Diez años de ejecución en retail: qué cambió y qué sigue igual

Un lunes de 2016, un KAM de consumo masivo abría el portal de la cadena y ahí estaba el dato del día anterior. Diario, por local, por SKU. La idea de que en esa época la información llegaba con semanas de atraso es cómoda y falsa. El sell-out del canal moderno ya se publicaba a diario y llevaba años haciéndolo. La dificultad de la ejecución en retail estaba en otra parte.

Ese dato estaba en el portal de esa cadena, con el código de artículo de esa cadena y el criterio de corte de esa cadena. En el portal de la siguiente, el mismo SKU tenía otro código. El distribuidor mandaba lo suyo por correo, en otro formato. El analista pasaba las primeras horas del lunes descargando, pegando y homologando, y recién entonces el equipo comercial podía empezar a mirar.

Así la información era diaria y la decisión, semanal. El dato llegaba a tiempo. Volverlo comparable costaba horas de Excel. Se sabía el sell-in, porque lo facturaba uno mismo. El sell-out consolidado, el que sirve para decidir con qué surtido entrar a la negociación, era el resultado de un trabajo manual que había que hacer y rehacer cada semana.

BAMBU empezó a operar en ese contexto, en 2016. Diez años después toca el balance.

El cambio más importante de la década ocurrió entre la publicación del dato y el momento en que alguien podía mirarlo consolidado. En 2016 ahí había varias horas de trabajo humano por cada ciclo de reporte. Hoy queda una fracción marginal.

Ese cambio no vino de las cadenas, y la distinción importa. Cada cadena publica en su formato, con su maestro de artículos, con su criterio de corte de semana y sin ninguna intención de coordinarse con las demás. Nada indica que eso vaya a cambiar, y tampoco tendría por qué. El portal está diseñado para la operación de esa cadena, no para la del proveedor que le vende a cinco.

Lo que apareció fue una capa intermedia. Plataformas como BAMBU se conectaron a cada fuente, sean portales B2B, archivos de distribuidores o planillas, y resolvieron la homologación una vez, de forma sistemática, para entregar una vista única. El trabajo de cruzar códigos y alinear criterios se trasladó, y dejó de recaer sobre el equipo comercial cada lunes por la mañana.

Cuando la consolidación cuesta media mañana, se hace una vez por semana, y la decisión se ajusta a esa cadencia aunque el dato de origen sea diario. Cuando es automática aparece una categoría de decisión que antes casi no existía en la práctica: la que todavía alcanza a cambiar el resultado del mes en curso. Queda tiempo de levantar un pedido pendiente con la cadena, o de redirigir el equipo de terreno a los locales que más pesan.

En 2016 el dato tenía dueño. Alguien, el analista, el área de sistemas, el que sabía armar la planilla, lo preparaba y lo distribuía. El KAM recibía el reporte que otro había decidido cómo cortar, y si necesitaba una vista distinta la pedía y esperaba.

Eso se dio vuelta. Hoy el KAM abre su propia consulta, filtra por la cadena que le toca y ve su cartera sin intermediarios, muchas veces desde el teléfono y camino a una reunión. El analista dejó de ser el cuello de botella del acceso y pasó a trabajar sobre las preguntas que sí requieren análisis.

El efecto de fondo va más allá de la comodidad. La persona que tiene el contexto comercial, la que sabe qué se negoció con esa cadena y qué se prometió para el trimestre, es también la que ahora mira el dato. Durante años esas dos cosas estuvieron en cabezas distintas, y buena parte de lo que se perdía en la traducción se perdía ahí.

En 2016 la visita a sala se registraba en una libreta, en el mejor de los casos. La oficina sabía que el reponedor había ido porque el reponedor lo decía. Si el planograma no se respetaba, si la cabecera negociada no se montó, si la exhibición adicional pagada estaba a medias, se enteraba el KAM cuando iba él mismo.

La adopción de herramientas como BAMBU Mobile cerró esa brecha con check-in por geolocalización, registro fotográfico de la góndola y tareas verificables por local. Se lee como control, y en parte lo es. Lo que cambió de fondo es que la oficina y la sala empezaron a discutir sobre el mismo hecho, y que el cumplimiento de lo negociado, share de góndola, frentes y ubicación, dejó de ser palabra contra palabra.

