Definición del modelo logístico basado en la estrategia logística del delivery.

Si bien en el último tiempo el delivery ha tomado gran envergadura como tema, a raíz de las .com, siempre existió el home delivery, la entrega a domicilio, ya sea de una pizza o de un helado como es este caso.

Básicamente, para tratar de definir una estrategia logística para un delivery es muy importante poder definir como primera instancia la estrategia comercial, o sea cual es la hipótesis de servicio a la cual estamos apuntando. No es lo mismo pedir un helado y que llegue a la hora en vez de enseguida. Sabemos perfectamente lo que eso nos puede ocasionar porque todos estamos acostumbrados a pedirlo y el tiempo de entrega debe estar entre los 15/20 minutos porque si no, ya no tiene mucho sentido que llegue.

Por lo tanto, eso trae aparejado todo un esquema logístico que es bastante variable, porque no toda la gente tiene el mismo comportamiento: la Capital Federal es muy grande, y el Gran Bs. As. también. Imagínense lo que sería que toda la gente estuviera pidiendo helado a la vez, como puede ser en Navidad o en Año Nuevo, que son los momentos mas críticos del delivery de los helados.

En esta introducción lo que vamos a tratar de esclarecer es de qué vamos a estar hablando, entendamos el negocio de los helados, entendamos qué es el negocio del delivery, y cómo funciona.

Hay una serie de locales en Cap. Fed. y en el Gran Bs. As., y hay una serie de clientes muy importantes que somos todos nosotros, los cuales se nos ocurre tomar helado y llamamos a un teléfono: ese teléfono está en un call-center. Ese call-center asigna automáticamente ese pedido dependiendo de la zona de que esté viniendo. Básicamente para tener el mapa completo, estamos hablando de 46/50 locales en Capital y GBA, donde aproximadamente 20 locales poseen la característica del despacho a domicilio. Es un local con todas las complejidades que todos conocen, con un mostrador a la vista, pero en la trastienda de ese local se encuentra un área de preparación y asignación de pedidos en donde también está el tema de las motos. No sólo uno tiene que cambiar y tiene que pensar de forma diferente la estrategia logística de un delivery por el servicio, sino también por las normas municipales: no podemos tener 20/30 motos paradas en una esquina. Todo este esquema que se está montando para tratar de organizar este delivery tiene que ver con las normas municipales y las normas que imponemos nosotros, los clientes que son básicamente las hipótesis de servicio. Pero estas hipótesis de servicio pueden ser tan exigentes como nosotros queramos: podemos decir que todos queremos el helado en diez minutos para lo cual habrá que hacer una determinada inversión y va a tener ese proceso un costo asociado x..

Por otro lado podemos decir: bueno, ¿ qué pasa si en vez de 10’ son 20’?: habrá que hacer otra inversión que tendrá otro costo asociado.

Y por otro lado tenemos la etapa actual que puede ser un promedio de 45’, donde tenemos una inversión y otro costo asociado.

Es lógico que acá no estamos pensando en definir la más barata, sino tratando de definir un esquema logístico para que el mercado responda con la fidelidad que estamos necesitando en este negocio. Este es un pantallazo general de lo que sería la venta del delivery. Estamos hablando que en este negocio el 30% de las ventas se hacen a través del delivery, del call center. De este 30%, el 27% pertenece a 13 locales y esos locales que vamos a analizar su venta, la mitad se organiza en mostrador y la otra mitad se realiza a través del delivery.

Vamos a ver unos datos que tienen que ver con la respuesta de la demanda, cómo se comportan los pedidos a lo largo del año, la estacionalidad, la estacionalidad semanal, diaria, diferentes comportamientos de los puntos de venta, etc.

Los locales que están en el centro trabajan más al mediodía, los locales que no están en el centro trabajan más durante la noche, los picos de venta son entre las 8, 9, 10, 11 de la noche.

