Niels Bohr, físico danés pionero y Premio Nobel en 1922, dijo en una ocasión: “La predicción es muy difícil, sobre todo si se trata del futuro”.1 Desde hace casi un siglo, las fronteras de la predicción del futuro se han acelerado exponencialmente, gracias a la mercantilización de la tecnología informática, los avances en las capacidades de aprovechamiento de datos y los algoritmos, y la mayor madurez de los modelos predictivos.
Un ámbito en el que la predicción se utiliza ampliamente es el de la fijación de precios, especialmente en los segmentos de clientes de empresa a consumidor (B2C), donde se aplica para mejorar los márgenes y ampliar la cuota de mercado.
Las empresas que inicialmente experimentaron con la fijación de precios predictiva a menudo la aprovecharon para los esfuerzos de centrado en el cliente, con los personajes de los clientes convirtiéndose en un motor clave para la fijación de precios. Esto aumentó el despliegue de modelos de análisis predictivo y de aprendizaje automático a un coste básico para captar las tendencias de la oferta y la demanda desde la perspectiva del cliente e impulsar las ventas.
Hoy en día, las empresas B2C capturan grandes volúmenes de datos de clientes, mercados y productos, así como sus impulsores asociados, y utilizan esta información para fijar el precio, planificar la estrategia de suministro y dar forma a las previsiones de la demanda. Como ejemplo, Amazon ha creado y desplegado modelos de precios dinámicos (predictivos) que hacen que la fijación de precios y la planificación de la oferta y la demanda sean fluidas y en tiempo real.
Afortunadamente, químico las empresas pueden reflejar las empresas B2C que están accediendo a los servicios de computación y aplicaciones bajo demanda en la nube y en las instalaciones para la gestión de datos, el aprendizaje automático, inteligencia artificial, análisis predictivo y visualización. Además, los proveedores están integrando estos servicios en los ecosistemas empresariales, lo que facilita aún más que las empresas químicas pongan en marcha, prueben y amplíen los programas de precios predictivos para casos de uso empresarial específicos, desde la caja de arena hasta la escala industrial.
Las empresas químicas se suman a la tendencia de los precios predictivos
Más recientemente, la necesidad de una fijación de precios predictiva en los productos químicos -que sigue siendo principalmente una industria de empresa a empresa (B2B)- ha surgido debido a cuatro factores convergentes. El primero es la feroz competencia en los mercados de productos químicos básicos y de rendimiento, que incluye nuevas clientes, competidores mundiales, materias primas rentables y un cadena de suministro
El segundo es el cambio hacia la centralidad del cliente, que está dando forma al desarrollo de productos químicos y aplicaciones de uso final. El tercero es el crecimiento de los canales de comercio electrónico diseñados para servir a los clientes con una experiencia de pedido a domicilio. Y por último, la creciente priorización del negocio para gestionar y maximizar el margen.
Teniendo en cuenta estas demandas, así como el creciente uso de predicciones en tiempo real para tomar decisiones en sectores como el financiero, la aviación y la logística, la fijación de precios predictiva puede desempeñar un papel central para hacer negocios en la industria química.
Pasos para seguir adelante
Los equipos de ventas, marketing y planificación de los proveedores de productos químicos de todo tipo pueden emprender un viaje de transformación digital utilizando la fijación de precios predictiva. Un ejemplo: Accenture ayudó a un proveedor global a capturar y transformar los datos de precios del mercado y de los conductores del personal de ventas en el campo en una mejora de los márgenes. El objetivo era también mejorar la estructura operativa existente de la empresa, como los procesos de ventas, suministro y planificación dentro de las regiones globales.
Accenture desarrolló un modelo de aprendizaje automático/inteligencia artificial para predecir los precios de un producto químico de alto margen en una región dinámica y altamente competitiva. Los pasos clave incluyeron:
- Capturar los impulsores de los precios (por ejemplo, globales, macro, estratégicos, oferta-demanda, materia prima)
- Identificar la dinámica de los conductores
- Cuantificar y validar la relevancia del conductor
- Seleccionar los controladores para construir el modelo
- Construir, entrenar, predecir y hacer pruebas de precios hasta un horizonte temporal de seis meses
Trabajando juntos, ayudamos a la empresa a ofrecer un modelo predictivo de precios con una precisión de más del 80 por ciento en comparación con las referencias de precios del sector y lo validamos con los precios del mercado regional. El modelo se adoptó para lograr, en última instancia, los siguientes beneficios clave:
