M16- ¿Cómo identificar fuga de ventas? Inteligencia artificial aplicada al sector comercial.
Tutora: Maria Lucia Gonzalez
Problema inicial: una empresa de venta online de productos está sospechando que algunos vendedores están realizando ventas por fuera del canal de ecommerce. La empresa quiere detectar y predecir quiénes son esos vendedores, y cómo poder detectarlos a partir de los datos disponibles.
En base a diferentes datos (registros internos, datos históricos, entrevistas a mandos medios), la empresa ha podido identificar a un grupo de vendedores que ha denominado “vendedores modelos”. Estos vendedores realizan el 100% de sus transacciones comerciales a través de la plataforma online, y por lo tanto, se comportan de acuerdo a las normas y acuerdos establecidos entre la empresa y los vendedores. Sin embargo, tal como se indicó antes, no todos los vendedores se comportan de la misma manera, sospenchando que hay algunos grupos que tienen ciertos comportamientos que se desvían del “ideal”.
Problema: ¿cómo identificar grupos de vendedores, cuyo comportamiento de ventas se desvían del comportamiento del vendedor modelo?
Necesidad:
Predecir qué vendedores son los vendedores riesgosos que tendrían comportamientos sospechosos de realizar ventas por fuera de la plataforma de ventas online.
Disponer de un sistema de información que brinde una alerta para detectar vendedores que se desvíen del comportamiento deseado. A partir de esa información, la empresa espera poder diseñar estrategias que permitan retener a vendedores talentosos y que sus gestiones de ventas se realicen dentro de los canales de ventas establecidos.
Proponer modelos que permitan identificar, clasificar y describir perfiles de vendedores.
Verificar si el perfil del “vendedor modelo” identificado por la empresa con criterios cuantitativos y cualitativos se valida con los datos presentados en el dataset.
Analizar las comisiones por ventas para realizar una predicción de las comisiones por ventas a pagar en futuros periodos.
Incorporar datos externos al dataset para eliminar la incidencia de la inflación en las variables monetarias.
Incorporar técnicas de fairness y prevención de riesgo sobre datos sensibles: ¿qué otros usos podrías darles a estos datos? ¿para qué los usarías, con qué fin? Usos alternativos de los datos.
El desafío de los analistas de datos es convertir los datos en valor tangible para las organizaciones y para las personas. Este proyecto resulta relevante porque le brindará a los estudiantes la posibilidad de trabajar en un problema real donde aplicar herramientas de inteligencia artificial para resolver un problema del sector comercial de una empresa real.
Para ello, se brindará una metodología de trabajo que permita desarrollar un modelo predictivo que alivie las problemáticas reales de la empresa. Estos modelos de ser puestos en producción (es decir, que sean usados en la empresa) tienen impacto en métricas de rendimiento del negocio, en este caso, una reducción de las pérdidas de las empresa por las ventas que realizan los vendedores por fuera de la plataforma.
– Con los datos disponibles ¿se puede predecir cuáles serán los mejores vendedores de la empresa?
– Con los datos disponibles, ¿se puede validar el modelo de “vendedor ideal” propuesto por la empresa?
– ¿Qué modelo podría predecir el comportamiento de los vendedores cuyo comportamiento de ventas se desvían del comportamiento del vendedor modelo?
– ¿Se pueden identificar diferentes perfiles de vendedores?
– ¿Qué predicción de pago de comisiones se pueden obtener para el próximo periodo?