Los comerciantes se están ahogando en datos, pero carecen de información. En su trabajo, deben tomar decisiones rápidas sobre qué productos comprar, cuáles dejar de comprar, cuáles necesitan un poco de promoción adicional y cuáles deben degradarse en favor de otros productos. Atrás quedaron los días en los que se tomaban estas decisiones basándose en pocos datos y mucho instinto. Hoy en día, los comerciantes analizan los niveles de inventario, los pronósticos de ventas, los tiempos de entrega de los proveedores, los datos históricos y más simplemente para optimizar el reabastecimiento del inventario. Colocar un producto en una tienda o en un sitio de comercio electrónico requiere aún más información.
Desafortunadamente, estos datos suelen quedar atrapados en muchos sistemas diferentes. Los datos de la cadena de suministro y del inventario residen en la plataforma de planificación de recursos empresariales (ERP), mientras que los datos a nivel de tienda generalmente se encuentran en los sistemas de punto de venta (POS) y los datos de compras digitales residen dentro de la suite de comercio electrónico. Los comerciantes son expertos en venta minorista, no analistas de datos. Sin un trabajo exhaustivo de integración y análisis realizado por TI entre bastidores, los datos son difíciles de encontrar, correlacionar y utilizar. El cambio constante de aplicaciones y la avalancha de información aislada a menudo dejan a los comerciantes en un estupor de datos, incapaces de comprenderlos todos a tiempo para tomar decisiones rápidas y críticas.
Los límites del BI tradicional
La inteligencia empresarial (BI) ha ayudado a aliviar el estupor de los datos, pero no lo ha eliminado. Por supuesto, las plataformas de BI modernas pueden integrar datos de innumerables fuentes utilizando una variedad de técnicas avanzadas. Algunas de las soluciones más sólidas incluso incluyen ricas capas semánticas que crean una comprensión compartida de los datos y las reglas comerciales, haciéndolas reutilizables para que el conjunto de activos interdependientes pueda administrarse como un todo en lugar de uno por uno.
Esto es importante porque la BI tradicional depende en gran medida de una capa de visualización para presentar información a partir de estos datos. Por lo tanto, las organizaciones necesitan crear paneles e informes para los comerciantes, y muchos de ellos. Después de todo, un único panel no contendrá toda la información que un comerciante necesita para tomar decisiones, y los datos que cada comerciante necesita serán diferentes de los demás.
Después de décadas de desarrollo de paneles y una acumulación interminable de nuevas solicitudes de paneles a TI, el BI tradicional crea en muchos sentidos simplemente otro «destino» al que acudir un comercializador para tomar decisiones diarias. Está claro que el BI tradicional no es una respuesta que pueda escalarse y adaptarse fácilmente a los muy variados niveles de habilidades y a las siempre cambiantes necesidades de información del comerciante moderno.
BI impulsado por IA: Solución al estupor de datos
Afortunadamente, existe una solución al estupor de datos. Al combinar la IA generativa (GenAI) con la BI, los comerciantes pueden acceder a todo el poder de la BI sin necesidad de paneles de control. En cambio, pueden simplemente pedir la información que necesitan utilizando un lenguaje sencillo y cotidiano. La GenAI por sí sola carece de datos fiables. Después de todo, se basa en un modelo de lenguaje extendido (LLM), no en análisis de datos. Su superpoder es comprender y crear texto, no lidiar con números. Por eso, cuando se le pide que realice análisis complejos, puede cometer errores o simplemente crearlos desde cero. Sin embargo, cuando GenAI aprovecha los análisis precisos, exactos y actualizados contenidos en la plataforma de BI, los comerciantes obtienen lo mejor de ambos mundos: datos confiables accesibles a través de una interfaz de lenguaje natural.
Al integrar BI moderno impulsado por IA en sus flujos de trabajo, los especialistas en marketing minorista pueden hacer preguntas fácilmente sobre niveles de inventario, pronósticos de ventas, tiempos de entrega de proveedores y datos históricos para optimizar las existencias de reabastecimiento. Y, lo que es igualmente importante, los datos se pueden presentar en la forma más útil para los comerciantes: un gráfico, una tabla o incluso un resumen en lenguaje sencillo. Esto no solo ahorra tiempo a los comerciantes, sino que también reduce los costos de propiedad y les permite tomar decisiones rápidamente basadas en datos, mejorando así la eficiencia operativa, la satisfacción del cliente y el crecimiento de los ingresos.
Por ejemplo, digamos que un comerciante está tratando de determinar si debe vender un juguete nuevo de un fabricante importante y quiere entender cómo funcionan juguetes similares en diferentes geografías. Simplemente podrían ingresar un mensaje en la interfaz de un chatbot: «Proporcionenme un gráfico que compare las ventas de casas de muñecas vendidas entre $100 y $150 el último trimestre en todas nuestras diferentes regiones». » El comerciante podría hacer preguntas adicionales como: “Intente realizar esta comparación según el SKU de cada casa de muñecas. » O bien, la combinación de GenAI y BI podría tomar la forma de una superposición en el navegador web, de modo que cuando el comerciante pase el cursor sobre el nombre del fabricante de juguetes en el sistema CRM o incluso sobre una noticia, aparezca un hipermapa con datos clave. sobre el cual el comerciante puede obtener más información en un cuadro de texto: «Muéstrame las tendencias de ventas de cada SKU de los productos de casas de muñecas de este fabricante de juguetes en cada región durante los últimos cuatro trimestres. »
El viaje de datos del comerciante no termina con un mensaje de texto. En un futuro próximo, la IA podrá anticipar, en función del contexto, las necesidades de datos de un comerciante para proporcionarle información relevante de forma proactiva, sin que el usuario tenga que solicitarla. Pero mientras tanto, la capacidad de solicitar exactamente los datos necesarios para tomar una decisión ahorrará tiempo, mejorará la precisión y hará que el negocio alcance mayores ingresos, ganancias y crecimiento.
PeggySue Werthessen es vicepresidenta de estrategia de comercialización en Microestrategiala primera empresa de desarrollo de Bitcoin del mundo.
