Starbucks no es un negocio de café: es una empresa de tecnología de datos

Son un ejemplo de libro de texto de cómo utilizar estratégicamente los datos para mantenerse competitivo.

Starbucks no solo vende grandes cantidades de bebidas frías y calientes en todo el mundo, sino que también recopila enormes cantidades de datos de más de 100 millones de transacciones por semana. ¿Cómo usa estos datos? ¿Y qué papel juegan la IA y el internet de las cosas (IoT) en esto?

La forma en que Starbucks utiliza los datos y la tecnología moderna para obtener una ventaja competitiva es instructiva para todas las empresas, independientemente de su tamaño. Por ejemplo, es pionero en combinar sistemas de fidelización, tarjetas de pago y aplicaciones móviles. 

Este artículo destaca cinco de los ejemplos más interesantes de cómo Starbucks usa datos, IA e IoT para obtener una ventaja competitiva. Sugieren que podría haber un argumento convincente de que Starbucks ya no es un negocio de café, sino que ahora es una compañía de tecnología de datos en el área de alimentos y bebidas.

Starbucks demuestra la relación entre datos, tecnología y negocios mejor que la mayoría

Starbucks no tiene pocos datos. Cuenta con más de 30,000 tiendas en todo el mundo y realiza cerca de 100 millones de transacciones por semana. Esto le da una visión integral de lo que consumen y disfrutan sus clientes. Pero quizás sorprendentemente, solo se centra realmente en el valor de estos datos durante poco más de una década.

No es que no haya usado datos antes. Pero, como con muchos cambios importantes en una empresa, una crisis provocó el cambio. En este caso, fue el problema financiero de 2008 y el cierre de tiendas asociadas. La lección del entonces CEO Howard Schultz fue que el uso de datos por parte de Starbucks debía ser más analítico, específicamente al decidir las ubicaciones de las tiendas.

Antes de eso, las decisiones de Starbucks eran, como muchas otras organizaciones, impulsadas por humanos, basadas en la experiencia y el juicio. Los datos eran obviamente importantes, pero no tan sistemáticos como podrían ser. Se ha escrito poco al respecto, pero parece haber sido el enfoque convencional de usar datos para validar e informar ideas y decisiones humanas.

Lo que hace excepcionalmente bien es probar todo tipo de nuevas ideas usando datos y tecnología, luego usa más datos para descubrir cuáles llevar adelante.

Además del sector inmobiliario, el uso de datos de Starbucks en la actualidad también, por supuesto, se extiende a una variedad de actividades de marketing y productos. Esto a su vez conduce a la inteligencia sobre cómo gestiona su cadena de suministro. Una pieza central de esto es el programa de lealtad Starbucks Rewards, que también comenzó en 2008.

Lo que es menos común es la forma en que el uso de datos de Starbucks abarca el Internet de las cosas, particularmente las operaciones en la tienda. Esto comenzó con las máquinas de café, y ahora se está extendiendo a otros equipos en la tienda como hornos.

Cinco ejemplos de cómo Starbucks usa datos, IA e IoT para obtener una ventaja competitiva

Podríamos llenar un libro con detalles de cómo Starbucks usa datos y tecnologías relacionadas, en común con muchas otras corporaciones grandes y modernas. Lo que hace excepcionalmente bien es probar todo tipo de nuevas ideas usando datos y tecnología, luego usa más datos para descubrir cuáles llevar adelante.

De los muchos buenos ejemplos, he elegido cinco aspectos destacados. Los elegí porque demuestran cómo el uso de datos ha mejorado el negocio de Starbucks, junto con tecnología como AI, IoT y la nube:

  • Dirigirse a clientes con promociones y ofertas personalizadas
  • Desarrollo de productos orientado a la comprensión, que incluye canales
  • Planificación inmobiliaria sofisticada
  • Creación dinámica de menú y ajustes
  • Mantenimiento optimizado de la máquina

Ejemplo 1: promociones personalizadas

El uso clásico de los datos del cliente es personalizar su oferta a las preferencias de un consumidor individual, y Starbucks no es diferente. Con más de 16 millones de miembros solo en los EE. UU., Su programa de lealtad representa casi la mitad de todas las transacciones en tiendas de los EE. UU.