El dato de terreno también cambió de naturaleza. Una foto guardada en una carpeta prueba que la visita ocurrió. Una foto asociada al local, a la fecha y al SKU auditado entra a un reporte y se puede contar. Cuando las cuarenta visitas de la semana se agregan por cadena y por categoría, el supervisor deja de discutir casos aislados y empieza a ver dónde se repite el incumplimiento. Ese paso, de la evidencia individual al indicador, es el que permitió que la ejecución en sala entrara a la misma reunión donde se mira el sell-out.

Casi ninguna de las operaciones que BAMBU acompaña llegó al final de la década con el mismo equipo con el que empezó. El KAM que definió los cortes del reporte semanal está en otra compañía, el analista que armó la homologación de códigos fue promovido y el gerente comercial que aprobó el proyecto lleva dos reemplazos. La rotación en las áreas comerciales de consumo masivo es una condición del rubro, y en diez años no dio señales de moverse.

Cuando alguien sale, sale con el criterio en la cabeza: por qué la semana comercial corta el miércoles, por qué esa cadena se mide agrupada y no por local. Lo que queda disponible es lo que está en el sistema, y quien llega hereda un histórico que nadie le podría contar completo.

Y llega con su propia forma de trabajar. Viene de otra empresa, donde el quiebre se definía distinto y el reporte que abría todos los días acá no existe. Pide un corte que no está. Ese pedido, repetido cada vez que entra alguien nuevo, es la razón por la que la adaptación nunca se cerró como etapa del proyecto. Y la ventana es corta: el KAM que en su primera semana no encuentra lo que necesita arma su propia planilla en la segunda.

Hay dos capas y conviene distinguirlas. El registro se mantiene: la venta, el stock, el histórico, las definiciones que la empresa acordó. La forma de leerlo se ajusta. Un analista nuevo no cambia cómo se mide el fill rate, cambia con qué vista lo revisa el lunes.

Por eso instalar el software es la parte corta del trabajo, y por eso cada cliente de BAMBU trabaja con un equipo de Success asignado, que conoce la operación con una continuidad que atraviesa los cambios de dotación. Ninguna versión de la herramienta que se usaba en 2016 serviría hoy en la misma empresa, incluso si la empresa vendiera exactamente lo mismo. Cambiaron las personas que la abren, y con ellas lo que le piden.

Ninguna plataforma mueve un indicador sola. Lo mueve el KAM que ve la alerta y la baja al supervisor de terreno, el analista de trade que corrige el sugerido de reposición, el gerente de canal que decide dónde concentrar el esfuerzo de la semana con los recursos que tiene.

Esto suena a lugar común, pero hay algo que un proveedor de plataforma puede observar y un cliente no, y es cómo se usa el sistema en decenas de empresas al mismo tiempo, durante años. Quién entra, con qué frecuencia, qué reportes abre, si vuelve al día siguiente. De esa observación sale el hallazgo más consistente de la década.

A los clientes que más ocupan la plataforma les va mejor. La cantidad de módulos contratados no predice el resultado, y el tamaño de la empresa tampoco. La frecuencia de uso sí. El patrón se sostuvo durante diez años, en distintos países, en distintas categorías y en empresas de tamaños muy diferentes, con una regularidad que ya no admite ser leída como coincidencia.

Lo que distingue a esas organizaciones tiene poco de sofisticación técnica. El equipo comercial tiene el hábito incorporado, revisar el dato es parte de la rutina de la semana y no una tarea que se agenda, y hay alguien con la atribución para actuar sobre lo que ve. Un equipo cómodo con la herramienta convierte una alerta en una llamada; un equipo que no la abre convierte esa misma alerta en un correo que nadie lee.

Es la variable que la tecnología no controla y la que más pesa en el resultado. Si hubiera que pronosticar el desempeño de una implementación con un solo dato, después de diez años el mejor candidato es cuántas personas abren la plataforma en una semana cualquiera.

Después de más de cien empresas, lo que aparece es lo contrario de la convergencia. La industria consolidó un vocabulario común, OSA, fill rate, Perfect Store, share de góndola, y eso hizo pensar que detrás del vocabulario venía un estándar. No vino. Dos compañías del mismo tamaño, la misma categoría y el mismo país siguen midiendo cosas distintas y llamándolas igual. Su definición de quiebre no coincide: para una son dos días sin venta y para otra, stock cero en el portal de la cadena. Y cuando dos empresas hablan de Perfect Store, rara vez están puntuando los mismos pilares con los mismos pesos.