Vamos a hablar de la utilización de herramientas como puede ser el map-info en cuanto a la determinación de la venta potencial, porque cuando uno realiza un análisis de estrategia logística tiene la actualidad, las ventas hoy. Y las ventas hoy dicen cosas como por ejemplo que pedimos nada más que cuatro veces por año en promedio. Entonces para definir una estrategia logística futura, en realidad debo pensar en un mercado potencial: qué pasa, cómo responde el mercado si entrego en 10’.

Y para cerrar vamos a ver un ensayo del modelo que se utilizó (software) para el cálculo de las capacidades que se necesitan de recursos, en cuanto al recurso preparadores de helado y en cuanto al recurso moto, caminante.

El modelo se encargó en cuatro módulos: básicamente tenemos el módulo de la base de datos, el módulo de donde surgen prácticamente todos los datos de las estacionalidades, la cantidad de pedidos, de clientes, las distribuciones varias a las cuales tenemos que estar atentos; el módulo de localización que nos da la cantidad y la localización de los centros de delivery: determina dónde van a estar localizados los centros de delivery ocultos si es que esa es la respuesta, y a dónde deberían estar los locales; el módulo de centro delivery es el output de este modelo de donde surgen la cantidad de recursos necesarios en cuanto a preparadores, en cuanto a motos, en cuanto a otros tipos de recursos que son necesarios para satisfacer la demanda que eventualmente analizado en el modulo de base de datos; y luego el módulo de costo que es el que determina para el nivel de servicio que yo esté definiendo, cuál es el costo operativo y cuál es el nivel de inversión necesario para poder lograrlo.

Todos estos módulos interactúan para lograr el punto de equilibrio. Porque donde se define que para un determinado nivel de servicio se define una cierta cantidad de centros de delivery y eso corrido el modelo determina una cierta cantidad de recursos, cuando hago el costo si no me cierra el número, tengo que volver a correr todo con otro nivel de servicio, con otra cantidad de centros, lo cual me dispara otra localización diferente.

Pasamos al primer módulo, que es al análisis de la base de datos. En cuanto a la base de datos se tomaron en cuenta datos referentes al pedido, datos referentes a cual era el resultado como para conocer cual era la situación del modelo actual, se tomaron en cuenta datos referentes a las sucursales, localización actual, zonas de impacto actual, porque hoy por hoy el modelo también divide el mapa en distintas zonas: cada sucursal tiene un dato sobre la zonas aledañas, y por otro lado se tomaron en cuenta los diferentes horarios, distintos tiempos, que están cargados en la base de datos desde la toma del pedido hasta la rendición del viaje.

Si vemos un poco el volumen de la base que se está analizando, estamos hablando de una base de 500.000 pedidos aproximadamente y de 140.000 clientes. Esto nos habla de la baja fidelización que tiene este tipo de negocio: estamos hablando de 4 pedidos promedio por cliente por año. Pero lo importante es que cuando se trata de determinar patrones de comportamiento, se empieza a ver que en realidad la cantidad por pedido si lo mido en kg. se mantiene relativamente constante, independientemente de la zona de donde se despache. (es un dato interesante) Por otro lado independientemente de las ofertas y la variedad del producto que se esté despachando, el ticket por kilo promedio está dando parecido, con lo cual en realidad como patrón de consumo, no deberíamos fijar la atención en cuanto a las zonas o en cuanto a qué es lo que se está pidiendo. Con lo cual la atención hay que fijarla en lo que es la distribución de los pedidos y de aquí en más me dedico a tratar pedidos.

El comportamiento de la distribución anual
de distintas sucursales que despachan delivery:

Podemos ver que en el año todo el comportamiento fue similar, la distribución de pedidos a lo largo del año para todas las sucursales es mas o menos similar. Si yo comparase ahora la distribución anual de los pedidos de cada sucursal contra si misma, estoy viendo que hay prácticamente una sola línea (gráfico): la distribución es bien similar.

En algunos meses todas las sucursales tienen un comportamiento por debajo del promedio, y obviamente en los meses cálidos, tienen un comportamiento excedente al promedio.

