Metodología para detección de quiebres de stock en el retail

Abstract

Los quiebres de stock son un problema que se presenta a nivel mundial y Chile no es la excepción. Estudios a nivel internacional indican que el promedio mundial de quiebres de stock es de 8.3%, mientras que en Chile, el nivel de quiebres de stock que presenta la industria es de un 15.7%. Esto genera pérdidas que han sido estimadas en un promedio de 3.9% de ventas perdidas para el retailer y un 2\% de pérdidas para el proveedor. Para una industria con ventas estimadas en U$602.000 millones, esto representa pérdidas de U$24.000 millones para los retailers y U$12.000 millones para los proveedores. En particular, en esta tesis se aborda el problema de los quiebres de stock de la categoría Pan a granel en el supermercado Jumbo de Peñalolén. Para ello se cuenta con datos transaccionales del punto de venta con información de la tarjeta de lealtad y mediciones de los quiebres de stock en esta categoría realizados mediante cámaras de vídeo. El objetivo principal consiste en generar una metodología que permita detectar quiebres de stock usando datos transaccionales. La relevancia de esto está dado por el hecho que gran parte de la literatura se ha enfocado en abordar este problema generando modelos de inventario en góndola. Sólo Fisher y Raman plantean utilizar datos transaccionales con modelos de Control Estadístico de Procesos. A partir de esta idea, se analizaron las distintas técnicas de Control Estadístico de Procesos para encontrar las más adecuadas a este problema, siendo elegidos los gráficos de Shewhart y el Bernoulli Cumulative Sum. Para ambos casos se clasificaron los distintos SKU de la categoría de acuerdo a su nivel de rotación en alta, media y baja; y se utilizó el market share como el estadístico a analizar. Para el caso de los gráficos de Shewhart se mostró que es un método simple de implementar y que es bastante efectivo para productos de alta rotación, obteniéndose niveles de detección entre un 40 y un 49%. Además, se mostró que agregando información histórica de preferencia de compra es posible lograr disminuciones significativas de las tasas de falsas alarmas de hasta un 67%, manteniendo niveles similares de detección. Sin embargo, este método pierde efectividad para productos de rotación más baja, que en el caso del pan a granel fue menor a 4%, ya que no es posible aplicar la metodología en muchos períodos de tiempo por la poca cantidad de información. Por otro lado, si bien el método de Bernoulli CUSUM es más complejo de implementar, éste mostró excelentes resultados en productos de rotación media y baja, llegando a niveles de detección de incluso un 58%, con tasas de falsas alarmas en torno al 10%. Para productos de rotación alta este método tuvo niveles de detección similares al los gráficos de Shewhart, sin embargo, presentó niveles de falsas alarmas superiores, entorno al 13%. Se concluye finalmente que los gráficos de Shewhart, combinado con información de la tarjeta de lealtad son el mejor método para productos de alta rotación y que los el Bernoulli CUSUM es el mejor para productos de rotación media y baja. Además, queda como trabajo futuro la revisión acerca de cómo auditar un quiebre de stock y cuánto demora este en ser observable en el punto de venta.