La gdo si trova di fronte ad un punto di svolta: se il retailer è sempre stato abituato a considerarsi un abile venditore nei confronti nella propria clientela, adesso è imperativo non snaturare questo suo ruolo ma potenziarlo con suggerimenti analitici basati sui dati.

Quanto comprare? A quale prezzo vendere? Quali prodotti esporre? Sono tutte domande la cui risposta deve passare necessariamente da un’evidenza scientifica, ovvero precisa. Questo è il concetto espresso da Giulio Martinacci, founder di Tuidi, https://www.tuidi.ai/, azienda foodtech che, attraverso prodotti basati su intelligenza artificiale, automatizza la gestione dello stock dei distributori. Non c’è più spazio, sul mercato, per chi pensa di rimanere impassibile a fattori esogeni che impattano l’evoluzione e l’andamento del settore; il non accettare che questa verità impatta i processi giornalieri potrebbe rappresentare un errore fatale dal punto di vista economico, che sottolinea l'importanza di ripartire dal demand forecasting con un nuovo approccio, ovvero partendo direttamente dallo scontrino di punto vendita.

In passato, la mancanza di strumenti di calcolo adeguati limitava la comprensione dei cambiamenti nei consumi, infatti le decisioni erano basate su semplici medie statistiche. Oggi, questa sfida è stata superata. Le imprese hanno compreso l'importanza di investire sulla gestione del dato (definito da molti il nuovo petrolio), sulla cura del data processing (ovvero lo studio approfondito e personalizzato di ogni dataset dei clienti) e sull’intelligenza artificiale come il motore finale che consente di sfruttare al massimo questa risorsa. E’ necessario, quindi, un cambio di paradigma: non è più l'uomo a determinare l'impatto degli eventi in base alla propria esperienza, è l’intelligenza artificiale a farlo che riesce a leggere, analizzare e interpretare milioni di dati e centinaia di variabili che influenzano contemporaneamente ed ogni giorno in modo diverso le vendite dei singoli prodotti.

In un contesto come quello della gdo dove ci sono decine di migliaia di referenze per punto vendita, dove ogni giorno le condizioni di mercato cambiano e si trasformano, di conseguenze, le scelte dei clienti, dove esiste un costante ricambio assortimentale, pensare di poter gestire il tutto in una modalità non scientifica è il motivo unico per cui esistono inefficienze economiche.

L’unica fonte di verità è lo scontrino: quando e cosa vuole il consumatore, in quale quantità, a quale prezzo. Ripartire da informazioni che questo può dare è fondamentale per costruire un sistema di previsione accurata. A tal proposito, Tuidi ha sviluppato Delphi, la piattaforma basata sull'intelligenza artificiale, che opera con un flusso di dati in tempo reale, in modo da anticipare le esigenze dei consumatori partendo dagli scontrini di punto vendita per comprendere meglio le loro preferenze.

La complessità derivante dalle dimensioni di una struttura come quella di una realtà come Conad Centro Nord può spesso ostacolare l'adozione di nuove tecnologie; tuttavia, il colosso del retail, ha sfidato questo status quo con Delphi, abbracciando l'intelligenza artificiale come catalizzatore per il cambiamento, ponendo il cliente al centro delle proprie iniziative. La creazione di modelli predittivi personalizzati per ogni punto vendita ha permesso di raggiungere risultati tangibili che hanno portato a una maggiore efficienza operativa e a una migliore esperienza complessiva del cliente: Conad Centro Nord ha registrato sui punti vendita una riduzione del 46% delle rotture di stock dei prodotti in promozione, contemporaneamente riducendo del 8% i costi di immobilizzazione della merce in magazzino.

Non solo le grandi aziende della gdo stanno adottando questo cambio di approccio nel mondo della distribuzione. Anche i rivenditori regionali o provinciali della do si sono resi conto delle potenzialità di un approccio che gestione che parta dalle previsioni della domanda di punto vendita. Se questo si sposa con una maggiore flessibilità operativa il gioco è fatto. È il caso di una catena pugliese di 15 negozi che con l’intelligenza artificiale prevede la domanda giornaliera di ogni referenza di ogni singolo punto vendita, riuscendo così a quantificare il numero di pezzi di prodotti da rendere disponibile sugli scaffali.

Da qui si evince il potere del demand forecasting tramite Intelligenza Artificiale: la risoluzione di un problema storico come quello dell’acquisto in colli e della vendita in pezzi.

La conclusione è presto fatta: conoscere il fabbisogno ogni giorno, per singola referenza di ciascuno punto vendita, permette al retailer di poter prendere qualsiasi tipo di decisione che influenzi acquisti, vendita, logistica e/o commerciale, partendo esclusivamente da quello che vuole il consumatore finale.