Continente 7: Matemática, Data Science e Inteligencia aplicadas a Suppy Chain

team-contintente-7

Continente 7 es una empresa consultora con una especialización muy marcada. Se autodefine como “un taller de algoritmos con foco en metodologías analíticas desde estadística hasta I.A. (Inteligencia Artificial). Está compuesta por data scientists académicos orientados al negocio y con una inclinación industrial.

Sus servicios pueden ayudar a la mejora del planeamiento y a la efectividad de empresas con procesos complejos de cadena de abastecimiento, comercialización, logísticas y otros ítems. Su fortaleza está en el aporte de metodologías de raíz matemática para la solución de problemas y optimización de procesos y planeamiento.

La compañía nace como empresa en la forma de un spinoff del ITBA. Antes de este desprendimiento, dentro del ITBA era un grupo de investigación en el marco de lo que se denomina Dinámica de Sistemas. De esa manera operó durante tres o cuatro años, para luego hacer un spin off y convertirse en la actual empresa.

 

“Continente 7 nace como una consultora boutique en simulación, con el propósito de enfrentar problemas complejos. Ese era el marco muy general que se tuvo en el inicio y se podría decir que era una empresa enfocada a metodologías analíticas. Tenía un componente de estadística, pero por sobre todo se trabajaba en lo que se llama simulación dinámica y algo de minería de datos,” nos dice Juan Pablo Rodríguez Varela, CEO de la empresa.

 

Hoy Continente 7 es un paraguas que cubre dos especialidades con respectivas unidades de negocio: Una es Forecastia, que es analíticos dedicados expresamente a lo que es predicción de demanda. Lo que hace Forecasia, o sea forecasting, cae dentro del campo de los analíticos predictivos, si bien es sólo una parte de esa especialidad, que abarca mucho más, según lo explica Rodríguez Varela. La otra es Simcastia. Simcastia emplea técnicas de simulación para optimizar por ejemplo: utilización de recorridos, line scheduling, generación de cronogramas de trabajo, determinación de fuentes de sourcing para reducir costos en empresas globales y otras dentro de ese tipo de simulaciones.

 

Un comienzo difícil

Los comienzos no fueron fáciles. “En un principio nos manejábamos como una figura tipo “psicólogos de empresas” en la que visitábamos compañías para preguntarles cuáles eran las piedras en el zapato que les molestaban, sobre los obstáculos que enfrentaban. Si tenían problemas de índole cuantitativa que se podían resolver a través de las técnicas mencionadas y procedíamos a generar una propuesta. Al no ser conocidos como firma, las propuestas recibían siempre una pregunta de parte del cliente: ¿Cómo demuestran el valor de lo que ofrecen? Demuestren que eso funciona y qué me va a traer como resultado. La respuesta era difícil. No se le podía decir a un cliente a priori que, si utilizaba esas metodologías, un determinado indicador mejoraría de tal forma o que se ahorraría X suma de dinero. No podíamos hacer eso porque estaríamos mintiendo. Podíamos dar rangos, ejemplos históricos; pero como se tratan casos individuales, cada caso es diferente,” relata Juan Pablo.

 

Llega una solución concreta: predicción de demanda para Unilever

Finalmente, apareció un problema concreto: Demand Forecasting o predicción de demanda. El cliente fue Unilever. En Unilever predecían las ventas de todos sus productos y parte de su objetivo era la precisión en esa predicción. Tenían un indicador que establecía qué tan precisos eran con sus estimados.  Ese indicador se actualizaba todos los meses para cada uno de sus cientos de productos.

 

La metodología que se aplicó es muy simple y se la conoce como el ´juego de la cerveza.´ Se establece una cadena de suministro en la que se incluye desde la fábrica, hasta el minorista y se visualiza lo que es el conocido como efecto látigo. El enfoque consistió en no sólo trabajar con la venta histórica de la empresa, sino también con lo que sus clientes vendían, lo que se conoce como sell out. Se utilizaba información de auditorías de mercado como son CCR y Nielsen.

