Es evidente que los términos Big Data, Data Science, Machine Learning o Inteligencia Artificial son #trending topics y términos de moda (por cierto, si quieres conocer las diferencias entre Big Data y Data Science, te dejamos este post).
Todas las organizaciones quieren incorporar estas tecnologías en sus proyectos de innovación dentro de la estrategia de transformación digital que están desarrollando. Sin embargo, hay una tendencia a pensar que este tipo de proyectos son exclusivamente aplicables a los sectores Tic, Digital o Telco… ¡Nada más lejos de la realidad!
El Data Science es aplicable a cualquier compañía que trabaje con datos y quiera explotarlos para sacar valor de ellos. De hecho, últimamente se habla más de Big Data como estrategia que como tecnología. Cada vez más empresas están virando hacia programas Data Driven que basan la toma de decisiones en datos.
Desde PiperLab nos hemos propuesto hacer llegar este mensaje a empresas de otros sectores o industrias más tradicionales que están aún algo más atrasados en este aspecto y que se están perdiendo todo lo que estas nuevas técnicas puede aportar a sus organizaciones. Uno de estos sectores es el de Alimentación y Bebidas, que incluye desde las fábricas y plantas de producción hasta las envasadoras, embotelladoras o empresas de distribución y transporte.
Para esta industria hay infinitos proyectos que se pueden plantear utilizando técnicas de Data Science y que pueden ayudar a resolver retos que mejoren nuestro posicionamiento y por tanto nuestra competitividad en el mercado.
En este post os voy a contar un par de ejemplos de proyectos que hemos llevado a cabo para empresas de alimentación como Campofrío.
- Previsión de demanda. La previsión de demanda es fundamental para poder planificar la producción, y en consecuencia los recursos. Para conseguir el óptimo rendimiento en una fábrica es imprescindible mejorar la rentabilidad manteniendo los estándares de calidad de los productos que se trabajan y los servicios que se ofrecen. Esto es lo que realmente marca una ventaja competitiva en un sector tan influenciado por los mercados internacionales. La base para poder hacer una buena previsión son los datos internos del histórico de producción y de las ventas de las empresas. Sin embargo, la clave radica en el enriquecimiento de estos datos con variables externas: ¡nuestra especialidad! Por ejemplo, para la previsión de demanda para un fabricante de pizzas es esencial tener en cuenta el calendario de la liga de fútbol. ¡No os hacéis una idea de lo que se dispara las ventas de pizzas en un clásico Real Madrid – FC Barcelona o en los derbis por ciudades…! Una correcta previsión de demanda nos permitirá ajustar la producción a las ventas, y optimizar así la rentabilidad de la compañía.
- Por otro lado, uno de los objetivos más retadores de la industria siempre ha sido la optimización de la productividad, maximizando la eficiencia del personal en fábrica. Esto es sin duda otros de los factores diferenciadores del mercado. Por esto, las empresas destinan incontables esfuerzos y recursos en este tema que les permita ganar en competitividad. Aquí, la solución de PiperLab pasa por analizar los datos del histórico de trabajos y personas de las compañías. y desarrollando un algoritmo de aprendizaje automático, con el objetivo de proponer una planificación optima con asignación de recursos con tareas Sorprendentemente, en muchas empresas aún se siguen utilizando técnicas manuales para hacer estas planificaciones de tareas; pero los imprevistos de retrasos y urgencias de los pedidos, y las imprevisibles bajas de los trabajadores hacen de las re-planificadores los dolores de cabeza de estas compañías. Con esta solución, la re-planificación es automática, y busca la optimización de la eficiencia en función de las productividades y capacidades de cada empleados y los trabajos a realizar.
Con esto termino mi post sobre Big Data en el sector de la alimentación, espero haber cumplido el objetivo que me ponía inicialmente de inspirar a empresas del sector alimentación y bebidas sobre algunos proyectos que se pueden llevar a cabo con sus datos para mejorar en productividad y la optimización de sus procesos.