Por eso la adaptación nunca dejó de ser necesaria, y BAMBU se construyó para eso desde el principio. Diez años de implementaciones lo muestran con consistencia. La plataforma que se ajusta a la operación se usa completa; la que obliga a la operación a ajustarse a ella se usa a medias, y termina conviviendo con la planilla paralela que nadie reconoce en la reunión.

La próxima década no se va a jugar en conseguir más datos. El volumen está resuelto en buena medida. Las definiciones con las que cada empresa lee ese volumen siguen siendo propias, y nada indica que se vayan a estandarizar. Lo que queda por resolver es quién interpreta lo que ya existe, y ahí entran el machine learning y la inteligencia artificial.

En ejecución de canal moderno hacen cosas bastante concretas. Pronostican mejor: un modelo entrenado con años de comportamiento por SKU, por local y por temporada dimensiona la demanda con una granularidad que ninguna planilla alcanza, y con eso mejora la orden que se sugiere y el fill rate que se compromete. Detectan la anomalía antes de que sea evidente. El aviso útil no llega cuando el producto se agotó, llega cuando el promedio de venta diaria de ese local se desvió lo suficiente como para que se agote el jueves.

Y priorizan, que es la parte menos comentada. Cuando el sistema detecta doscientas situaciones en cuatrocientos locales y el equipo de terreno puede cubrir veinte, decidir cuáles son esas veinte es en sí mismo un problema de modelo.

Todo eso apunta al mismo lugar: el tiempo que se gasta en preparar el análisis en lugar de hacerlo. La promesa razonable de la IA en esta industria pasa por devolverle horas al equipo que tiene el criterio comercial y por mejorar la calidad de la evidencia con la que ese equipo llega a la mesa de negociación. Reemplazar ese criterio no está en el horizonte.

Un modelo tampoco arregla un maestro de artículos inconsistente. Lo amplifica. Y no decide por una organización que no tiene definido quién actúa sobre la alerta. Sigue necesitando que alguien valide que la recomendación tiene sentido en la realidad de la sala, donde la cadena cambió el layout la semana pasada y el modelo todavía no lo sabe. La regla de la sección anterior gana peso con la IA.

Más de cien empresas han trabajado con BAMBU en estos diez años, en diez países de Latinoamérica. Llegaron con operaciones distintas, categorías distintas y formas distintas de medir lo mismo, y en cada caso la plataforma se acomodó a su realidad.

Buena parte de lo que hoy es BAMBU existe por eso, y dos casos concretos lo muestran.

Una compañía con un producto de alta rotación cerraba pedidos adicionales todos los días en la sala, y ese pedido vivía en mensajería y correo. Alguien lo reformateaba a mano según la cadena que lo recibía, y al cierre de la jornada nadie tenía el conteo. El pedido pasó a capturarse en terreno desde la aplicación, con el formato que exige cada cadena, a consolidarse en la plataforma web y a exportarse al cierre del día. Hoy quedan listos cuando termina la jornada, y la cobertura alcanza a las cadenas de supermercados del país.

Otra necesitaba mirar el canal tradicional, donde miles de clientes quedan repartidos entre distintos distribuidores y cada distribuidor entrega su información como puede. No había manera de medir la cobertura real ni de decidir un lanzamiento con el canal completo a la vista. Se construyó un módulo dedicado, con los clientes organizados por categoría y las métricas que ese canal ocupa: ventas en cajas, cobertura, ticket promedio, tamaño de pedido y frecuencia. La cobertura se mide año contra año y las decisiones de portafolio se toman sobre el canal entero.

Diez años de trabajo conjunto dejan una plataforma que ningún roadmap habría producido por escrito.

Ese es el balance del que el equipo está orgulloso. Más que la cifra, lo que cuenta es que la relación con cada cliente fue lo bastante cercana como para que la plataforma creciera con él, y eso es lo que aparece cuando la operación cambia y hay que responder rápido.

La góndola sigue siendo el lugar donde la estrategia comercial se confirma o se cae. Eso no cambió, y probablemente no cambie. Lo que cambió es cuánto se puede ver de lo que ahí ocurre y qué tan rápido se puede hacer algo al respecto.

Diez años de ejecución en retail dan para varias conversaciones. Si algo de lo que se lee acá se parece a la discusión que están teniendo en su operación, el equipo de BAMBU está disponible para seguirla.