Universidad de Lima

Trinidad Camarasa, gerente de experiencia al cliente de Ransa, fue la ponente del webinar “Customer Centricity, el uso de las herramientas tecnológicas de inteligencia de negocio para fortalecer los procesos de los clientes”, organizado por la Carrera de Ingeniería Industrial de la Universidad de Lima el 8 de mayo.

Camarasa señaló que la crisis sanitaria provocada por la COVID-19 llevó a Ransa a implementar un plan de continuidad de su negocio como operador logístico. Esta propuesta tiene cuatro objetivos: proteger a su gente, garantizar el abastecimiento de las operaciones esenciales, adaptarse a las medidas gubernamentales e iniciar un modelo de recuperación.

Además, la experta resaltó dos rasgos del actual contexto de vértigo e incertidumbre: el consumidor ha cambiado sus necesidades fisiológicas y de seguridad, y la evolución tecnológica reta los procesos actuales para convertirse en un habilitador de la transformación.

La ponente también se explayó sobre las herramientas que permiten a Ransa llevar a cabo una gestión digital de clientes. Destacó las ventajas del repositorio inteligente de informaciones llamado data lake (lago de datos). Entre sus beneficios figuran la conexión de las diversas islas de datos en una nube, la posibilidad de consultar las fuentes a una velocidad tres veces más rápida que la consulta habitual o el procesamiento de datos personalizados según el tipo de análisis requerido por el negocio.

Asimismo, Camarasa nos contó sobre R360, la aplicación de Ransa creada junto a la startup Laboratoria. Esta app permite el seguimiento en línea del estatus y avance de las operaciones, además de facilitar el acceso a las informaciones con disponibilidad de 24 horas a través de los celulares.

Del mismo modo, la especialista detalló los beneficios de una gestión integrada digital. Afirmó que la visibilidad en tiempo real del flujo de informaciones agiliza la toma de decisiones y que la vinculación de las fuentes de datos potencia el análisis. Añadió que es un gran avance pasar de la revisión de indicadores mensuales al análisis descriptivo del comportamiento de los clientes.

Camarasa también sugirió que en una próxima etapa se debe considerar pasar de la analítica retrospectiva a la aplicación de analítica avanzada, modelos predictivos y machine learning, con el fin de potenciar la planificación de la demanda y el planeamiento operativo.