En los meses de diciembre - enero vemos picos del 50%, fundamentalmente por las fiestas. Esto crea un grave trastorno para lo que son ajustes de recursos. Un call center hoy por hoy al mediodía, un día de semana, en plena temporada, estamos hablando de una sola persona de puesto de trabajo de toma de pedido, y en el mes de diciembre (fundamentalmente Navidad y Año Nuevo) pueden llegar hasta 30 personas.

• Estacionalidad por cuartos de mes:
  Analizamos también la estacionalidad por cuartos de mes: dentro de un mes como es el comportamiento para ver si existe una relación entre la cantidad de helados, pedidos durante el mes relacionado a como está ubicado: es decir si incluye la tarjeta de crédito, si incluye el estado financiero de cada familia, y no hay demasiada distracción en cuanto al promedio. El promedio es de un 75%.

• Análisis por día de semana - Comportamiento en promedio de todas las sucursales:
  La sucursal del microcentro particularmente tiene poco o nada de servicio el sábado y el domingo (Sucursales en Viamonte y en Florida).

• Estacionalidad diaria: con un inicio de servicio desde las 8.45 hs. de la mañana hasta las 3 de la mañana los días sábado. Los días viernes hasta la 1 y los demás días de semana hasta las doce de la noche.
  Vemos entonces un pico cercano al mediodía, y un pico mucho más elevado a la hora de la cena. La sucursal del centro tiene obviamente un fuerte pico al mediodía y no tanto a la noche.

• Estacionalidad por día de semana: como sucede con todas las actividades gastronómicas los principales días son: sábado a la noche, le sigue el domingo a la mañana y después el viernes a la noche.

• Cantidad de pedidos por año por clientes: por fidelización, hay aprox. un 12% de clientes que piden una sola vez al año. Estos son casos de personas que piden y les respondieron muy mal en cuanto al tiempo o solo por una ocasión especial. Llegamos al 80% acumulado de pedidos de los realizados que incluye hasta 18 pedidos por año.

Partiendo, entonces, de la base de datos y de todas estas estacionalidades vamos a hablar de qué procesos están involucrados en la entrega delivery. Rescatamos la información que obtuvimos de la base de datos conformada desde el centro delivery y podemos distinguir básicamente 4 tiempos: el primero estaría iniciándose en la toma del pedido, saludo inicial y la contestación de la llamada telefónica, se hace el pedido, se carga el sistema, etc. Y finalmente se transmite por algún vínculo ya sea satelital, telefónico, punto a punto, y luego aparece impreso en el centro delivery.

A partir de la impresión de la factura, esa factura se clasifica por zona de entrega, y queda en una cola de espera de preparación de helado, conformación del pedido, consolidación de pedidos que van despachados hacia un cierto viaje, y finalmente el pedido sale.

Aclaración: Todo parte de un centro que es el call center donde se recepcionan todos los pedidos de todo el publico. Ese centro ya tiene una base de datos zonalisada, una tabla donde si ya está cargado, ya tiene asignada la sucursal, y si no está cargado, se ingresa en una tabla y automáticamente se le asigna una sucursal. Ese pedido se envía a la sucursal que le puede entregar el envío en tiempo, y ahí se recepciona el pedido. En este caso hay 13 sucursales con entrega delivery y cada una tiene su impresora, y cada una tiene su administrador de pedidos.

El tiempo 3 es el tiempo fundamentalmente desde la partida del motociclista hasta la entrega efectiva del pedido, y un tiempo 4 que es la vuelta del motorista a la base para ser disponible para otro viaje.

Estamos hablando de una base de datos muy importante, tenemos que hallar distribuciones matemáticas que nos hagan comprender cual es el comportamiento de cada una de esas variables de tiempo, ya sea de transmisión de información (que no es despreciable porque hay problemas de enlace), de cola de impresiones, etc. Hay una cierta cadena de sucesos que demoran el pedido (son las variables que hay que tener en cuenta de cada T), la preparación también depende de muchos procesos. El recurso preparador también está compartido con mostrador, con lo cual si hay un pico en el mostrador, va a haber una merma en la producción de preparación delivery.

