MICROECONOMIA

Conformar grupos de máximo 4 estudiantes, estudiar el caso, discutirlo y responder las preguntas y devolver de forma escrita, individual y virtual a través de la plataforma (enunciando en el trabajo los integrantes del grupo) a más tardar al comienzo de la segunda clase tutorial. La calificación es de 5 puntos porcentuales.

CASO DE ESTUDIO

ShopKo y Pamida: ¿Triunfo o tragedia de los sistemas?

ShopKo, una cadena de detallistas de mercancías en general cuya casa matriz se encuentra en Creen Bay, Wisconsin, tiene cerca de 140 tiendas en 15 estados y tuvo ventas de 3,500 millones de dólares en el 2001. Las compañías tradicionales que venden prendas de vestir tienen cuatro ciclos de producto al año, uno por cada estación. Sin embargo, estas compañías enfrentan ahora una seria competencia de compañías como Gap, que opera con ciclos de producto que cambian rápidamente, ofreciendo con frecuencia líneas de producto cada dos a cuatro semanas. Uno de los problemas crecientes que ShopKo tuvo que resolver era qué hacer con las mercancías excedentes (o sobrecupo almacenado) cuando termina un ciclo.

Al término de una estación (o ciclo), las compañías han enfrentado dos problemas. Uno es la necesidad de vaciar sus anaqueles a tiempo para la llegada de los productos del nuevo ciclo (los trajes de baño no se venden tan bien en invierno mientras que los abrigos de piel no tienen demanda en verano). El otro problema es deshacerse de los artículos que saturan el almacén a un precio lo más alto posible en un intento de minimizar las pérdidas en ingresos. Tradicionalmente el método de ShopKo (y de la mayoría de los detallistas de ropa) solía ser determinar precios de liquidación de artículos similares en años anteriores. En promedio se encontró que era necesario bajar los precios cuatro veces para eliminar los excedentes al final de un ciclo, vendiendo la mayor cantidad posible en cada precio antes de bajar el precio de nueva cuenta. Sin embargo, siempre se enfrentaba al calendario aparte de a la disposición del cliente a comprar a cada precio. Mike Martin, director de coordinación y planeación de negocios de ShopKo, explica: "Los compradores suelen tomar con muchas reservas las primeras rebajas. Por tanto, [ShopKo] termina realizando demasiadas rebajas para liquidar [mercancías]".

Esta estrategia de rebajas probó ser costosa al aumentar el número de ciclos anuales. El precio de liquidación para cada artículo era el mismo en cada una de las tiendas de la cadena. Sin embargo, determinados artículos eran más populares y se vendían mejor en algunas tiendas que en otras. Asimismo, los periodos tradicionales de rebajas eran siempre los mismos para todas las tiendas, a pesar de que los cambios estaciónales pueden diferir de tienda en tienda según la geografía y cultura locales. El resultado era que tal vez la compañía establecía precios de rebaja más altos en tiendas donde la demanda era más alta o el ciclo duraba un poco más. Más aún, una rebaja en la ropa suele significar un cambio de precio manual en cada prenda y el tiempo requerido por el personal para cambiar los precios puede ser muy costoso. Cuatro rebajas por artículo resultan muy caras.

ShopKo ha hecho inversiones sustanciales en sistemas de información y una de ellas la realizó en un sistema que ayuda la compañía a optimizar los precios durante las rebajas. ShopKo implemento el Optimizador de rebajas de Spotlight Solutions en Masón, Ohio, el cual ayuda a poner precio a los sobrantes para que esos productos se vendan más pronto y con una mejor ganancia en cada tienda. El software permite a las compañías poner un precio a un producto de acuerdo con la estación, geografía (ubicación específica de la tienda), gustos locales y demanda anterior mediante el análisis de la fijación de precios y los datos de venta históricos. El software está demostrando que es muy útil para ayudar a las tiendas a sacar los excedentes a tiempo de hacerle espacio a los productos que vendrán en el próximo ciclo. Este tipo de sistema de cómputo es semejante al software de administración del rendimiento desarrollado por las líneas aéreas. Este software determina los mejores precios para asientos en aerolíneas en cualquier momento. El objetivo es llenar el avión al mejor precio total posible.

Paul Burrows, director de servicios de información de ShopKo expresó su convencimiento de que "cuanto más venda durante la primera rebaja, menos le quedará, incluso si tiene que hacer una rebaja más” Los datos de las ventas semanales de ShopKo se almacenan en un depósito y su sistema de cómputo alimenta automáticamente los datos en el Optimizador de rebajas. Cada pieza de datos contiene la tienda específica, el número del artículo y la fecha de cada artículo vendido. El Optimizador de rebajas almacenan la recomendación previa para cada artículo en cada tienda individual para tener de esta manera capacidad de evaluar los resultados anteriores y después elaborar las recomendaciones para la liquidación del ciclo corriente. En 2001 ShopKo efectuó una prueba piloto con un producto nuevo y los resultados fueron excelentes. Para sobrantes, la prueba piloto mostró un incremento de 25% en sus utilidades brutas respecto de los años anteriores, mientras que sus costos de nómina cayeron 24% y el porcentaje de mercancía no vendida al final de cada ciclo cayó de siete a dos por ciento. Burrows estaba de plácemes, afirmando que un incremento de 15% significaría una ganancia de 15 millones de dólares de ganancia neta.

En 1999 ShopKo compró a Pamida, una cadena de detallistas de mercancías en general enfocada en ciudades pequeñas como Crete Nebraska (a 25 millas al sureste de Lincoln, con 6000 habitantes), Belle Fourche, Dakota del Sur (condado de Butte, con cerca de 4000 habitantes). Con sus oficinas centrales en Omaha, Nebraska, el eslogan de Pamida es "Ofrecer a las comunidades más pequeñas lo que desean". El objetivo de ShopKo al comprar a Pamida era aumentar su presencia en los poblados pequeños donde la competencia de detallistas más poderosos como Wal-Mart y Target no es tan fuerte. Pamida era la única tienda detallista importante en la mayoría de estos poblados pequeños y su estrategia era competir manteniendo una tasa alta de mercancías más que en convertirse en el competidor de precio más bajo. Pamida se apoya en sistemas de información para ejecutar su estrategia y su director ejecutivo afirmó que "la estrategia de tecnología de la información de Pamida está apuntada a proporcionar

...