Forus implementó una plataforma de datos unificada y modelos predictivos de inteligencia artificial (IA) para modificar la forma en que planifica sus compras y proyecta la demanda de productos en los países donde opera: Chile, Perú, Colombia y Uruguay. El trabajo se realizó junto a Ingenia y se orientó a reemplazar decisiones basadas en intuición por un esquema apoyado en información consolidada y analítica.
Antes del proyecto, la información del negocio se encontraba distribuida entre distintos sistemas y planillas. Esa fragmentación dificultaba construir una visión integrada y consistente para la toma de decisiones. En ese contexto, la definición de cantidades de compra por producto quedaba atada, en gran medida, a la experiencia y al criterio de cada planificador.
En el retail de moda, el desbalance entre compras y demanda suele trasladarse de manera directa a los resultados: faltantes que derivan en quiebres de stock o excedentes que empujan a liquidaciones. Con ese punto de partida, la iniciativa buscó ordenar y centralizar los datos para habilitar un proceso de planificación con modelos de IA capaces de anticipar la demanda de cada producto en cada mercado.
El proyecto de transformación digital consolidó, por primera vez, el 100% de su información en una única plataforma de datos. A partir de esa base, la compañía comenzó a planificar sus compras con modelos predictivos que aprenden del comportamiento real de la demanda en cada país. La lógica apunta a mejorar la velocidad y la consistencia de las decisiones, con un soporte común de datos para todo el negocio.
En términos de resultados, la puesta en marcha del sistema se vinculó con una baja en los quiebres de stock, una reducción en la necesidad de liquidar mercadería y una mejora del margen, sin sumar personal. En paralelo, el despliegue dejó una base de datos consolidada para ampliar el uso de IA a otras áreas en el futuro.
“Por primera vez tenemos todo nuestro dato en un solo lugar y trabajando para el negocio”, señaló Gustavo Rivera, CIO de Forus. “Dejamos de discutir qué número era el correcto para decidir cuánto comprar con un modelo que aprende de la demanda real de cada mercado”, agregó.
