www.nexotrans.com

Ontruck usa Inteligencia Artificial para predecir la demanda

Su modelo predictivo, capaz de pronosticar el comportamiento del mercado con un margen de error del 10% en demanda y 16% en carga

jueves 12 de noviembre de 2020, 07:00h
Ontruck usa Inteligencia Artificial para predecir la demanda
Las empresas de transporte de mercancías necesitan anticiparse a las necesidades del mercado para poder preparar su operativa y tener sus efectivos disponibles para asumir los picos de demanda. Con este fin, Ontruck, plataforma online de transporte de mercancías por carretera, ha desarrollado una herramienta predictiva basada en un modelo de Inteligencia Artificial que, a partir del análisis de múltiples variables, es capaz de pronosticar cómo se va a comportar su negocio con un margen de error medio del 10% en demanda y del 16% en capacidad de carga por tipo de vehículo.

“Gracias a este modelo contamos con información diaria de la evolución de nuestro negocio, y podemos saber cuántos vehículos y de qué tipo vamos a necesitar por ciudad, cuántos pedidos vamos a recibir y qué ingresos van a reportar a la compañía“

Esta alta fiabilidad se consigue gracias a un sistema de machine learning en el que el modelo predictivo va aprendiendo progresivamente de los datos que se le facilitan y de los que él mismo recoge de forma automática de los sistemas de información de la compañía, e incluso está preparado para aprender de sus propias desviaciones en la predicción”, explica Javier Escribano, Chief Product Officer de Ontruck.

Las variables que tiene en cuenta la herramienta van desde el histórico de cargas del negocio (los clientes que hicieron los pedidos, sus sectores de actividad, los destinatarios, origen y destino geográfico de las cargas, el tipo de vehículo y de palés utilizados) hasta la estacionalidad (el impacto de determinados momentos del calendario por áreas geográficas, como los días festivos o el Black Friday), pasando por datos económicos oficiales del INE (como el porcentaje de negocios que abren o cierran en una ciudad o país) o por circunstancias puntuales o extraordinarias de carácter macroeconómico (limitaciones a la movilidad, una huelga, un cierre de fronteras), que se introducen de forma manual.

En lo que respecta al Covid-19, al no tratarse de un evento puntual, sino de una situación excepcional de continuidad, sus efectos impactan transversalmente en toda la predicción, y el modelo trata de evaluar cómo va a afectar al futuro del negocio. “Cuando en el mes de febrero China cerró sus fronteras, en Ontruck hicimos estimaciones de cómo afectaría a nuestro negocio en un plazo de dos meses si sucediera lo mismo en Europa, y el modelo acertó con un margen de error del 20%”, apunta Escribano.

El modelo predictivo de Ontruck está planteado en dos fases: la primera ofrece un informe de predicción con dos meses de antelación, y posteriormente se realiza una revisión quincenal para analizar si han surgido indicadores de cambio, de manera que sea posible realizar ajustes ante situaciones inesperadas (como pudiera ser una nueva orden de confinamiento).

“Gracias a este modelo contamos con información diaria de la evolución de nuestro negocio, y podemos saber cuántos vehículos y de qué tipo vamos a necesitar por ciudad, cuántos pedidos vamos a recibir y qué ingresos van a reportar a la compañía. La estimación de cargas nos permite planificar adecuadamente nuestros recursos y visualizar nuestra capacidad extendida para incrementar el volumen de ventas”, sostiene el CPO de Ontruck.

Estimaciones de cara al Black Friday

Ante la proximidad del inicio de la campaña de Navidad, cuyo pistoletazo de salida es, desde hace años, la semana del Black Friday, la compañía cuenta ya con sus propias predicciones de negocio: “Desde este mes esperamos un incremento de cargas del 25% respecto a octubre, y nuestra herramienta nos indica que los días de máxima demanda serán los días 3 y 4 de diciembre (previos al puente de la Inmaculada) y el 17 y 18 de diciembre (previos a la semana de Navidad), en los que tendremos un aumento de demanda del 35% respecto al mes anterior”, apunta Escribano.