Por qué la analítica de datos puede ayudar al sector de la industria 

La empresa

Es una empresa de producción, comercialización y distribución de energía en la Península Ibérica, con más de 250 gasolineras, distribuidas geográficamente por todo el país y con una cadena de valor integrada.

El desafío

El desafío fue comprender el rendimiento del negocio y los impactos de la interacción geoespacial de la actual red de distribución de gasolineras. Se destacaron cuatro aspectos fundamentales para la creación de valor:

– Optimización de una estrategia de precios basada en la localización
– Estimación de la competencia y del efecto de canibalización del mercado en cada una de las gasolineras
– Previsiones de ventas, por tipo de combustible, de una nueva estación de servicio a instalar en cualquier punto del territorio nacional para la posterior optimización de la expansión de la red
– Capacidad para interactuar y visualizar las soluciones desarrolladas.

Una de las principales dificultades para solucionar los problemas era la multitud de fuentes de información que existían a nivel local y en diferentes formatos – en su mayoría no estructurados.

La solución desarrollada para afrontar los desafíos anteriores también tiene como etapa crítica – el conocimiento de la multitud de factores que condicionan el comportamiento espacial de la red de distribución de combustible.

El enfoque

La primera etapa de las interacciones geoespaciales de la red de distribución de combustible consistió en estructurar, organizar y procesar la información, almacenándola en una base de datos (por ejemplo, el rendimiento diferenciado de cada estación de servicio, la evolución temporal y local de los precios, los recursos y el entorno externo).

La solución se materializó mediante una aplicación de visualización de información interactiva que permitió extraer insights de negocio únicos (por ejemplo, el impacto de la pandemia, la estacionalidad y el efecto de la temperatura en el consumo de determinados productos), y que introdujo, de forma integrada, los dominios temporal y espacial.

Respecto al componente de inteligencia de geolocalización, la solución presentada permitió al equipo agrupar los diferentes puestos según la oferta, las características de la localización y el entorno exógeno, estimando el área de captación y la eficiencia con relación al potencial estimado.

El modelo construido permitió obtener varios outputs relevantes para la organización y para el desarrollo estratégico del negocio. Así, el cliente se equipó con la capacidad de prever el potencial de ventas (por tipo de producto) de cada local en todo el territorio nacional, identificando al mismo tiempo los efectos de la canibalización del mercado y de la competencia, y mejorando así su plan de expansión.

Respecto al modelo de pricing, se identificaron los aspectos críticos, por localización, para adecuar la oferta a la demanda (por ejemplo, flujos y tipos de tráfico, características de la competencia, características de la oferta disponible), con el objetivo de optimizar la política de pricing.

Resultados

La solución desarrollada permitió a la empresa conocer en detalle los efectos de la interacción de la red con su entorno y los flujos de demanda, según los ámbitos temporal y espacial.

Los resultados fueron integrados en una herramienta de visualización e interacción que sirve de soporte a la toma de decisiones estratégicas, garantizando así una capacidad diferenciada en un mercado extremadamente agresivo.

Esto hace que la complejidad del problema sea tangible y más fácil de controlar para la organización, permitiendo evaluar el impacto de una decisión en el rendimiento del negocio en tiempo real y según su distribución en todo el país, optimizando así el rendimiento global del negocio.

#data analytics