FICHA PÚBLICA DEL PROYECTO

Transcripción

1 NUMERO DE PROYECTO: EMPRESA BENEFICIADA: MAEVE CONSULTORES TI SA DE CV TÍTULO DEL PROYECTO: MODELACIÓN DINÁMICA DE MERCADOS Y PERFILACIÓN DE CLIENTES, PARA LA GESTIÓN INTELIGENTE DE RECURSOS Y PROVEEDURIA EN PUNTOS DE VENTA

2 OBJETIVO DEL PROYECTO: Se diseñará un algoritmo estadísgco de análisis para la demanda basado en el modelo gravitaional for retail trade pero mejorado por redes bayesianas. El modelo gravitaional está basado en la teoría de que la elección de un consumidor al visitar una Genda está determinada por 2 consideraciones fundamentales: 1) La Conveniencia (Tiempo de viaje) y 2) El tamaño del lugar (atracgvo), estas son las únicas variables en su esgmación. Estamos proponiendo mejorar dicho modelo al incluir variables específicas de la sucursal, además de agregar las caracterísgcas socioeconómicas de los clientes y otros factores demográficos resultantes del úlgmo censo poblacional. PRINCIPALES ACTIVIDADES REALIZADAS: Desarrollo de la Aplicación protogpo que opere en entornos Cliente- Servidor y que pueda validar a los algoritmos propuestos. Desarrollo de los Servicios Web de Apoyo que se integrarán al ERP comercial y que son requeridos para que el protogpo funcione. Desarrollo de un API para data- drilling basado en los algoritmos propuestos para leer y analizar los data streams en Gempo real. Analisis del So]ware CRM especializado en Retail Actual. GesGón de Recursos para Infraestructura de Hardware y So]ware. Diseño de los modelos Gravitatorios bayesianos para Análisis de la Demanda. IdenGficación de Audiencias y clasificación de Usuarios. Diseño del Árbol para toma de Decisiones. Diseño del modelo para recopilar información respecto de la rotación de los inventarios, de la venta en cada sucursal y del perfil del cliente. Implementación del sistema para toma de decisiones. Validación del Algoritmo Gravitatorio bayesiano para Calculo de la Demanda. Algoritmos para reducción de la merma en centros de distribución y Gendas de conveniencia Diseño de la UI iteragva para la App cliente ProtoGpo. Validación del Algoritmo predicgvo para Reducción de la Merma.

3 BREVE DESCRIPCIÓN DEL PROYECTO: Para una empresa de supermercados o farmacias, este proyecto busca definir con la venta y los hábitos, la verdadera necesidad de compra al mayorista y limitar al mínimo la merma en los inventarios. Se pretende que en toda la cadena de valor se logren los mejores resultados para: Rotación de Inventarios, Distribución regional, Compra inteligente de acuerdo a la demanda e historial del proveedor y los hábitos de consumo del cliente así como disminución de pérdida por caducados y mermas. Para ello se automagzará el cálculo de la demanda prevista para un periodo de Gempo específico uglizando la información histórica de ventas y la rotación de inventarios de la empresa. El proceso generará un data- stream que será analizado en Gempo real por un modelo de data- drilling privado basado en algoritmos predic5vos bayesianos donde se idengfica inequívocamente a los diversos Gpos de clientes y a sus patrones de compra. Se atenderá a las empresas que poseen una cadena de Gendas y farmacias de venta al detalle, donde el manejo ópgmo de los inventarios y la esgmación clara de la demanda en cada punto de venta impactan directamente en el margen de uglidad. Hay que entender que en estos giros los márgenes son muy pequeños y el encontrar el equilibrio entre la compra y la logísgca para el manejo y la colocación de los inventarios para la venta en cada sucursal es crígco.

4 RESULTADOS DEL PROYECTO: E 1.1 Documento de vision y alcance del proyecto (Project vision document qrpd) 2 E 1.2 Convenio de colaboración especifico ITESM, UNISON, UES 2 E 1.3 Convenio de colaboración especifico Super Mercados Santa Fé, Super del Norte. 2 E 1.4 Reporte del Estado del Arte: Publicaciones Cientificas, Patentes y Productos Comerciales 2 E 2.1 Algoritmo para cálculo de la Demanda y para la Estimación de la Merma. 6 E 2.2 Diseño de usuarios, casos, jerarquias y perfiles. 6 E 2.3 Diagramado UML del modelado de la arquitictura de software incluidos, Objetos, Servicios y Bases de datos 6 E 2.4 Estructura del Árbol de Decisiones. 6 E 3.1 Reportes comparativos de ventas/merma antes y después de aplicado el modelo. 10 E 3.2 API como servicio para realizar data-drilling desde data-streams configurable. 10 E 3.3 Reporte de validez de los algoritmos cuando al ser aplicados a la información historica provista por las cadenas de supermercados. E 3.4 Sistema Predictivo para la Toma de Decisiones & Estructura de Arbol de Decisiones 10 E 3.5 ENTREGABLES Solicitud de 2 patentes Internacionales en relación a la metodología para determinar el cálculo de la demanda y al cálculo de la merma esperada. E 4.1. Reporte Técnico Final 12 E 4.2. Reporte Financiero Final 12 E 4.3. Proyecto de Negocios 12 MES 10 12

5 IMPACTOS DEL PROYECTO: Mejora en el uso y el nivel de adopción de prácgcas colaboragvas e integrales que pudiera generar grandes beneficios al margen operagvo de las empresas de este sector que son equivalentes a 48,000 millones de pesos, lo que impacta posigvamente a los comercios detallistas y fabricantes de entre 0.5 y 1.5 en dicho margen. Crea perfiles del consumidor, lo que hace que la empresa pueda sagsfacer la demanda adecuadamente Permite hacer uso eficiente de los recursos de la empresa Minimiza las mermas, potencializando la rentabilidad del negocio Reducción de costos Capacitación del equipo de trabajo Vinculación con Tecnológico de Monterrey, Campus Sonora Norte y Universidad del Desierto