Demora en la entrega de alimentos sigue siendo un desafío para la cadena logística
![Demora en la entrega de alimentos sigue siendo un desafío para la cadena logística Demora en la entrega de alimentos sigue siendo un desafío para la cadena logística](https://cdn.portalfruticola.com/2015/11/News-shutterstock_356279348.jpg)
El 54% de los compradores dice experimentar demoras en la entrega de alimentos, según estudio de Blue Yonder en EE.UU. ¿Cómo se encuentra la situación en Latinoamérica? Reaccionando lento, viendo cómo responder a despachos de los pedidos online cuando podríamos estar un paso adelante viendo la optimización de la red, la búsqueda de proveedores alternativos con un trabajo colaborativos con proveedores.
El apetito de los consumidores por la entrega de alimentos en línea durante la pandemia COVID-19 no siempre ha sido igualado por la capacidad de entrega de los minoristas y su comercio online.
Según una encuesta de Blue Yonder a 1.000 consumidores estadounidenses realizado recientemente, Más de la mitad de ellos (54%) experimentó un pedido de entrega tardío, y entre ellos, un 28% de retraso por tres o más días.
Es así como menos de la mitad (43%) de los compradores estaban satisfechos o muy satisfechos con la experiencia, y en concordancia con lo anterior, el 39% de ellos dijeron que era probable o muy probable que utilizaran nuevamente los servicios online de entrega de alimentos en el futuro.
De aquellos consumidores que se pusieron en línea para hacer pedidos de entrega únicamente de comestibles, el porcentaje de satisfacción crece: el 68% dice que estas transacciones fueron exitosas, mientras que el 17% no pudo asegurar una ventana de entrega.
En Latinoamérica estamos un paso atrás
¿Como se encuentra la situación en Latinoamérica y, puntualmente, en Chile? Si bien no existen estudios o encuestas en la materia, Rodrigo Córdova, senior Solutions Advisor de Blue Yonder expresa -según la experiencia vivida en los últimos tres meses- que la situación en la región, en general, es menos satisfactoria dado la baja digitalización tanto del retail como del usuario final.
“El retail latinoamericano, incluyendo el chileno, está quedando en deuda con sus clientes, pues su capacidad de reacción esta ampliamente superada por la demanda de los consumidores”, dice.
Señala que una de las principales dificultades que se presentan es la capacidad de preparado y despacho de los pedidos online, potenciado por los problemas de abastecimiento de los proveedores.
“Con la crisis sanitaria en curso, el canal online explotó a niveles insospechados y donde algunos retailers indican que llevan casi tres meses con cargas similares a los peak de navidad. A esto se suma la necesidad de pronosticar en un mundo donde nadie sabe qué va a ocurrir, por ello la necesidad de incorpor algoritmos de Inteligencia Artificial (IA) o Machine Learning (ML) que sean capaces de “leer” las señales del ambiente y tomar decisiones mejores que los mejores planificadores humanos”.
Al profundizar en esta etapa, se constata que las principales dificultades se centran en la planificación, puntualmente en la etapa de pronóstico, las que no son de buena calidad (ajustados a la situación actual).
Así es como se vive una realidad muy distinta, por ejemplo, a la de clientes en Europa con soluciones de IA y ML, donde estas herramientas entregan una muy buena planificación, y la conversación se traslada a la optimización de la red, a la búsqueda de proveedores alternativos y al trabajo colaborativo con los proveedores, de manera tal de asegurar el abastecimiento de los distintos canales, añade Rodrigo Córdova.
Algunas soluciones existentes para que la entrega de alimentos alcance niveles óptimos tiene que ver con Luminate de Blue Yonder, que incorporan algoritmos de inteligencia artificial capaces de leer cientos de variables externas para hacer una toma de decisiones optima, Luminate Demand Edge es capaz de procesar más de 200 factores externos que dan forma a la demanda. “La situación sanitaria actual ha sido una prueba de fuego para nuestro algoritmo. Algunos clientes, previamente, realizaron ajustes manuales pensando en adelantarse a la IA, pero el resultado fue desastroso para ellos, ya que la corrección manual fue muy mala en comparación con la respuesta del algoritmo”.
-