Conocer las preferencias individuales de los pedidos de los clientes y los patrones de compra le permite a Starbucks enviar ofertas personalizadas con mayor probabilidad de ser relevantes. El uso de Inteligencia Artificial para determinar tales campañas se está convirtiendo en una aplicación estándar de Inteligencia Artificial, y Starbucks lo ha estado haciendo desde 2017 con su programa «Volante digital».

Un enfoque importante de este tipo de trabajo es sugerir nuevos productos que un consumidor pueda disfrutar, en función de lo que pidan.

Pero no se trata solo de promociones personalizadas. Una gran parte sigue ofreciendo campañas masivas convencionales, pero directamente a cada consumidor en el segmento objetivo. Estos pueden incluir bebidas frías en días calurosos, lanzamientos de productos o menús de temporada.

Ejemplo 2: productos orientados a la comprensión

Las promociones personalizadas son indudablemente efectivas, pero igualmente importante para Starbucks es el uso de los datos del cliente en el desarrollo de su gama de productos.

Una forma poderosa en que Starbucks usa los datos, surge de los hábitos de compra en grandes cantidades de consumidores. Las ideas de estos datos sugieren variaciones y desarrollos de productos existentes. Por ejemplo, hace más de 15 años surgió una linda idea de introducir bebidas con sabor a calabaza en Halloween. Esto se ha convertido en una gama completa de productos globales inspirados en calabazas. Un resultado es un gran aumento en la pisada durante los meses de otoño.

Un segundo tipo está utilizando datos a través de canales. El ejemplo más significativo de esto es probablemente el empuje de la empresa al café en el hogar en 2016. Este fue el lanzamiento principal de productos en los supermercados, para que los clientes hicieran café en casa. Los datos en la tienda le dieron una base sólida para decidir qué productos apuntar para el bebedor doméstico. Incluso podría probar productos para llevar a casa como café instantáneo en las tiendas regulares.

También agregó productos como versiones sin endulzar de productos para el hogar. Otra variación que sugirieron los datos de consumo en la tienda fueron las versiones con y sin leche.

Ejemplo 3: planificación inmobiliaria sofisticada

Planear dónde abrir una tienda Starbucks es ahora un complejo análisis de datos. La forma en que Starbucks usa los datos para esto cubre todos los factores imaginables que esperaría. Y también considera algunos que probablemente no.

El soporte de AI para la planificación de tiendas modela factores económicos sobre una ubicación. Estos incluyen población, niveles de ingresos, tráfico, presencia de competidores, etc. Utiliza esto para pronosticar ingresos, ganancias y otros aspectos del desempeño económico.

El sistema también considera la ubicación de las tiendas existentes de Starbucks. Considera el impacto de una nueva tienda propuesta en los ingresos existentes en áreas cercanas.

La tecnología de inteligencia artificial en el corazón de esta aplicación es el análisis basado en la ubicación. Esto también se conoce como mapeo o SIG (Sistemas de Información Geoespacial).

Ejemplo 4: menús dinámicos

Una implicación de los ejemplos anteriores es que Starbucks tiene la capacidad de refinar y ajustar continuamente sus ofertas. La forma en que Starbucks utiliza los datos significa que puede realizar revisiones basadas en el cliente, la ubicación y la hora. Esto afecta a productos, promociones y precios.

Sin embargo, si muestra sus ofertas en la tienda en tableros de menú impresos sobre el mostrador, hay una desconexión con la capacidad de ajustar continuamente las cosas. Esta es una razón por la que las soluciones de baja fidelidad, como las pizarras, siguen siendo populares entre los minoristas. Pero para Starbucks, la respuesta es un despliegue de señalización digital en las tiendas, con pantallas de menú configuradas por computadora.

Esto completa una cadena que permite que los cambios posibles en otras partes de la experiencia del cliente se reflejen en la tienda.

