Blog
«Downsizing» y «Rightsizing» con Big Data (4 ventajas)
La pandemia que inició en el 2020 no sólo trajo consigo un grave problema de salud, también supuso un gran golpe para todos los sectores económicos a nivel global. Tan sólo en Estado Unidos, más de 12,000 tiendas cerraron y se pronostica que cierren otras 50,000 en los siguientes cinco años.
Por si fuera poco el miedo corre por la mente de los mercados. Según el Global Economic Prospects, la guerra con Ucrania, los cierres en China,  la falta de materias primas, entre otros problemas está (y seguirá) afectando el crecimiento de gran parte de las industrias.
Empresas icónicas de retail como Bed Bath & Beyond, CVS, Kmart, Office Depot y Macy´s han tenido que reducir significativamente su número de tiendas. Por ejemplo, Victoria´s Secret ha cerrado casi 300 tiendas en los últimos dos años.
Mientras tanto, cadenas de comida rápida ya presentaban problemas incluso antes de la pandemia. En 2015, McDonald´s comenzó a cerrar más tiendas de las que abría; algo que no les ocurría desde 1970.
¿Qué es el “Downsizing” y el «Rightsizing»?
El «downsizing» es un término que comprende la reducción constante, y en ocasiones permanente, de personal de trabajo a través del cierre de aquellas tiendas, ubicaciones y/o divisiones que no están generando los resultados esperados para la empresa.
Al cerrar una tienda, o toda una división, se liberan recursos que una empresa necesita para re acomodarlos en otro lugar, cubrir costos o saldar deudas. Por otra parte, el «rightsizing» consiste en reajustar los espacios físicos que ya se tienen para optimizar la operación de una empresa, reducir costos y mejorar la experiencia al cliente ajustándose a sus necesidades. 
«​Downsizing» y «Rightsizing» estratégico con Big Data
Decidir qué puntos de venta cerrar o reajustar es una decisión sumamente delicada. Los gerentes de operaciones deben tomar en cuenta elementos más allá de las ventas o los costos generados. Una tienda que no está dando los resultados esperados podría ser una pieza clave de branding tan solo por su ubicación. Por ejemplo, Primark paga una renta de millones de euros a Amancio Ortega (su competidor) para poder ubicarse en la Gran Vía en Madrid.
Es por ello que el Big Data se ha vuelto una herramienta clave para los retailers, no sólo para optimizar estrategias de expansión, sino también para reducir y optimizar operaciones de forma efectiva.
1. Detectando puntos de venta “malos”
En tiempos de crisis, las empresas optan por cerrar puntos de venta que no estén generando los rendimientos esperados. Como ya lo mencionamos antes, la tarea puede ser complicada sobre todo si hablamos de cientos o miles de ubicaciones para analizar.
Este gráfico muestra cómo todos los puntos de venta de una empresa están teniendo un desempeño menor al esperado.
El Big Data se caracteriza por mostrar grandes volúmenes de información muy compleja de una manera fácil y rápida de interpretar. Es así que, a través de modelos predictivos y técnicas de machine learning, se pueden analizar todas las variables de miles de puntos de venta y generar pronósticos para detectar aquellas ubicaciones que no darán resultado. 
Al utilizar datos históricos y en tiempo real, tanto externos como internos, se eliminan los sesgos al momento de evaluar opciones y por lo tanto, se toman decisiones mucho más acertadas.
2. Cerrando tiendas como estrategia de marketing
Empresas como Nordstrom han estado cerrando decenas de tiendas para concentrar sus esfuerzos en ubicaciones clave con mayor concentración de usuarios. Esta estrategia ha dado resultados a las marcas que están pasando de «estar en todos lados» a enfocarse más en la experiencia al cliente.
A través de análisis de ventas, se logró estimar las zonas con mayor probabilidad de éxito para una tienda (Zonas verdes).
Utilizando data geoespacial se pueden identificar cuáles son las ubicaciones clave en una ciudad o región basadas en factores como análisis de ventas, volumen de usuarios, volumen de tráfico vehicular, competidores en la zona, rutas de acceso, etc. Las ventajas de utilizar Big Data es que la información se adapta a cada tipo de industria y necesidad específica que se tenga.
3. Evitando la «canibalización»: competencia entre puntos de venta de una misma marca
A veces, una marca coloca sus puntos de venta tan cercanos entre sí, que empiezan a competir por los mismos clientes. Utilizando Big Data se puede detectar de forma más fácil si una zona está siendo “sobre atendida” y canibalizada.
El mapa muestra cómo una tienda con alto volumen de ventas está compitiendo con otra más pequeña de la misma marca.
A través de análisis de movilidad se puede entender cómo se mueven los usuarios en una ubicación específica y correlacionar qué establecimientos visitan. De esta forma, una empresa sabrá qué tan bien está atendiendo su demanda en cierta zona.
Le puede interesar leer: Canibalización en los planes de expansión: ¿Cómo evitarla?
4. («Rightsizing») Reestructurando los espacios físicos
Una estrategia de comercialización cada vez más popular consiste en cerrar las ubicaciones físicas más grandes y optar por formatos más pequeños que generen menores costos. Esta tendencia ha cobrado mucha relevancia sobre todo en grandes ciudades con poco espacio y donde los alquileres pueden llegar a ser muy elevados.
La data geoespacial permite, entre otras cosas, entender la concentración vehicular que rodea un punto de venta.
A través de Big Data se puede analizar el comportamiento de los usuarios para entender qué tipo de establecimiento o tienda es la más adecuada. Por ejemplo, la venta de muebles en línea ha aumentado en los últimos años, por lo que algunas marcas se están olvidando de las grandes mueblerías para abrir más formatos físicos tipo “show room” que encajen mejor con estos nuevos hábitos de compra.
Claves de este artículo
En PREDIK Data-Driven tenemos más de 14 años trabajando con marcas líderes como Panasonic, Michellin, Bayer y Adidas. Nosotros somos expertos en utilizar Big Data para ofrecerle la información que necesita para tomar decisiones clave de forma más fácil y rápida.
Canal Tradicional: ¿Cómo medir el potencial de ventas de su producto en tiendas de abarrotes?
18 de julio de 2022
El canal tradicional se caracteriza por ser complejo, sobre todo en temas de comercialización y dist...
Estudios de Mercado con Big Data: ¿Dónde abrir un laboratorio clínico?
29 de agosto de 2022
Uno de los retos más grandes al colocar un nuevo laboratorio es elegir la ubicación correcta. No sól...
Análisis de movilidad: La clave ganadora para los bancos
21 de julio de 2022
La dinámica entre los bancos y sus clientes se ha ido modificando enormemente. En la era de la exper...
¿Cómo utilizar ciencia de datos para resolver problemas complejos?
1 de septiembre de 2022
El campo de estudio conocido como ciencia de datos consiste en trabajar con enormes cantidades de da...
La ciencia de datos al rescate de las empresas
21 de julio de 2022
“Las empresas que no aprovechen las ventajas del Big Data perderán su posicionamiento e incluso algu...
PREDIK Data-Driven es una firma de investigación con más de 12 años de experiencia en el desarrollo de soluciones para empresas y gobiernos de América Latina.
Nuestra especialidad es la conceptualización y diseño de soluciones de Inteligencia de Mercados a la medida de nuestros clientes, modelos de simulación financieros, económicos y comerciales, para la evaluación de diferentes escenarios ante la toma de decisiones.
Siguenos en
Idiomas
Copyright © 2022 PREDIK Data-Driven. All Rights Reserved
Políticas de cookies
Política de Privacidad
Contacto
Do not sell my info
Sitemap
EspañolEnglishPortuguês