En este caso en particular está mostrando un análisis que se hizo de horas por viajes y de que manera afecta el tiempo requerido en el viaje por cantidad de pedidos. Por ejemplo, esta distribución representa el tiempo requerido para viajes que solamente tengan un pedido un poco más desfasado, sería la distribución que muestra el tiempo requerido por un viaje que lleva dos pedidos, entonces este análisis llega a una función matemática que lo representa. Fundamentalmente acá destacamos una distribución matemática que ponderaba una cantidad de pedidos que tenga cada uno de esos viajes con distintas cantidades de pedidos, nos permite movilizar esta parte del comportamiento de la entrega delivery.

La conclusión es que a partir de la base de datos que nos otorgó el cliente tenemos que hacer un análisis matemático, para involucrar esa tecnología real en algo matemático que se pudiera incluir en un modelo que vamos a ver después.

Graficando a través de ejes x e y las distintas zonas , creamos una matriz, calculamos la demora que tendríamos de un viaje que sale desde el punto o zona del pedido en particular hacia otras zonas particulares teniendo en cuenta una velocidad promedio ponderándola por la cantidad de avenidas y calles que hubiera por el medio y una distancia que no es una distancia central. También tuvimos en cuenta las interferencias en las vías férreas y parques grandes o algunas otras zonas que por peligrosidad había que esquivar.

También analizamos zonas: ejemplo la zona A22 contra B15 nos da una demora en minutos que está por sobre o por debajo de lo estipulado como tiempo máximo. El tiempo total del delivery tenía que bajar de ’45 promedio a ’35 / ’30. Si le restamos los ‘2 ó ‘5 de impresión, teníamos ’25 / ’30 disponibles como para que este pedido salga y haya llegado.

De esta forma los grises (mapa) representan los que no cumplen con este tiempo, los blancos los que sí.

Acá se ven sucursales que usadas como centros delivery me permiten llegar a un gran conjunto de esas zonas en el tiempo debido, con lo cual fueron observadas como posibles localizaciones de los centros o puntos delivery.

También un concepto a tener en cuenta es la ponderación de cada una de estas zonas: una zona marginal (un 0,5% de peso en esta distribución de ejemplo) no podía representar un gran cambio de localización. Teníamos que preponderar los que tenían mas peso.

Finalmente, otro concepto fue que cada sucursal tenía servicio de delivery pero se determinó con el cliente que estas zonas van a seguir manteniendo un mini potencial delivery, representada fundamentalmente por caminantes y bicicletas de un alcance limitado, a unas pocas cuadras, y alguna que otra moto como para ejemplificar que el local todavía sigue teniendo delivery, ya que no puede desaparecer de la noche a la mañana la figura del delivery. Entonces estos consumos, estas cargas de trabajo fueron descontadas de nuestra base de datos y con el resto hicimos una localización de base.

Habíamos visto los cuatro módulos que componían el delivery, lo que vimos hasta ahora era el módulo de localización. Estuvimos interactuando el módulo base de datos con el módulo localización.

Este es el módulo del modelo matemático donde hay una herramienta de software. Volcamos la información de la base de datos a este modelo para ver como se comporta, y así obtener el ejemplo de los recursos preparadores y motoristas.

Todas estas distribuciones que vimos fueron volcadas en el armado de este modelo que tenía una parte gráfica y mucho más amigable que lo que teníamos recién.

Cada uno de estos íconos (software) tienen algunos parámetros a cargar. Por ej.: Acá tenemos posibilidades de cargar distribuciones matemáticas con índice normal, o sea que a partir del análisis de los datos nos permite organizar cada una de las partes componentes del desarrollo delivery.

Otra complejidad inicial fue que para tener un modelo que nos permita no usar más el promedio y obtener la cantidad de recursos y la distribución de esos recursos durante el día, habiendo tenido una distribución horaria muy de picos. La conformación del modelo responde a una modalidad operativa. Si cambia la modalidad operativa hay que reconfigurar el modelo. Contrastada con el peso, si bien la modalidad propuesta queda diferente a la actual, servía conceptualmente.

