Descargue el artículo en PDF haciendo click aquí.

Para los negocios, la gestión de los almacenes y bodegas juega un papel clave principalmente por dos motivos: primero, en ellos se maneja una porción significativa del capital de trabajo; y segundo, su operatividad tiene impacto directo en la satisfacción del cliente en cuanto a entregas oportunas y precisas.

La naturaleza misma de las operaciones de almacenamiento propicia la generación de una cantidad significativa de datos.

Para algunos, la necesidad de su análisis puede no ser algo consciente; para otros, encontrar la forma de sacarles provecho puede ser motivo de frustración; y para los más aventajados, su análisis puede ser la base de buenas decisiones.

Una gestión data-driven prioriza en la recolección y análisis de datos para la toma de decisiones, y planifica la evolución de su modelo de operación con base en la información resultante de dichos datos.

Éstas son cinco características de los almacenes y bodegas data-driven:

1. La cultura de datos es impulsada desde la gerencia.

Este impulso consiste en acciones como hacer revisiones operativas con base en análisis de los resultados, analizar diversos escenarios como requisito para las decisiones de proyectos de infraestructura, hasta acciones más complejas como la búsqueda de nuevos roles del almacén en ecosistemas digitales.

La cultura de datos debe ser trabajada de manera deliberada, y para ello se requiere que alguien la modele, destine recursos y la evalúe periódicamente.

No puede haber cultura de datos si nadie es consciente de su valor, y esa consciencia debe iniciar en la administración.

2. Se ha democratizado el acceso a la data básica.

El tratamiento de los datos implica diversos momentos: recolección, preparación, conversión, uso y disposición final. Aunque todos son necesarios, la agregación de valor se da únicamente en las fases de conversión y uso, ya que es aquí donde ocurre la toma de decisiones.

Democratizar el acceso a la data significa priorizar en su uso, evitando que la recolección y preparación se conviertan en una barrera. Para lograrlo pueden requerirse soluciones de automatización en diversos puntos de la operación.

Todos los esfuerzos deben traducirse en que cada función dentro del almacén cuenta con los datos que necesita para su gestión, y que para cada variable de proceso (como cantidad de despachos o tiempo de preparación, por ejemplo) se cuenta con una cifra única oficial.

3. La analítica de las operaciones está integrada en la estructura organizativa.

¿Existe un analista a cargo?, ¿Está detallada la función de analítica en puestos clave del almacén?, ¿Existe apoyo formal de analítica por parte de otros departamentos?

Si ninguna respuesta a las preguntas anteriores es afirmativa lo más probable es que el almacén aún no sea data-driven.

Los esfuerzos espontáneos y aislados para promover el uso de datos pueden dar resultados en el corto plazo, pero no serán sostenibles debido a que la falta de recursos o modernización en los sistemas de información pueden truncar el acceso a la información necesaria.

4. Se tiene conciencia sobre la incertidumbre y su naturaleza.

Tomar decisiones basadas en valores promedio va perdiendo sentido a medida que se dispone de más datos.

Planificar la carga de trabajo según el tiempo promedio de preparación de órdenes, nivel de utilización promedio del almacén o flujo promedio de pedidos puede ser una práctica común que resuelve el problema de programación de las operaciones.

Sin embargo, al disponer de datos existe la posibilidad de desarrollar modelos probabilísticos para predecir el nivel de servicio o tiempo de ciclo, y estimar la probabilidad de cumplir determinado objetivo. Esto ilustra cómo los datos permiten adoptar una nueva mentalidad al gestionar las operaciones.

5. La analítica se utiliza en favor de la operación y demás partes interesadas

El servicio y la productividad son importantes, pero para que las operaciones sean sostenibles es necesario que se desarrollen en armonía con los intereses y necesidades de empleados, inversionistas, comunidad y proveedores, entre otros.

Un almacén data-driven puede identificar necesidades de mejores condiciones de trabajo para su personal a través del análisis de la productividad durante el día o semana.

También en una bodega se podría analizar fácilmente el impacto medioambiental del sistema de manejo de materiales mediante el análisis del consumo de combustible de sus equipos, algo que puede ser de interés para sus accionistas y comunidad.

En definitiva, la gestión data-driven facilita el conocimiento, reflexión y mejora continua de las operaciones.

Cada operación puede tener un nivel específico de madurez, y un buen primer paso es medirlo. Luego será necesario generar un roadmap y plan de ejecución que permita lograr el nivel de desarrollo de acuerdo con la estrategia corporativa. 

Por Alex Ramos

Descargue el documento en PDF haciendo click aquí.

Correo electrónico: contacto@ceesci.com

Centro de Estudios Logísticos y Comercio Internacional, CEESCI © 2019-2024. Todos los derechos reservados.

El Salvador, Centroamérica.