Investigadores de la UOC trabajan en la optimización de datos sobre la facturación, el comercio internacional, el tráfico de internet o la segmentación de clientes. id:69768
En estos momentos convulsos para la economía, la viabilidad de muchas empresas depende de su eficiencia comercial. La gran cantidad de datos que generan es una oportunidad para convertir esta información en conocimiento que ayude a dar una respuesta empresarial más eficiente y competitiva. Investigadores de la Universitat Oberta de Catalunya (UOC) participan en un nuevo proyecto para desarrollar una metodología integral basada en la aplicación de herramientas de inteligencia artificial e business intelligence para mejorar la toma de decisiones comerciales en el ámbito de las pequeñas empresas. El proyecto, de dos años de duración, está liderado por la Cooperativa Falset Marçà, con la participación del Centre Vinícola del Penedès y la Federación de Cooperativas Agrarias de Cataluña, y está financiado por el Fondo Europeo Agrícola de Desarrollo Rural y el Departamento de Agricultura, Ganadería, Pesca y Alimentación de la Generalitat de Cataluña.
«Actualmente las empresas acumulan suficientes datos para poder tomar decisiones comerciales mucho más calculadas que las que se toman en general.
Personalizar y dotar de rigor, método y procesos la estructura comercial es clave para garantizar la supervivencia. Creemos que acompañar en este proceso introduciendo la inteligencia de la analítica puede ser un factor diferenciador», explica Xavi Domènech, gerente de la Cooperativa Falset Marçà y licenciado en
Ingeniería Informática por la UOC. El objetivo del proyecto es el desarrollo y la explotación de un sistema que permita
minimizar las variables subjetivas que distorsionan la toma de decisiones comerciales, y darle más rigor y más consistencia analítica. «En el mundo comercial, tradicionalmente se ha trabajado de forma muy intuitiva y poco sistemática, fiando buena parte del proceso de venta a las habilidades comunicativas de los vendedores. Esta venta relacional de base tan emocional tiene serias dificultades para adaptarse y dar buenos resultados en un
contexto empresarial en el que la compra se ha profesionalizado, se ha sistematizado y ha incorporado un componente analítico muy importante», resaltan las cooperativas impulsoras del proyecto.
Llegar mejor a los potenciales clientes
El grupo Internet Computing & Systems Optimization (
ICSO), del Internet Interdisciplinary Institute (
IN3) de la UOC, liderado por el catedrático y profesor de los Estudios de
Informática, Multimedia y Telecomunicación Ángel A. Juan, junto con los investigadores John Cardona y Diego Oliva, se encargará de la parte más técnica del proyecto, aprovechando su dilatada experiencia en la investigación y transferencia sobre analítica de datos y algoritmos inteligentes. «Nuestro rol es
apoyar el proceso de digitalización de las empresas agrarias. En concreto, analizar las grandes cantidades de datos que generan sus plataformas de comercio electrónico y, a partir de los resultados que se obtengan de este análisis, desarrollar algoritmos inteligentes que les permitan llegar mejor a su mercado de potenciales clientes,
optimizar los procesos de marketing digital, y adaptar la oferta a las necesidades específicas de su público de forma eficiente», explica Ángel A. Juan.
Los datos de facturación, de comercio internacional, de tráfico de internet o de segmentación de clientes se correlacionarán con algoritmos predefinidos que permitirán ganar precisión en la toma de decisiones, de modo que el trabajo de los equipos comerciales sea más eficiente y menos arbitrario. Para ello, el sistema combina varias metodologías científicas pioneras, como métodos estadísticos, métodos de aprendizaje automático y algoritmos inteligentes. «La integración de estas metodologías permite la digitalización inteligente de un sector como el agrario, lo que lo dota de las herramientas necesarias para ser más competitivo en el entorno actual y futuro, en el que acontecimientos como la aparición de la COVID-19 han transformado los hábitos de los consumidores», explica el catedrático de la UOC.
Aunque este proyecto se centra en el sector de las cooperativas agrarias, cabe destacar que la solución propuesta puede tener un gran impacto en otros sectores, dada la importancia que tiene la acción comercial en la cuenta de resultados de cualquier empresa. De hecho, el nuevo sistema será especialmente útil para pequeñas empresas, la mayoría de las cuales tienen muchas dificultades para comercializar sus productos y no tienen disponibilidad presupuestaria para asumir los elevados costes de una estructura comercial propia.
Investigación con impacto científico y social
Este proyecto pone de manifiesto la apuesta del grupo ICSO para fomentar la colaboración con empresas de diferentes sectores y con otras universidades, tanto a escala nacional como internacional. «Con el tiempo, esto nos ha permitido crear una extensa red de centros con los que colaboramos en proyectos de investigación (incluyendo la coautoría de artículos que se publican en revistas indexadas y congresos de primer nivel mundial), y también de empresas con las que participamos en proyectos de transferencia (Divina Pastora, Insylo, Guy Carpenter, Fhios Smart Knowledge, Rhenus, Euncet Business School, ACT Operations Research, etc.). Ambos componentes —investigación y transferencia— son fundamentales, al menos en nuestro ámbito, para poder conseguir que nuestra actividad de investigación tenga un doble impacto: científico y social», concluye Ángel A. Juan.
Esta investigación de la UOC favorece el objetivo de desarrollo sostenible (ODS) 9, industria, innovación e infraestructuras.
El proyecto está cofinanciado por el Fondo Europeo Agrícola de Desarrollo Rural (FEADER) y el Departamento de Agricultura, Ganadería, Pesca y Alimentación de la Generalitat de Cataluña, a través de la Operación 16:01:01 (cooperación para la innovación) del Programa de Desarrollo Rural de Cataluña 2014-2020.
El investigador
Ángel A. Juan, Catedrático e investigador líder del grupo ICSO del IN3 de la UOC.
Si (
No(
