Eroski aplica analítica avanzada para mejorar su servicio ‘online’
Ibermática ha desarrollado un algoritmo para conocer con antelación la demanda de pedidos de envío domiciliario, que le permite racionalizar el transporte de última milla de la cadena, además de ahorros de costes de hasta el 50%.
Eroski ha contratado a Ibermática para optimizar su servicio de compra a domicilio. La compañía tecnológica ha puesto en marcha un sistema de analítica avanzada de datos, para configurar un modelo predictivo que le permita a la cooperativa optimizar el servicio de transporte de última milla de las compras que los clientes quieren recibir en sus casas. “Esto asegura un ahorro significativo de costes, entre otras iniciativas”, explica Ibermática.
En concreto, la firma tecnológica ha creado un algoritmo que es capaz de predecir aproximadamente cuántos pedidos va a haber a lo largo del día, en qué zonas geográficas, en qué centros preparadores, en qué franjas horarias y los motivos, basándose en el estudio de las series históricas de los últimos años.
Ahorro de costes
Ibermática ha desarrollado varios proyectos mediante técnicas de Inteligencia Artificial y machine learning dentro del ámbito del modelado predictivo y descriptivo, para solucionar diversas casuísticas que se consideran vitales en el centro del negocio. Conocer con antelación el número de pedidos de envío a domicilio que va a registrarse, desgranada en días y franjas horarias, y en base a la capacidad de gestionar los pedidos por parte de los centros preparadores, permite a Eroski ajustar la negociación de las tarifas con sus proveedores de transporte, pudiendo asegurar un ahorro significativo de costes (hasta del 50%), ya que el propio proveedor también los ahorra al optimizar su servicio.
Por otra parte, Ibermática ha conseguido demostrar la ineficiencia en la generación de los pedidos online en los distintos centros de distribución del Grupo Eroski. Asimismo se han descubierto las combinaciones multifactoriales que motivan la aparición de incidencias en la entrega de los pedidos online en el cliente, determinando si dichas reclamaciones son reales a la hora de estimar su medición, y prediciendo y estimando aquellas incidencias no reportadas, con base de la medición del impacto directo y teórico en la satisfacción del cliente.