Cliente
Multinacional líder en el sector de bebidas, con presencia regional y operación logística compleja y distribuida dentro del engranaje operativo de cada organización.
El desafío
El cliente enfrentaba múltiples fricciones en su planificación logística:
Altos niveles de demanda en días pico que saturaban la capacidad operativa.
Dificultad para redireccionar volumen hacia días valle, incluso cuando existía capacidad disponible.
Recomendaciones de planificación que no se llevaban a cabo debido a la desconexión operativa entre equipos
Flexibilidad limitada en las ventanas de despacho ofrecidas a clientes B2B,que afectaba la continuidad operativa
El reto fue diseñar un sistema que genere recomendaciones accionables, adaptadas a las dinámicas de cada cliente y alineadas con las capacidades reales de la operación.
La Solución: un Modelo Híbrido
La solución implementada combinó reglas heurísticas del negocio con modelos de Machine Learning supervisados y no supervisados:
✅ Arquitectura Cloud-Native
El modelo fue desarrollado e implementado completamente sobre AWS, utilizando servicios como:
- S3 para almacenamiento seguro de datos estructurados y no estructurados.
- Lambda y Athena para procesamiento serverless y consultas analíticas eficientes.
- DynamoDB para una gestión de parámetros rápida y escalable.
✅ Modelo de recomendación flexible
El sistema recomienda fechas de entrega óptimas para cada cliente, en función de múltiples variables:
- Frecuencia y patrón de compras
- Tipo de canal y geografía
- Capacidad operativa disponible
- Restricciones contractuales y SLA acordados
✅ Integración con procesos reales
Se integró directamente en el flujo de planificación logística, a través de herramientas internas del cliente y tableros diseñados para facilitar la acción.