Ese modelo corrido tiene esta representación: vemos al cliente que llama al callcenter, se transmite el pedido a la sucursal, esa sucursal deriva. Estos pedidos no conformados son el espíritu del pedido, el papel impreso, que dice a qué conjunto de zonas va ese pedido, ese pedido es preparado por una lógica de colas (en este caso: 3 preparadores). La cantidad de recursos puede ir variando dependiendo la respuesta que se obtiene y a partir de ahí se determina cuanta cantidad de preparadores se necesitan. Este análisis se hace para bandas horarias de dos horas: por ej. al mediodía ajustamos la cantidad de recurso de preparadores, y a la noche otro caso.

Entonces, los pedidos llegan, se distribuyen de acuerdo al destino y según la demora que tiene, la cantidad de pedidos almacenados por el bach, de salidas, se acumulan los pedidos. El recurso motorista también está ajustado con una lógica que permite asignar este recurso a los pedidos. Esta moto que sale tiene una demora que depende de la cantidad de clientes que pueda visitar, un tiempo de demora en llegar nuevamente a base y volver a salir.

Este modelo nos permite a partir de un reporte, obtener valores promedio de utilización de parámetros que nos permiten avistar la utilización de esos recursos, e ir variando, haciendo nuevas corridas para cada banda horaria. Este análisis se hace para cada una de las sucursales o centros delivery que surgen. La cantidad de centros variará dependiendo de la calidad de servicio que se pretende, y la cantidad de inversión y el costo operativo que involucra. A mayor cantidad de centros mayor inversión pero menor cantidad de recursos, porque la moto rinde más al tener viajes más cortos.

Y finalmente el módulo de costos, donde se analizan costo básico e inversiones. O sea todos los costos pueden dar mayor, menor o igual que el actual. Obviamente las inversiones son mayores porque los centros ya instalados, y el nivel de servicio aumentan.

Esta optimización del nivel de servicio no necesariamente implica una disminución de costos, si hay una sinergia que puede ser capitalizada en administradores, en motos (por ej. en determinado momento hay 3 o 4 motos paradas por cada sucursal). Al tener varias sucursales agrupadas con un centro delivery, se puede minimizar eso, pero hay otras inversiones para la instalación de equipamientos y el concepto es mejorar la calidad de servicio.

• ¿ Las agrupaciones de pedidos para ser asignadas a las motos las hace el encargado mentalmente, no las hace el sistema?

Sí y no. Hoy por hoy el consolidado del pedido en función de cómo viene la mano, distribuye los pedidos de acuerdo a zonas. El modelo y la modalidad operativa que lo soporta estaría agrupándolo de forma similar, pero la función de preparación también esta alineada con esta prioridad en el despacho. Por ejemplo si hay una inminente salida, priorizo un pedido para aquel canal y libero la moto. Hay unas condiciones: que cada pedido, el tiempo máximo de espera del pedido ya preparado tiene que salir, o sea hay un limite, hay un disparador que permite asignar un recurso moto a ese pedido.

• ¿ Hasta cuántos pedidos puede llevar un motorista?

Es una capacidad variable, depende el caso: hay un caso particular que es la zona Pilar, por ejemplo, que no está contenida en el análisis porque es una isla dentro de lo que es la atención de delivery de Freddo ya que tiene un promedio alto de mas de 2 kg. En general estamos hablando de 1kg, 1 ½ kg. promedio. Este pedido está conformado por potes de ¼ kg. que tienen un volumen mayor. Estamos hablando de un límite de capacidad de caja de 8/9 pedidos por viaje. Lo que sucede es que cada pedido adicional suma tiempo de demora y cuanto más lejos vaya, menos cantidad puede llevar.

• El call center es uno, el delivery no. Cómo la persona le dice al cliente son 45’, ½ hora, si no conoce ni el ruteo ni a los motoristas, etc.?

Cada centro delivery tiene un administrador que está recibiendo pedidos, está consolidando y está despachando un grupo de pedidos a un motorista. Él, mas que nadie salvo alguna otra herramienta matemática, o satelital, puede saber la demora que están teniendo sus motoristas en recorrer y entregar. Esta demora es por zona y es transmitida al call-center que está cargado previamente. Es una estadística estimada ...