Datarmony es una consultora especializada en datos y basada en la inteligencia artificial para una gestión del stock más eficiente. Empresas como Caprabo, Desigual o Cinesa, son algunos de los clientes de estos analistas, que ya aplican los beneficios de los algoritmos de análisis de datos para ser más eficientes y sostenibles.

Gracias al empleo de su sistema están registrando resultados que, en cadenas de entre 120 y los 200 establecimientos, generan un ahorro neto total que se sitúa entre los 1,5 y los 2 millones de euros al año.

Hablamos con Enric Quintero, CEO y cofundador de Datarmony.

El enfoque de Datarmony

-¿Qué es y cuál es la filosofía detrás de Datarmony?

Datarmony es una consultora estratégica del dato. Nuestro propósito es tratar de alcanzar un punto medio entre la inteligencia artificial y el factor humano, porque no son antagónicos.

Siempre nos han enseñado que la inteligencia artificial es algo que da miedo. Estamos viendo que los algoritmos vienen como algo que ayudará a automatizar la vida, pero esa automatización debe pasar por un filtro humano para no ver algoritmos sexistas, racistas…

Tenemos que poner esa capa humana para controlar cómo estamos haciendo uso de esos algoritmos. De ahí que busquemos ese equilibrio perfecto, para tomar decisiones con algoritmos diseñados por un humano que tiene en cuenta aspectos técnicos en aquello que queremos hacer.

-¿Y de dónde surge ese afán por la parte humanista de los datos?

Lo que hacemos en Datarmony es especializarnos en la reducción de costes. Nuestro grupo de talento viene de hacer consultoría alrededor del tratamiento del dato en el que vale un poco todo.

¿Qué quiere decir esto? Que las empresas querían usarnos para vender más, aunque el cliente no lo necesite. Nuestros algoritmos, no te voy a decir que engañasen, pero estaban en esa fina línea…

Nosotros nos paramos y decidimos que no íbamos a seguir haciendo eso. Porque los resultados de crecimiento continuo no son sostenibles y porque, a nivel profesional, creemos que la clave es combinar aquello que te hace feliz a nivel profesional y personal.

Queremos generar beneficios, pero, al mismo tiempo, queremos asegurarnos de dejar algo para los que vengan detrás. Creemos que ese filón es el nuestro, la felicidad personal y laboral.

Buscar el equilibrio

-Al hilo de eso; muchas empresas del sector tecnológico tienen problemas a la hora de encontrar talento y, sobre todo, mantenerlo. ¿Cómo lo hacéis vosotros?

Es una clave extrapolable a muchas otras empresas. El talento es cada vez más difícil de retener. Las empresas que no tienen alma y no combinen los dos factores anteriores, la felicidad personal y laboral del trabajador, van a tener mucho más complicados convencer a alguien de que se quede en esa empresa, más allá de por el dinero.

Muchas empresas no generan talento, generan mercenarios

Muchas empresas no generan talento, generan mercenarios. Nosotros pretendemos abrir una ruta diferente que propone buscar un proyecto que te hace feliz y, a partir de ahí, tendrás un sueldo en función de la responsabilidad que tienes. Buscamos ese equilibrio en lo que hacemos como profesionales.

Gestión de stock

-¿En qué se traduce exactamente la utilización de algoritmos en el día a día de un supermercado?

Existen una cantidad inmensa de aplicaciones de algoritmos. En la cuestión de los supermercados sobre todo nos concentramos en la previsión de la demanda. Los supermercados que trabajan con materias primas para consumo tienen un problema con la gestión del stock, porque tienen que almacenarlo y eso supone un gasto de espacio: igualmente si no lo consumen, deben tirarlo y eso es un desperdicio.

Nuestras estimaciones de consumo les evitan una sobrecompra de producto que se traduce en menos residuos, menos impacto en el medio ambiente, y, a su vez, una reducción del espacio ocupado en almacenaje. Es una optimización general.

Además, ya no recae sobre el empleado la responsabilidad de tener que decidir si hace un pedido más o menos grande. Todo eso está ahora centralizado para que sean los datos los que tomen la decisión. La experiencia del trabajador es un valor, pero en una gran superficie no se puede basar la decisión en lo que piensa una persona; debe basarse en la medición de datos en tiempo real.

