Reemplazamos 14 informes manuales en hojas de cálculo con un único panel inteligente que responde preguntas en lenguaje natural y predice necesidades de inventario con 3 semanas de anticipación.
BrightMart operaba 28 puntos de venta en el sureste de Estados Unidos con un equipo central de compras que dependía de 14 informes diferentes en hojas de cálculo compilados manualmente cada lunes. Los informes cubrían ventas por ubicación, niveles de inventario, tendencias estacionales, tiempos de entrega de proveedores, rendimiento promocional y demografía de clientes.
El proceso de compilación de datos consumía 22 horas de tiempo de analista semanalmente. Cuando el equipo de compras recibía los informes el martes por la tarde, los datos ya tenían entre 48 y 72 horas de antigüedad. Peor aún, cada informe utilizaba métodos de cálculo ligeramente diferentes, lo que generaba cifras contradictorias que provocaban disputas recurrentes entre los equipos de comercialización y operaciones.
El coste real no era el tiempo de los analistas, sino las decisiones retrasadas. BrightMart estimaba 1,4 millones de dólares en ingresos perdidos por roturas de stock en artículos en tendencia, porque el equipo de compras no podía identificar picos de demanda hasta la semana siguiente. Necesitaban visibilidad en tiempo real que un equipo de analistas no podía proporcionar manualmente.
Construimos una plataforma de análisis unificada con tres capas: un pipeline de datos en tiempo real que ingiere datos de TPV, inventario y proveedores de las 28 ubicaciones; un almacén de datos PostgreSQL con vistas materializadas para rendimiento de consultas subsegundo; y un panel Next.js con una interfaz inteligente de consultas en lenguaje natural.
La función de lenguaje natural utiliza Claude API para traducir preguntas como "¿Qué tiendas tuvieron la mayor mejora de margen el mes pasado?" o "Muéstrame artículos en tendencia alcista en Miami pero en descenso en Atlanta" en consultas SQL, ejecutarlas y presentar los resultados con visualizaciones generadas automáticamente. Entrenamos el sistema con más de 200 patrones de consulta comunes específicos del modelo de datos de BrightMart.
El módulo de inventario predictivo analiza 18 meses de datos históricos de ventas combinados con señales externas (clima, eventos locales, precios de competidores) para pronosticar demanda a nivel de SKU-ubicación con 3 semanas de anticipación. Las alertas se activan automáticamente cuando la demanda prevista supera el stock actual más los pedidos entrantes.
Auditamos los 14 informes, unificamos métodos de cálculo, diseñamos el esquema del almacén y establecimos pipelines de datos en tiempo real desde sistemas de TPV e inventario.
Construimos el panel Next.js con vistas basadas en roles para ejecutivos, compradores y gerentes de tienda. Desarrollamos el motor de consultas en lenguaje natural potenciado por Claude.
Entrenamos modelos de previsión de demanda con 18 meses de datos históricos. Validamos predicciones contra 3 meses de datos de reserva, logrando una precisión del 92%.
Desplegamos en las 28 ubicaciones en oleadas de 7. Formamos a 45 usuarios en 4 roles. Ejecutamos informes en paralelo durante 2 semanas para validar la precisión de los datos.
Durante el primer trimestre tras el lanzamiento, el equipo de compras de BrightMart tomaba decisiones de inventario un 41% más rápido, respondiendo a tendencias en horas en lugar de esperar al informe de la semana siguiente.
Sin compromisos. Cuéntenos lo que necesita y le diremos cómo lo resolveríamos.
“Antes esperaba hasta el martes por cifras que ya estaban obsoletas. Ahora le hago una pregunta al panel a las 7 de la mañana y tomo una decisión de compra antes de mi segunda reunión. Esa diferencia de velocidad vale millones al año.”
— Director de Comercialización, BrightMart Retail
Si su equipo aún compila informes manualmente, podemos construir un panel potenciado por IA que le ofrezca respuestas en segundos en lugar de días.
Consulta gratuita · Normalmente respondemos en 24 horas