la organización deben transparentar sus procesos, por un lado teniendo la trazabilidad de los mismos y a la vez rindiendo cuentas a la alta Dirección a través de los indicadores de gestión. Que mejor acreditación  de que los que los  procesos se están llevado a cabo según lo planificado y documentado en sus normativas a través de la Auditoría Interna. 

Tengo que reconocer que algunas organizaciones han distorsionado el uso de la Auditoria Interna justificando el hecho de no tomar acciones sobre no conformidades debido a que han sido detectadas en una Auditoría Interna reciente y solo se ha planificado las medidas a tomar a fin de evitar una declaración de no conformidad en una Auditoría de Vigilancia realizada por una Casa Certificadora (Tercero).

Es por este motivo que la organización debe ser consciente de que el fin de la Auditoría Interna es ayudarle a corregir lo que no se está haciendo bien y reforzar los puntos de control para asegurar la estabilidad y continuidad de los procesos en beneficio de obtener un producto y servicio adecuado que cumple con los requisitos del Cliente.

Por otro lado en el caso de la casa certificadora debe revisar con cuidado la documentación presentada por la organización como evidencia de Auditoría Interna con el fin de ayudar a que el sistema de gestión de calidad realmente funcione y no sea solo un mero compromiso de palabras por parte de la Alta Dirección de la organización.

La Auditoría Interna no debe ser tomada como un mero formalismo, es una pieza clave en el proceso de evaluación del sistema de gestión de calidad que revela y coloca sobre la mirada del Directorio y áreas de la organización involucradas todos aquellos puntos de mejora o procesos que están marchando fuera de lo establecido en perjuicio de la empresa y la satisfacción del Cliente.

Para concretar la Auditoría Interna, la organización debe establecer un Programa de Auditoría Interna Anual, es decir la planificación tangibilizada en un cronograma anual donde se fija en qué mes o fechas se concretará la Auditoría, su alcance (todos los procesos serán auditados o parte de ellos), la frecuencia.

A continuación se muestra un formato de Programa de Auditoría. Los campos básicos que debería contener este formato se muestran a continuación:

Fuente: http://media.peru.info/promperu/mapro/Mejora-Continua/Procedimiento-Auditorias-internas.pdf

La Auditoría Interna como requisito de la norma ISO 9001:2015 no establece un número mínimo de Auditorías que se debe realizar en el año, sin embargo cada organización según el giro de negocio y los procesos a evaluar determina la cantidad necesaria de auditorías para asegurar el cumplimiento de los procesos establecidos.

El siguiente formato representa un "Programa de Auditoría"  de una empresa de servicios estatal

Fuente: http://www.pastosaludese.gov.co/images/calidad/2020/Programa%20anual%20auditoria%202020%20ok.pdf

Como es evidente cada organización determina el detalle del registro del Programa de Auditoría , sin embargo este debe demostrar que es lo suficientemente claro para que todos los involucrados de la Organización lo comprendan cabalmente.

Para este caso la empresa de servicios estatal tomada como ejemplo ha convenido dejar en claro qué procesos están fuera del alcance del Programa de Auditoría los cuales deberán ser debidamente sustentados durante la Auditoria de Tercera parte, se definen los recursos necesarios para asegurar la ejecución de la Auditoría, los riesgos a los que están inmerso en sí el proceso de Auditoría, entre otros.

Finalmente las compañías deben demostrar un real compromiso con su sistema de gestión de calidad, y un mecanismo de comprobar el cumplimiento de estos compromisos adquiridos por la Alta Dirección y sus colaboradores es a través de la Auditoría Interna.

Read More

Matriz de Confusión: Detección de Fraude en Tarjetas de Crédito

Matriz de Confusión: Detección de Fraude en Tarjetas de Crédito

  11:28    Julio Ramdar

---

Con el auge del e-commerce y el contexto de la pandemia, las ventas online se han incrementado. Los Clientes están modificado su comportamiento de compra, ahora haciendo uso de tarjetas bancarias para ejecutar transacciones en tiendas virtuales de diversas compañías y adquirir el producto de su preferencia.

A su vez este comportamiento genera una mayor exposición al fraude transaccional, lo cual viene siendo revisado por las compañías con mucho interés para evitar pérdidas económicas para las propias compañías y sus Clientes.   

Siendo un proceso sensible la detección de fraudes a nivel transaccional. Una companía retail ha decidido probar (02) modelos de detección de fraude con tarjeta de crédito, en su plataforma de e-commerce. Para ello se determinará la precisión del modelo haciendo uso de los conceptos de la matriz de confusión.

Los datos a utilizar en este caso a manera de ejemplo han sido extraídos del trabajo de grado desarrollado por la Facultad de Estadística de la Universidad Santo Tomás (Gonzáles, Ortiz, Romero, Cruz. 2018) respecto a detección de fraude en tarjetas de crédito.

La compañía retail ha decidido poner a prueba ambos modelos con una base de prueba de (84,891) transacciones (que incluyen transacciones normales y fraudulentas) a fin de elegir el mejor modelo a implementar como sistema de detección antifraude de tarjetas de crédito.

a) Modelo 1: Red Neuronal Artificial

De acuerdo al testeo se obtuvieron los siguientes resultados expresados en la matriz de confusión:

Matriz de confusión en números de transacciones.

Matriz de confusión en (%) del total de transacciones

b) Modelo 2:Naive Bayes

De acuerdo al testeo se obtuvieron los siguientes resultados expresados en la matriz de confusión: 

Matriz de confusión en números de transacciones.