Datos a tiempo real

-¿Y cómo recoge el sistema los datos que necesita para funcionar?

Con las ventas que vienen a través del RP del cliente, que es el sistema que va agregando todas las ventas de cada uno de los supermercados. Nosotros recogemos esa información mediante un fichero y lo trabajamos con nuestros sistemas.

Con esa información nosotros trabajamos para poder estimar las ventas con el histórico y también tratamos de tener, hora a hora, las ventas en tiempo real. Así sabemos qué está ocurriendo y podemos ajustar lo que nos dice la predicción.

Es como cuando vemos la previsión del tiempo y muchas veces falla. Eso ocurre porque no tienen en cuenta lo que está pasando en tiempo real. Si el señor meteorólogo pudiera sacar la cabeza y estar constantemente introduciendo datos de lo que ocurre… lo importante es centrarte en lo que los datos te dicen lo que está pasando.

Además de eso existen otra serie de variables que también impactan en el comportamiento. Por ejemplo, las propias condiciones meteorológicas: que llueva hace que la gente salga a comprar menos. Todos esos factores se introducen en el algoritmo para poder obtener una previsión lo más precisa posible de lo que va a necesitar en stock la superficie.

Datarmony, puesto a prueba

-¿Habéis tenido la oportunidad de testarlo ya?

Sí, hemos tenido la oportunidad de testar nuestro sistema en una cadena de supermercados noruega que se llama Meny. El resultado ha sido que han conseguido reducir en un 40% el desperdicio que tenían. Incluso han recibido un premio a la sostenibilidad del gobierno noruego por el tamaño de la reducción. Sentirnos partícipes nos pone muy contentos.

Y no sólo son los algoritmos, sino que también son las personas. Al final esto es un sistema que no funciona solo, el empleado es en última instancia el que tiene que utilizar los datos para realizar su trabajo. Por tanto, hay una labor de training de ese staff para que saque rendimiento a las herramientas de las que les dotamos. Incluso también introducen variables que permiten gestionar el stock y que el sistema reaccione de la forma más precisa.

Esa labor de entrenamiento es más clave que la propia tecnología. Uno de nuestros retos fue incentivar a una persona que lleva haciendo su trabajo durante mucho tiempo, y, de repente, llega el listillo de turno a darle más faena. La reacción lógica es decir que no. Ese es uno de los retos que nos encontramos y que hemos sabido encauzar con incentivos que han generado buenas sinergias de grupo entre los empleados.

Los datos sin personas que los sepan usar no sirven para nada

Ese equilibrio entre tecnología, algoritmo y el humano, es un ejemplo perfecto de lo que hace Datarmony. Los que trabajamos con datos nos jactamos mucho de que el dato es la clave, pero nos falta una segunda parte: los datos sin personas que los sepan usar no sirven para nada. Eso es lo que tratamos de equilibrar.

Un gran ahorro

-¿En términos de facturación cuanto puede llegar a suponer de ahorra para una gran superficie?

Nuestras estimaciones, en base a la experiencia que hemos tenido con los supermercados, nos habla de que, en una cadena que puede tener unos 150 sucursales o supermercados, estamos hablando del 1,5 o 2 millones de euros de ahorro.

Esto sólo en costes, después está la reducción de producción de CO2, que es una variable que cada día se tiene más en cuenta a la hora de no pagar multas. Las nuevas leyes te exigen controlar estos temas y con nuestro sistema se consigue.

En nuestro país nos cuesta innovar, lamentablemente, pero lo que estamos viendo es que, entre la presión es cada vez mayor y nuestro sistema, es una apuesta ganadora.

-¿Tenéis algún plan de futuro para ampliar vuestros servicios a otro tipo de negocio?

Sin duda. La previsión de coste no sólo está enfocado a la previsión de demanda, sino que también puede enfocar a temas como la reducción de los costes de campañas. Es decir, puedo hacer campañas que funcionen con el mismo resultado pero reduciendo lo que pago por ellas. Ese es un gran enfoque.

De igual manera existen otros proyectos que se centran en la hostelería. Por ejemplo, los algoritmos de Datarmony podrían aplicarse a los buffets de las grandes cadenas de hoteles. Todos los que trabajen con un producto perecedero, con una fecha de caducidad, entran en la ecuación de la previsión de demanda y reducción de costes.