Compartir la entrada "¿Cómo detectar cantidades inusuales en los pedidos dentro del ciclo Order to cash?"
Para las personas dentro del mundo del ciclo Order to Cash los siguientes dos escenarios les resultarán muy familiares:
1- Entra un pedido de un cliente. Este cliente suele pedirnos alrededor de 200 unidades de un producto. A veces algunas más, otras menos, pero siempre suele estar en torno a este número.
Un día, nos manda un pedido de 20.000 unidades.
Lo detectamos en seguida y sabemos que es muy probable que se trate de una irregularidad, ya que es una cantidad muy superior a lo normal. En seguida nos ponemos en contacto con el cliente para preguntarle por este pedido de 20.000 unidades. El cliente nos asegura que se trata de un error, se le ha debido “ir el dedo” al teclear la cantidad y nos agradece el contactar con él; la cantidad correcta es 200.
Corregimos y aprobamos el pedido, ¡todo arreglado!
2- Nos entra un pedido de 30 palés de un cliente que nos suele pedir siempre 30 cajas de nuestro producto. Puede que con el ajetreo del día no nos fijemos en la diferencia. Vemos el 30 y aprobamos el pedido que entra en el sistema.
Unos días después, nos llama nuestro cliente. Está bastante irritado porque nos ha pedido 30 cajas como siempre y le hemos mandado 3.000.
Consultamos el pedido y en seguida vemos el problema; las unidades estaban mal y ahora nos queda mucho trabajo por delante para poder solucionar esta situación; además debemos tratarla con tacto para no dañar la buena relación que tenemos con nuestro cliente.
Todo esto puede complicarse aún más si hablamos del mundo EDI. Los pedidos en este formato electrónico siempre funcionan bien y no tienen errores ya que los sistemas los detectan, al menos… esa es la teoría…
Cuando hablamos de las cantidades inusuales, no es tan sencillo.
El problema es que para una máquina una cantidad de 10 unidades y una cantidad de 10.000 unidades son igual de válidas; y en estos casos si un pedido con una cantidad anómala ha entrado automáticamente en nuestro sistema, ahora tenemos un problema que hay que solucionar; especialmente si no lo hemos detectado a tiempo, como en el segundo caso.
Para una máquina es muy fácil detectar cuándo un dato está mal; por ejemplo, si nos han pedido 1,5 unidades, es un error porque las unidades deben ser cantidades enteras, sin decimales.
De la misma manera, es muy fácil para una máquina detectar que un código de material no existe en nuestro sistema, y dar error en el pedido e impedir su aprobación.
Sin embargo… ¿Cómo puede saber una máquina que 10 unidades están bien, pero 100 no, y en qué casos? ¿Qué criterio podemos utilizar?
Esta es precisamente la complejidad de algo que a primera vista puede parecer sencillo.
¿Cómo sabemos que esta cantidad es la normal?
Precisamente porque llevamos mucho tiempo procesando pedidos de este cliente y sabemos, por experiencia, que este cliente pide siempre alrededor de 200 unidades. Además, no es necesariamente una cantidad fija, pero sí una aproximada.
Y esta es la clave. Si pudiéramos enseñar a nuestro sistema cuál es la cantidad normal, podríamos detectar las cantidades anómalas, y ya no tendríamos que volver a preocuparnos de que nos fuera a entrar más adelante un pedido de estas características, ya que nuestro sistema ahora es inteligente, ha aprendido a detectar estos casos y a avisarnos.
En Esker, somos conscientes de este desafío que hay en el día a día de las personas que trabajan en el ciclo Order to Cash y por eso hemos incorporado una nueva funcionalidad a nuestra solución: la detección automática de cantidades inusuales.
En la solución de Pedidos de Clientes la IA de Esker está siempre aprendiendo, ahora también aprenderá cuáles son las cantidades normales para un cliente. Y, lo que es más importante, una vez haya aprendido nos avisará cuando detecte una cantidad inusual.
Además, esta detección funciona incluso para pedidos automáticos y EDI: Si la solución de Esker detecta una cantidad inusual, parará el proceso automático para que podamos revisarla y asegurarnos de que realmente es inusual.
La detección inteligente de anomalías nos abre nuevas posibilidades muy interesantes a considerar, por ejemplo; si nuestro cliente suele pedirnos 200 unidades, pero en los meses de diciembre y enero nos suele pedir 1000, la solución puede aprender que, en esos meses, la cantidad de 1000 es normal.
Si se ha detectado una posible anomalía pero en este caso es una cantidad correcta, podremos aprobar el pedido y la solución de Esker aprenderá que esta cantidad es también normal.
Esker es inteligente y siempre está aprendiendo de las acciones de los usuarios, para que de esta manera puedan dedicar más tiempo a tareas de mayor valor añadido y menos en solucionar problemas.
Lucas Fox es Consultor de Servicios Profesionales en Esker Ibérica. Le entusiasman las nuevas tecnologías, aprender y estar al día en los últimos avances tanto en el desarrollo web como en el mundo digital y de componentes de ordenador. Vive en la Sierra de Madrid, para él uno de los lugares más bellos de España, y aprovecha siempre que puede para salir de excursión a la montaña. Cuando no está en la oficina, lo puedes encontrar jugando a vídeojuegos, tocando música o patinando sobre hielo. ¿Quieres conocerlo mejor? Mira este vídeo.