 

Rodríguez Varela nos explica que, con la información que se tenía se predecía el consumo y, a través del consumo, se llegaba a lo que es la predicción de la venta. En Unilever les gustó la metodología pero querían validarla y así fue que se organizó una prueba piloto durante seis meses en algunas de las categorías de producto y se compararon los resultados con los de otra empresa de análisis con la que estaban trabajando y también contra sus resultados actuales.

 

“El ejercicio dio buenos resultados y allí comenzó nuestra relación de outsourcing con Unilever. Todos los meses tomábamos información que nos proveían y les devolvíamos la estimación que elaborábamos con modelos estadísticos que ya habían sido comprobados. Esto arrancó en el año 2010 y fuimos creciendo en la actividad a la vez que en Unilever fueron profundizando en el tema. Pasamos de una estimación mensual a una semanal .

 

La actividad de Continente 7 evoluciona hacia Supply Chain

Mientras tanto, Continente 7 fue mutando. “Ya no es más una boutique en simulación. Ahora nos posicionamos en Data Science para Supply Chain y hemos introducido técnicas de lo que conocemos como Machine Learning o Inteligencia Artificial, aplicando, por ejemplo, redes neuronales a la técnica de forecasting o presupuestado. Actualmente seguimos en esta relación con Unilever y nos estamos expandiendo regionalmente y con una interacción semanal. Tomamos información de diferentes variables, no sólo de consumo y ventas, sino también de los pedidos que se generan, stock en los clientes, situación de clima como temperatura y otras más, siempre con foco en el corto y mediano plazo. No es un modelo econométrico,” prosigue Rodríguez Varela.

 

La puesta en acción vista de cerca

Continente 7 Juan Pablo Rodríguez Varela

Ing. Juan Pablo Rodríguez Varela. CEO de Continente 7

Según el entrevistado, la experiencia indica que para una organización suele ser complicado internalizar este tipo de estimaciones en forma activable dentro de sus procesos debido a la presencia de sistemas en los que apoyan esos procesos operativos. Es por eso que le preguntamos a Juan Pablo si Continente 7 genera interfaces con los sistemas core de las empresas clientes, como puede ser SAP u otro ERP, BPM o SCM. Y la respuesta es que “en cada caso y dependiendo del sistema y bases de datos que tenga el cliente, al hacer el despliegue de herramientas necesarias para los servicios que prestamos, de nuestro lado vamos a todo lo que permita la permeabilidad establecida por dicho cliente en términos de conexiones automáticas con sus sistemas y al flujo de la información que entregamos. Una variable puede ser estadísticamente importante pero si no se la tiene a tiempo para el proceso de estimación, no sirve. Este es entonces un punto muy importante. Dentro de nuestra evolución fuimos incorporando técnicas de analíticos y también de trabajo de datos. Ahora estamos atacando programación y arquitectura de soluciones basadas en la Web siempre dentro de nuestro foco. Para que esa variante funcione, es muy necesario aceitar bien todos los flujos de información.”

 

 

Le consultamos a Juan Pablo si es que en alguna instancia contemplan variables macro. “Eso depende del horizonte temporal. Cuando vamos al corto plazo, no tomamos esa clase de variables macroeconómicas. Cuando se trata del largo plazo, como nos pasó con el caso de la industria del petróleo, donde hicimos un trabajo para el corto y largo plazo, tomamos variables macroeconómicas como salarios, inflación, parque automotor y otras variables específicas del negocio. En el caso del corto plazo vamos a técnicas más tradicionales como series de tiempo y otras variables que corresponden al corto plazo, como movimientos de precios y otras,” responde.

 

Cómo es la empresa que utiliza a Contienete 7 como proveedor de servicios

Siguiendo en el tema, le pedimos si puede describir cómo es el perfil de usuarios de forecasting al corto plazo dentro de la organización que utiliza sus servicios. “En principio, con Forecastia tratamos de encontrar un target más preciso en empresas que  estén montadas en un proceso  de sales and operations planning, que es un proceso maduro de generación de estimaciones y en donde se juntan las diferentes áreas de la empresa como marketing, ventas, finanzas y supply chain o producción con el objeto de determinar el plan. En esas empresas, generalmente existe un rol que se llama demand planning. Esa área a veces depende de supply chain y otras de comercial, dependiendo el papel que le da la empresa a la actividad de generación de estimaciones. A las dos áreas les interesa saber cuánto prevé vender la empresa,” responde Juan Pablo.

 

“Continente 7 hace data science para supply chain. Cuando algo sale de lo previsto utilizamos analíticos, consultamos papers académicos sobre problemas similares y transformamos esas soluciones para aplicarlas al problema en cuestión. Eso es muy generalista, funciona del lado técnico pero del lado comercial es muy difícil de implementar. Cuando vamos a un cliente nuevo y nos presenta un problema que nunca resolvimos, lo primero que nos preguntan es ¿Qué problema igual al nuestro resolvieron en esta misma industria? Es por eso que hay que generar especializaciones” prosigue.

 

¿Dónde está el foco de acción de Contiente 7 respecto al portfolio de productos del cliente? “Nuestro foco está en el 80% de los productos activos de casi todo portafolio. Lo más difícil son los nuevos productos, donde hay una falta de estandarización respecto a la información que hay que capturar para estimar la demanda. En general, lo que se hace para una empresa será totalmente diferente a lo que se hará para otra. En esos casos hay que meterse muy fuerte con marketing, con planning y con innovación, responde.“

 

Juan Pablo agrega que siempre está el caso de nuevos productos en los que hay que tener en cuenta datos soft, relacionados al perfil del consumidor. “Lo que tratamos siempre es de expresar esa información matemáticamente. Cuando hablamos con un cliente lo primero que le decimos es que no sabemos nada de su negocio, que seremos traductores de su conocimiento al mundo matemático. Dentro de eso está el poder incluir las variables soft.”

 

El ambiente de desempeño en la empresa cliente

Respecto a la estimación o predicción de demanda, le preguntamos al entrevistado: ¿Se trabaja a nivel de puntos de venta individuales con variables qué hacen al comportamiento del minorista? “Hacemos lo necesario para llegar a la estimación de demanda que necesite el cliente. Para algunas empresas, es necesario predecir la demanda de sus clientes y de los clientes de sus clientes. En esos casos se trabaja con la hipótesis de que, teniendo esa información, se puede lograr un mejor estimado. A veces se termina comprobando que extenderse tanto no agrega información útil porque la calidad de la información cae a medida que se aleja de la fuente inicial, la de la empresa cliente. Los tiempos de adquisición de los datos se agrandan y, cuánto más se profundiza, aparecen más ruidos. Esa extensión puede ser que funcione y puede ser que no. Si lo hace, la incorporamos, de otra manera no.  Actualmente, la mayoría de las empresas, yo diría el 90% y es a nivel mundial, se maneja con series de tiempos. Eso es básicamente capturar patrones históricos de estacionalidad y tendencia, sin ninguna variable adicional y replicando eso a futuro. Esa es la base estadística  que se está utilizando en el mundo a nivel de demand forecasting.”

 

Cabe destacar que la estimación de demanda, tal como lo explica Pablo, también es un input para la planificación logística. Se asume que la planificación logística podrá responder de alguna manera. Todas las restricciones que impone el estimado, sumados a otros eventos y variables adicionales como cambios de contexto, cambios en la competencia, promociones y otros, el 90% de las empresas no lo está agregando a la explicación matemática. Para ellos está fuera de la estadística. En el proceso en el que se juntan las diferentes áreas, se consideran las series de tiempos y allí se agregan restricciones de producción, por ejemplo. Puede ser que sepan que no pueden fabricar cierto producto en un cierto plazo y tienen que cambiar un poco el mix de la demanda. También se tienen en cuenta eventos comerciales.