 

Matriz de confusión en (%) del total de transacciones

 

 

c) Comparativo de Ambos modelos

Para validar qué modelo es más preciso a la hora de detectar transacciones normales y fraudulentas se utilizará las fórmulas de precisión de predicción positiva, predicción negativa y precisión del modelo.

Precisión de Predicción Positiva (PPP) = Verdadero Positivo / (Verdadero Positivo  + Falso Positivo)

PPP del modelo 1 = [84731 / (84731 + 22) ] *100 = 99. 97 %

PPP del modelo 2 = [82912 / (82912 + 1841) ] *100 = 97. 83 %

Precisión de Predicción Negativa (PPN) = Verdadero Negativo/ (Verdadero Negativo  + Falso Negativo)

PPN del modelo 1 = [111 / (111 + 27) ] *100 = 80. 43 %

PPN del modelo 2 = [117 / (117 + 21) ] *100 = 84. 78 %

 

Precisión del Modelo (PM) = (Verdadero Positivo + Verdadero Negativo) / (Verdadero Positivo + Falso Positivo + Verdadero Negativo + Falso Negativo)

PM 1 = [(84731 + 111) /(84731+22+111+27)]*100 = 99.94%

PM 2 = [(82912 + 117) /(82912+1841+117+21)]*100 = 97.81%

Interpretación

Cuadro Comparativo de los Modelos

Como se puede apreciar la precisión de que se detecte como transacción normal una transacción que en efecto está libre de fraude es del 99.97% para el caso del modelo 1 el cual es superior al modelo 2 (97.83%)

Para el caso de la precisión de detectar como transacción fraudulenta una transacción irregular (no autorizada por el titular de la tarjeta) es de 84.78% para el modelo 2 la cual es superior al modelo 1. (80.43%)

Para nuestro caso la predicción del modelo completo nos ayudará a decidir qué modelo es el más preciso para prevenir fraudes y evitar errores en la detección de transacciones fraudulentas.

Por lo tanto el modelo 1 que tiene una precisión del 99.94 % para detectar verdaderamente transacciones normales y fraudulentas es el modelo a implementar, el cual es superior al modelo 2 (97.81%) el cual demostró menor precisión a la hora de identificar realmente transacciones normales.

Bibliografía:

 Gonzáles, Ortiz, Romero, Cruz. (2018). Detección de Fraude en Tarjetas de Crédito mediante técnicas de minería de datos. Universidad Santo Tomás. Colombia

Read More

El Efecto Látigo en Retail

El Efecto Látigo en Retail

  9:12    Julio Ramdar

---

Una constante en el negocio retail es poder predecir la demanda de los clientes. Esta demanda se traduce en la cantidad de un determinado producto o item (SKU) , en la profundidad de la línea (variedad de productos) y en los gustos y preferencias del cliente final (Imagen de marca, color, entre otros).

Frente a esta disyuntiva las empresas generan robustos modelos de predicción para ajustar la reposición de sus productos a niveles cercanos o exactos a la demanda real del Cliente.

Sin embargo no todos los productos se venden de manera constante durante el año, algunos son estacionales (la demanda depende de la estación del año), otros son exclusivos (el producto está disponible en un periodo corto de venta) y otros abruptamente emergen como productos de alta demanda debido al contexto que vive la sociedad. (Especulación, escasez, paralización de las actividades productivas).

En estas circunstancias se puede generar el "Efecto Látigo", que debido a la alta demanda de los clientes,  las empresas retail solicitan una mayor cantidad de productos a los distribuidores y estos a su vez a los fabricantes. Sin embargo la comunicación se puede ver distorsionada por el hecho de sobreestimar la demanda real.

Para enteder este concepto se muestra la siguiente imagen :

 

En el podemos apreciar que la demanda inicial solicitada por el Cliente es "n" la cual es canalizada por el minorista o retail , sin embargo la empresa retail al ver que existe un incremento importante de la demanda del producto , para asegurar su abastecimiento decide solicitar 2n productos al distribuidor.

El distribuidor no se queda atrás, al ver una demanda masiva de productos solicita 8n productos al fabricante a fin de asegurar que los almacenes no se desabastezcan del producto y los fabricantes al ver una demanda explosiva del producto, para asegurar la provisión de los productos a sus clientes solicita a sus proveedores más recursos para poder fabricar 16 n productos

Como podemos apreciar la sobreestimación de la demanda genera un alto riesgo para las empresas sin embargo esta no es visible debido a que solo se vislumbra el proceso que tenemos a cargo pero no identificamos el efecto que tiene sobre toda la cadena de suministros.

Este es un ejemplo típico que suele suceder cuando solo analizamos nuestro proceso y nos enfocamos en mejorarlo, potenciarlo sin tomar en cuenta los procesos involucrados en la entrada o salida de nuestro producto o servicio.

El efecto látigo es un claro ejemplo de lo que sucede en el negocio retail a la hora de abastecer a nuestros puntos de venta para cubrir la demanda del Cliente.

A continuación analizaremos el siguiente diagrama que representa el caso de una empresa retail que ha tercerizado todos sus procesos logísticos y actualmente se concentra en la venta de productos de audio y video a través de sus tiendas físicas.

 

En este caso los invito a dejar sus comentarios y opinar sobre las ventajas y desventajas de este modelo de negocio. Seguidamente se actualizará el contenido en los próximos días con el análisis del caso presentado.

Read More