El Grupo Automotores y Anexos, Ayasa, representante en el Ecuador de varias reconocidas marcas entre ellas Nissan, Renault, desarrolló en los últimos tres años, proyectos tecnológicos que incluyen analítica avanzada de datos para el área financiera y de repuestos.
Gil Malo, director general de Ayasa, reconoce a tecnología como un pilar fundamental para el desarrollo de nuevos negocios y ha impulsado su desarrollo, dos proyectos enfocados en las áreas de Finanzas y Repuestos (Cadena de Abastecimientos) se llevaron con éxito. “En el área de repuestos, teníamos indicadores de rotación de productos y repuestos de 12 a 13 meses, en el caso de Nissan, es decir, el capital estaba rotando menos de una vez al año. Nos propusimos que la rotación debía ser de dos veces y media al año, y lo hicimos a través de la proyección de un modelo estadístico con pocos ítems. Sin embargo, hacerlo con más de 50 mil artículos y con un sistema antiguo era complejo, la transformación era nuestro reto”.
Con la visión estratégica de la dirección general, posventa y el apoyo de Iván Esparza, Gerente de IT se analizaron herramientas de analítica y visualización de datos para dar solución a los problemas planteados.
Se seleccionó a Bi Solutions quien utilizó Tableau para realizar pruebas, en base al amplio conocimiento del equipo de Ayasa. Con los datos de la organización corrieron pilotos para modelizar un esquema a futuro. Con ello, comenta el ejecutivo, “vimos el impacto real y que si era posible”.
Mi función como Director, dice Gil Malo, fue facilitar la apertura hacia una nueva era, empoderarla y dar todo el apoyo a IT, posventa , a las áreas productivas y financieras.
“Hoy tenemos un producto de BI que nos permite comparar datos de 20 años de la compañía según ciclos económicos, mercado de compradores, vendedores, industrias similares y con estacionalidades a través de los balances; además los costos estructurales de nuestras marcas, sus centros de costos, puntos de ventas”
Resultados
En el área de repuestos manejan el inventario necesario con mayor precisión en las entregas, “hemos logrado una rotación del inventario de más de dos veces por año”, indica Gil Malo.
Optimizando la rentabilidad
En la dirección de postventa analizaron la manera de mejorar la planificación de la demanda de repuestos. Ensayaron varios años con modelos de planificación para optimizar los indicadores financieros de inventario y ventas. Danny Zapata, Jefe de la Cadena de Abastecimiento, recuerda que una vez que experimentaron y verificaron su funcionamiento, fue necesario una herramienta para permita contar con indicadores y realizar pronósticos.
“Fue importante conceptualizar el tipo de demanda de repuestos y definir tiempos de rotación de los productos para planificar las ventas”, señala Zapata.
Aunque este proceso tuvo sus dificultades, sobre todo, “entender cómo se pueden modelar las variables sobre los factores de desgaste y cambio de repuestos que no están sujetas solamente a la estacionalidad”. Enfatiza, “ahora sabemos con eficiencia cuántos repuestos se van a vender en los próximos meses”, sobre todo, “bajamos los inventarios y logramos mantener una cadena de repuestos bastante saludable gracias a una serie de factores como integración tecnológica, mejora continua y planificación estratégica”.
Para Danny Zapata, bajar el tamaño del inventario para el negocio de una marca de operación nacional representa un gran ahorro en rentabilidad neta del capital de trabajo y para los inversionistas ese ahorro de capital le permite un crecimiento sustentable y destinar recursos a nuevos proyectos.
Un exitoso proyecto de analítica avanzada de datos
Iván Esparza, gerente de IT de Ayasa, lideró los proyectos del lado tecnológico, y habla de una de las implementaciones que alcanzó reconocimiento a nivel mundial.
“Decidimos contar con mecanismos de analítica avanzada. Teníamos un análisis previo sobre modelos matemáticos que se adaptaban a las necesidades de la organización, con un área de posventa con conocimientos sobre estos aspectos. De manera que debíamos realizar comparaciones con otros modelos matemáticos. En este punto, incluimos a un científico de datos y en conjunto con el equipo de tecnología, con la cadena de abastecimientos, trabajamos en la homologación de datos, cálculos y de generación de resultados con la creación de nuevos modelos matemáticos”.
Lo que hicimos es automatizar y enriquecer ese conocimiento, dice Esparza.
También explica que el proyecto tuvo niveles de complejidad debido a que la compañía tiene una gran cantidad de referencias, puntos de distribución a nivel nacional, modelos de autos de las marcas que representa y que se vendieron en al menos 10 años y a todas debe garantizar los repuestos. Con estos antecedentes, menciona que optaron por una solución de analítica avanzada, “que nos demostró que al combinar sus elementos los resultados son inmediatos”.
El proyecto de analítica avanzada de Ayasa nacido con el conocimiento de un equipo de trabajo ecuatoriano, adaptado a una realidad local del mercado fue exitoso y catalogado como el mejor proyecto Interno de Kaizen del año 2017. En 2018 Se incluyó entre los 10 mejores proyectos a nivel mundial de Tableau por la complejidad y los resultados obtenidos.
Ahora pensamos en Inteligencia Artificial para enriquecer nuestros modelos señala el ejecutivo de IT.
