Cómo medimos Sweet 1.3, la IA de gestión de stock de Sway One
Antes de lanzar Sweet 1.3, repetimos ocho tiendas con un año de ventas: previsiones, roturas, coste del stock y decisiones, medidos antes y después.
Una IA de gestión de stock se juzga con ventas que nunca ha visto. Para lanzar Sweet 1.3, construimos un banco de pruebas que repite el pasado y compara cada previsión y cada decisión con lo que se vendió realmente después.
El banco de pruebas de un vistazo
| Paso | Qué hacemos |
|---|---|
| 1. Tiendas | 8 tiendas de demostración, más de 23.000 referencias, un año de ventas |
| 2. Corte | 4 fechas, de mayo a agosto: el modelo solo ve el pasado |
| 3. Previsión | Comparada con los 28 días siguientes: rango, error, cobertura |
| 4. Reposición | Simulada con un 90 % de servicio: roturas, margen perdido, coste del stock |
| 5. Decisiones | Cada acción descartada se vuelve a juzgar por su beneficio real |
Las tiendas cubren moda masculina y femenina, outdoor, running, hípica, tenis y pádel, una marca infantil y una marca textil. Sus catálogos proceden de tiendas reales; sus ventas son simuladas, idénticas en cada pasada, para comparar dos versiones en igualdad de condiciones.
De Sweet 1.1 a Sweet 1.3
Sweet es la familia de IA que hace funcionar Sway One: Echo para el resumen del día, Flow para la producción continua, Horizon para la previsión de stock, Orbit para el análisis completo y Reserve para los pedidos anticipados.
Sweet 1.3 les añade tres nodos:
- Horizon, que enfrenta el modelo estadístico y una previsión día a día, producto por producto;
- Sweet Instinct, que arbitra entre esas previsiones y rescata las buenas acciones que los filtros habían descartado;
- un resumen de la actualidad del sector, con fuentes, para probar hipótesis sobre la demanda.
Cada tienda tiene sus propios ajustes, en su configuración.
Los resultados están en dos artículos: Horizon, la previsión de stock producto por producto y Sweet Instinct.
Preguntas frecuentes
¿Por qué tiendas de demostración?
Para comparar dos versiones hay que repetir exactamente las mismas ventas, sin tocar los datos de un cliente. En su caso, repetimos la medición con su propio historial.
¿Qué medimos en primer lugar?
El coste real para el comerciante: las ventas perdidas por rotura y el dinero parado en stock. Una previsión más precisa solo vale algo si mejora esas dos cifras.