 

Continente 7 con su división Forecastia también ha realizado trabajos de análisis utilizando datos de compañías de auditoría de mercados como A.C. Nielsen y CCR. De paso, le preguntamos si la variable precios ha sido estudiada con frecuencia en relación a la demanda, sobre todo en la elasticidad en productos para consumidores. “Lo que hace a elasticidades de precios y otros no ha tenidos demasiada cabida en el país por la volatilidad existente,” nos dice Juan Pablo.

 

Continente 7 y los usuarios de SAP APO

“Como dije antes, el 90% de las empresas utiliza sólo series de tiempo y en algunos casos no lo hacen correctamente. Nuestro trabajo en Forecastia tiene dos partes: la de los productos que desarrollamos y la de consultoría. En consultoría tenemos cosas como optimizar un sistema de SAP APO (Advanced Planner and Optimizer), que es uno de los más conocidos en el mundo de demand planning y que muchas empresas tienen. Muchos no lo tienen bien configurado y en consecuencia están siendo subutilizados. Nosotros nos metemos en la información de la empresa, analizamos la que está en el sistema y hacemos cosas como reformular los modelos o simplemente agregar un módulo anterior de limpieza de datos. El tema de suministro es muy importante, si una empresa quiebra el stock la lectura de la demanda se verá corrompida. Hay que limpiar esos ruidos que se van generando. Un módulo de limpieza no tiene nada que ver con el modelado posterior, pero ayuda a ese modelado,” explica Juan Pablo.

 

Los modelos de tiempos como herramienta en la empresa

¿A qué modelos de tiempos se refiere Rodríguez Varela? “Los modelos de series de tiempos son los tradicionales de Jenkins, exponenciales, de Arima , de Winters y otros. Simplificando, tenemos modelos constantes; modelos que capturan tendencias; modelos que capturan estacionalidad y modelos que capturan las dos cosas.”

Al referirse a los modelos, le pedimos a Juan Pablo su opinión sobre lo que  opinan algunos investigadores que cuestionan la validez de su utilización. En la opinión de Juan Pablo, en su experiencia se ha encontrado con tres grandes grupos: el de los escépticos, que sostienen que la estadística no me puede decir mejor que ellos lo que va a pasar; también están los que creen que hay que matematizar todo y que eso es mejor que la intuición. “Nosotros formamos un tercer grupo o punto medio. Creemos que la clave está en la conjunción de ambas cosas. Con el conocimiento y la intuición se puede llegar a cierto nivel. Con la matemática se llega a otro. A veces uno de esos elementos  puede ser mayor o mejor que otro, pero creemos que el óptimo está en cómo hacer colaborar a la matemática con la experiencia del negocio. “

 

 

La simulación en los procesos empresariales

Luego, Pablo se refiere a la otra unidad, la que se ocupa de simulación y que trabaja para empresas como Tenaris o YPF. “Aquí hacemos modelos de optimización. Incluso simulamos una fábrica completa para poder verla funcionando en una computadora y poder establecer qué ocurre si se agrega una grúa, cambio la lógica de producción.” Para este enfoque, Continente 7 utiliza la herramienta de software AnyLogic.

 

“No utilizamos otras herramientas como Dassault Systemes, por ejemplo. Dassault tiene un tipo de simulación que se denomina por eventos y simulación discreta. Luego tenemos lo que se llama simulación continua, que es lo que se usa en dinámica de sistemas, que se usa mucho en química, con fluidos. También se utiliza en temas gubernamentales como inflación y otros temas de economía. Además, tenemos otro tipo de simulación que es más granular y que llamamos basada en agentes o por objetos. Esta última trata comportamientos individuales. Por ejemplo, si quiero simular un edificio, trata de entender quiénes lo frecuentan y cómo es el comportamiento de cada usuario. La estructura de comportamiento se replica a todo el edificio pero con parámetros diferentes. El comportamiento de cada individuo con los demás y con el entorno es el que genera un comportamiento emergente que es el que se visualiza. AnyLogic recibió ese nombre porque permite combinar los tres paradigmas de simulación.”

