La solución es una plataforma web inteligente que permita a usuarios de comercios minoristas y distribuidores poder hacer predicciones de demanda y aprovisionamiento, así como poder encontrar nuevos nichos de mercado.

Para ello, la plataforma se nutrirá tanto de la información que tiene ahora mismo del cliente, a través de los sistemas de ERP que actualmente ofrece la empresa, con información no estructurada proveniente de Internet, en forma de noticias, opiniones, o revisiones de productos en páginas especializadas. Toda esta información se analizará desde una perspectiva multimodal, de manera que se tengan en cuenta vídeos, imágenes y audio de distintas fuentes, debido a que las tendencias de plataformas en redes sociales están enfocadas en esta dirección, por medio de influencers en redes sociales, procesos de unboxing para describir nuevos productos o pruebas reales. Por lo tanto, poder analizar esta información de manera fiable se convierte en una fuente de información valiosa para poder predecir la demanda de nuevos activos. Por tanto, realizará un análisis de la información y tendencias que se pueden realizar en redes sociales de streaming de vídeo como Youtube o de imágenes como Instagram, haciendo uso de tecnologías de transcripción de los audios de los vídeos y tecnologías de procesamiento de imágenes para poder extraer etiquetas de las imágenes y los vídeos y poder poner en contexto toda esa información.

Otro aspecto importante para considerar es que la mayoría de los sistemas de análisis en redes sociales no tienen en cuenta la segmentación de los tipos de usuarios que interactúan con los contenidos publicados en redes sociales, así como características que dan visibilidad a la publicación, como pueden ser los retweets en caso de Twitter, o apoyar a esa publicación indicando, por ejemplo, que le gusta. Nuestra propuesta, en cambio, buscar categorizar y segmentar los distintos perfiles de usuarios, de forma que todos tienen la misma importancia y no pudiendo determinar el impacto para características demográficas tales como género, edad, formación, orientación política, relevancia mediática, o gustos y preferencias. Aunque la mayoría de las cuentas de redes sociales son anónimas, mediante tecnologías de análisis de autor (autor profiling) que se basan en PLN y Deep Learning, es posible categorizar el perfil de una cuenta y determinar, entre otras cosas, su edad, lugar de origen, o intereses. Incluso es posible determinar con ciertas garantías si una cuenta es un bot o una persona real, en base a sus contribuciones textuales y otra información de la cuenta. La incorporación de este tipo de tecnologías nos permitiría determinar similitudes entre distintos perfiles para poder estudiar el impacto hacia determinadas tendencias en base a distintos segmentos de la población, como por edad, sexo, o nivel de estudios.

Con respecto al análisis de información subjetiva, se pretende pasar de un enfoque de análisis de sentimientos, donde se determina si una opinión es positiva, negativa o neutra a un modelo de análisis de emociones. Algunos ejemplos de estas emociones son alegría, miedo, tristeza, disgusto, sorpresa e ira. Un análisis de emociones permite tener una mejor comprensión de la percepción del público hacia un producto o tendencia.

Además, se obtendrán datos del entorno, tales como pueden ser datos que tengan que ver con el clima o condiciones atmosféricas, de forma que se puedan anticipar situaciones donde la distribución de los productos no va a ser posible, o con la idea de que se puedan realizar cambios de distribución con poco margen. Esto es importante, porque los precios de los productos suelen variar según la oferta y demanda, por lo que podrían abrirse nuevas oportunidades de distribución, aunque sean más arriesgadas, en casos donde se quiera distribuir los productos aun en situaciones adversas. Además, la gestión de este tipo de información puede ser muy importante a la hora de gestionar productos perecederos en almacén, donde encontrar nuevos lugares para distribuir los productos puede ser vital, además de poder favorecer el consumo local.

Un reto importante de este proyecto es que se pretende llegar a ser una solución que permita adaptarse a distintos dominios de manera ágil. Esto contrasta con el anterior proyecto CollaborativeHealth, donde el dominio de aplicación es cerrado. En cambio, desde esta nueva plataforma se plantea el reto de incorporar de manera ágil nuevas fuentes de datos, así como sacar provecho de datasets existentes y de modelos pre-entrenados de estimación, sentimientos, intención de compra, o emociones. Para ello, y con respecto a las tecnologías de anotación y Web Semántica, se hará uso de tecnologías de topic modelling y knowledge graphs que son tecnologías más ágiles para poder identificar de forma dinámica términos relacionados con los tópicos que se están monitorizando, y así poder sugerírselos a los usuarios y poder ampliar el área de búsqueda. Este sistema de sugerencias se basará en los nuevos elementos (tópicos, cuentas, hashtags, etc.) que aparezcan de manera frecuente en el conjunto de datos e información que se está monitorizando.

Los nuevos algoritmos de predicción de demanda presentados en este proyecto harán uso de tanto datos estructurados, no estructurados, multimodales, tácitos, explícitos, o basados en la confianza la fuente; así como buscar las distintas opciones para su almacenamiento a partir de bases de datos relacionales, no relacionales, y sistemas de virtualización escalables.

Otro aspecto importante es el proceso de integración con otros sistemas. Debido a que DANTIA Tecnología dispone de soluciones basadas en ERP, toda esta información se podrá integrar con relativa facilidad con este sistema. Sin embargo, se desarrollarán mecanismos de interoperabilidad basados en API para poder ofrecer toda esta información como servicios y poder integrarlo con otras herramientas. Por otro lado, y como se ha comentado anteriormente, este sistema podrá hacer uso de datos existentes, como históricos de venta, que permitan estimar la demanda de un producto.

En concreto, nuestra propuesta permitirá importar información temporal sobre ventas y facturación a partir de un formato que se definirá en el proyecto y que podrá ser exportado desde distintos ERPs. Estos datos contendrán una serie histórica con las ventas de la empresa, las localizaciones donde se realizaron esas ventas y la descripción de los productos. Esta información se utilizará para obtener el vocabulario e información inicial para la monitorización de las fuentes y, por otro lado, poder estimar la demanda de productos en el futuro en base a los datos recopilados por la plataforma.

De cara a la plataforma final, los usuarios tendrán toda esta información disponible a través de un mecanismo que empleamos en CollaborativeHealth basado en KPIs independientes. Esto permitirá a los clientes poder configurar y organizar sobre un tablero cuál es la información relacionada con su negocio que puede serles de interés. También se desarrollará un sistema de alertas y notificaciones que permita llamar la atención de los usuarios a través de correos, mensajes SMS u otro tipo de alertas en caso de que se requiera su atención.

Con el fin de consolidar negocios y establecimientos de DANTIA Tecnología ha realizado el proyecto Sigamer financiado por la Unión Europea NextGenerationEU  y el objetivo final es que esta solución se comercialice siguiendo un modelo SaaS (Software As A Service) completando las soluciones que actualmente se tienen a disposición de los clientes de DANTIA Tecnología.

Noticias relacionadas