Obviamente, hay muchas preguntas que esto plantea, y hay muchas posibilidades de complicar demasiado las cosas. Sin embargo, a mediados de 2018, Starbucks estaba probando esto en un puñado de tiendas. Se centró en los esfuerzos para impulsar productos seleccionados según las circunstancias locales, como el clima o la hora del día.

Ejemplo 5: optimización del mantenimiento de la máquina

Nuestro último ejemplo es el mantenimiento de la máquina de café y la maquinaria en la tienda en general.

La transacción típica de Starbucks en la tienda es de costo relativamente bajo y de corta duración. Los altos volúmenes de rendimiento del cliente son clave para el éxito de una tienda. Entonces, si una máquina se descompone, puede afectar significativamente el rendimiento del negocio.

Starbucks no mantiene a los ingenieros en el sitio para averías. En cambio, los envían para hacer frente a las reparaciones y, por supuesto, realizar el mantenimiento planificado. Por lo tanto, hacer que los ingenieros utilicen máquinas rotas marca la diferencia rápidamente.

Existen enfoques convencionales para este problema. Esto generalmente significa recopilar datos sobre fallas, uso de la máquina, reparaciones requeridas, etc. El análisis de datos regular es bueno para encontrar tendencias y patrones. AI puede ayudar a llevar esto a un nivel superior, pronosticando fallas y necesidades de mantenimiento.

Donde Starbucks ha dado un paso adelante es desarrollar una nueva máquina de café, la Clover X. Actualmente, esto solo se usa en tiendas emblemáticas y conceptuales . Además de ser innovador en su capacidad para preparar café, también está conectado a la nube. Esto no solo permite una recopilación más completa de datos operativos. También permite el diagnóstico remoto de fallas e incluso reparaciones remotas.

Conceptos similares se aplicarán a otras máquinas. Por ejemplo, las tiendas ahora tienen un horno estándar, que también está controlado por computadora, para una preparación consistente para productos calientes a nivel mundial. Sin embargo, las máquinas actuales deben actualizarse mediante una unidad USB. Esto sucede cada vez que hay un cambio en la configuración de la máquina, por ejemplo, nuevos productos. En el futuro, esto sin duda se convertirá en una conexión directa a la nube, creando también más oportunidades de IA.

Starbucks es un ejemplo bastante típico de un negocio global moderno líder. La forma en que Starbucks usa los datos es un ejemplo de la administración de datos y tecnología con gran efecto. No hay nada sorprendente en su uso de datos e inteligencia artificial. Tampoco hay innovaciones impresionantes sobre inteligencia artificial o análisis.

Pero la forma en que Starbucks usa los datos es un ejemplo de libro de texto de cómo comenzar un viaje para usar los datos estratégicamente, ejecutando planes de manera sistemática y exhaustiva. La innovación aparece, pero en lo que haces en tu negocio principal debido a la Inteligencia Artificial, no necesariamente en la IA en sí. Y IoT es solo una extensión natural de esto, junto con la nube.

Otra lección es que la Inteligencia Artificial parece ser parte del viaje de Starbucks de aprender a usar datos. No es algo que sucedió debido a un deseo ardiente de usar IA. Era solo lo siguiente que hacer en cada área cuando era el momento adecuado.

La conclusión final de examinar su viaje es la forma en que escala las soluciones. En este caso, no se trata solo de que las cosas se agranden una vez que se ha demostrado un concepto. La naturaleza global del negocio agrega complejidades regionales.

La mayoría de nosotros no comparamos nuestra organización con Starbucks, y no vemos mucho en común. Pero eso cambia si reducimos nuestra visión de cómo Starbucks usa los datos. También es instructivo ver cómo esto se ha convertido en aplicaciones efectivas de inteligencia artificial.

Al igual que Starbucks, la mayoría de nosotros no nos consideramos en el negocio de la inteligencia artificial o los datos. Pero eso no significa que estos no se estén convirtiendo en el núcleo de nuestras organizaciones. Y plantea preguntas sobre en qué negocio estás realmente, ¿se trata simplemente de lo que vendes más o de lo que haces mejor?

Este artículo se basa en una pieza publicada por primera vez en www.aiprescience.com