 

 

Continente 7 y la inteligencia artificial

Como la actividad que realiza Continente 7 toca en algunos puntos los principios de la inteligencia artificial, le pedimos a Juan Pablo que nos dé su opinión respecto a IBM Watson. “Es increíble que se esté desarrollando algo así con inteligencia artificial,” nos dice. “Creo que ellos enfrentan el mismo problema que enfrentamos nosotros en el mundo del forecasting. Por ejemplo, en lo que hace a diagnósticos médicos. Si bien la información que brinda Watson es bastante precisa, muchos médicos no la utilizan porque no entienden cómo Watson llegó a generar ese diagnóstico o aproximación a un caso de paciente. Ese es el problema cuando nos metemos con inteligencia artificial. Cuando pasamos el campo de los modelos causales o de regresión, que son bien explicativos y vamos a otros que son más predictivos, más “caja negra,” se presenta el problema de la credibilidad. Sin embargo, a la caja negra de Watson hay maneras de transparentarla. Tanto en el caso de IBM con su Watson, como en el nuestro con las redes neuronales en forecasting, estamos yendo en un camino que no es necesariamente el de seguir evolucionando en algoritmo y predicción, que también lo hacemos, sino en el de cómo abrir y conceptualizar el proceder de las cajas negras.”

 

Continente 7 como partner de SAS

En Argentina, Continente 7 es partner de SAS, la plataforma de analíticos de gran utilización en diversas áreas de negocio y especialmente en las relacionadas con prevención de riesgo. “Nosotros implementamos soluciones de forecasting de SAS, entre otras. Con SAS nos relacionamos con diferentes industrias más allá de las de CPG (Consummer Packaged Goods),” nos dice Rodríguez Varela.

El acuerdo con SAS es sólo para Argentina, ya que en algunos otros países donde actúa Continente 7 son competidores. Eso es así en Brasil, Estados Unidos y algunos otros países de Latinoamérica.

 

Tendencias y futuro

Respecto a las tendencias de uso de las metodologías, le preguntamos a Juan Pablo cómo ve la futura evolución de la simulación y el forecasting, respectivamente en el país. “El forecasting ya está instalado. Las empresas están obligadas a predecir de alguna forma lo que van a vender y lo están haciendo. Todas las empresas hacen algún nivel de estimación, buena o mala. La formación de grupos SOP está en algunas empresas, sobre todo multinacionales. Hay sectores que están rezagados, por ejemplo los bancos, que deberían tener modelos para manejar la cantidad de efectivo que envían a sucursales, cajeros, etc. “

 

Respecto al futuro de Continente 7 nos comenta que la empresa está enfocándose en el desarrollo de productos para poder atender a mayor cantidad de clientes sin caer en el cuello de botella de los recursos humanos. “Con productos podemos vender tres veces más sin crecer tres veces. Si seguimos con servicios, como en nuestro inicio, para vender más tenemos que agrandar más nuestra estructura y eso acarrea mucho riesgo, algo que ya hemos sufrido. Nuestro crecimiento no fue continuo. Crecimos mucho, decrecimos mucho y ahora estamos creciendo de nuevo. Hemos reducido el target de las empresas a las que podemos ir. Si es el caso de que los problemas se pueden resolver con un Excel, es mejor que llamen a otro. Excel es una excelente herramienta pero la cosa se complica cuando se la usa para hacer el analíticos, guardar la información (se llega a tener planillas tan grandes que nadie las puede abrir) y a la hora de hacer trabajos colaborativos. Con Excel, la visualización también es un poco limitada. Nosotros usamos Excel para hacer algunas cosas y resulta una buena herramienta, pero creo que ya hemos explicado bien cuál es nuestro foco y cuáles las fortalezas.”