Plantear modelos predictivos cuando nos encontramos en situaciones de incertidumbre puede convertirse en todo un reto.
Y es que no siempre se tienen datos históricos que nos guíen para predecir qué va a ocurrir. Ya lo pudimos comprobar con la llegada del Covid-19 o la borrasca Filomena.
La incertidumbre, el Big Data y la Inteligencia Artificial fueron los temas del evento «Planificación de las operaciones logísticas y de transporte en entornos VUCA» organizado por el Centro Español de Logística (CEL), en colaboración con el CEXCO y el Ayuntamiento de Coslada. Evento en el que participó como ponente Alejandro Municio, lead data scientist de PiperLab, junto a David Sánchez, responsable de calidad de servicios de operaciones de SEUR.
“Toda predicción generada tiene una incertidumbre asociada”
Alejandro quiso trasladar en su charla una breve introducción sobre diferentes fenómenos que generan incertidumbre, así como sus consecuencias, antes de explicar las posibles estrategias para afrontarlos.
“El Covid-19 fue el rey de todos estos fenómenos inesperadas. Entre otras cosas, provocó que durante el 2020 la demanda productos y servicios por parte de las empresas B2B y usuarios finales que, hasta ese momento había sido estable, aumentase o disminuyese radicalmente, en función del sector.
Por poner dos ejemplos, “las empresas de venta de auriculares experimentaron un fuerte aumento, debido al teletrabajo. Sin embargo, otros negocios como la venta de combustibles cayeron en picado”.
Alejandro indicó que estos comportamientos provocan que las empresas no tengan en ocasiones recursos para afrontar un aumento de demanda extremo. Ya sea porque no cuentan con suficiente stock, o porque no tienen espacios de almacenamiento suficientes.
¿Qué soluciones aporta PiperLab?
En ese sentido, Alejandro trasladó a la audiencia algunas de las estrategias que PiperLab utiliza en estos casos, entre las que destacó “volverse más cortoplacista”. “La pandemia nos ha enseñado que los modelos funcionan mejor con datos e información más reciente, en lugar de datos de años anteriores o más antiguos, y funcionan mejor haciendo proyeciones a futuro pero a corto plazo”.
Otra estrategia es el uso de datos externos que ayuden a gestionar la incertidumbre.
“Cuando el evento externo que altera las previsiones ha sucedido más veces en el pasado y sabemos cuándo va a ocurrir en el futuro, podemos introducirlo como variable dentro del modelo”, aclaró.
La tercera estrategia pasa por realizar simulaciones data-driven, es decir, “hacer simulaciones de situaciones que no se han dado nunca para predecir su posible evolución”, aclaró Alejandro.
PiperLab y SEUR
Por su parte, David Sánchez, explicó la experiencia de SEUR con PiperLab en el desarrollo de proyectos que también se han visto impactados por momentos de incertidumbre, a raíz de la Covid19. No sólo el 2020 ha sido incierto, sino que seguimos durante este 2021 en un momento VUCA completamente incierto y en un continuo cambio, intentando adaptarnos.
“En apenas unos meses durante la pandemia, los volúmenes de pedidos alcanzaron cifras similares a las experimentadas en los picos de Navidad, Black Friday o rebajas»
«Gracias a los modelos de machine learning e IA que nos desarrollaron desde PiperLab logramos dar cabida al aumento de demanda, y planificar la alta variabilidad de volúmenes»
Por otro lado, estos modelos nos ayudaron a dotar de previsión de demanda tanto de salidas como de llegadas a todas las unidades de negocio”, añadió David.
Para finalizar la presentación, David auguró, además, un futuro en el que las empresas necesitarán estar pendientes constantemente de los cambios. “Aunque ya no exista una pandemia en un futuro, hay que estar preparados para cualquier imprevisto y gestionarlo lo más rápido posible”.
