“Ayudamos a nuestros clientes a afrontar retos de negocios a través de los datos” así reza el lema de PiperLab, startup que nace en 2015 de la mano de cuatro socios, junto con una empresa socia capitalista con interés real en las soluciones que ofrecen, y que, prácticamente desde el comienzo, se convierte en uno de sus primeros clientes.

“La oportunidad la vimos clara, la evolución de las tecnologías de la información ha generado millones de Terabytes de datos dentro y fuera de las empresas. La digitalización de las empresas y la sociedad, Internet y las redes sociales son otra fuente incalculable de generación de datos”. Así lo explica Maite Gilarranz, co-fundadora de PiperLab.

PiperLab está compuesta por los dos perfiles necesarios para explotar esta oportunidad: por un lado, los Data Scientists: matemáticos informáticos con muchas ideas y ganas de innovar en su área de especialización; y por otro, gente de negocio, “que queremos dar una vuelta a la forma de trabajar en este país, conocedores del valor de las matemáticas aplicadas a la inteligencia del negocio”, explica Gilarranz.

«PiperLab ofrece soluciones de Data Science aplicadas a la optimización de las operaciones dentro del marco de la planificación de la cadena de suministro»

Empresa de capital 100% español, sus responsables tuvieron claro desde el principio que “el sector de la logística y la industria eran un nicho para nosotros por dos temas fundamentales: el volumen de datos que manejan y gestionan, y por nuestro propio background de negocio”.

PiperLab ofrece sus soluciones de Data Science aplicadas, principalmente, a la optimización de las operaciones dentro del marco de la planificación de la cadena de suministro.

Según Gilarranz, “nuestra aproximación marca la diferencia a las soluciones típicas de planificación avanzada de la cadena de suministro, principalmente por dos aspectos fundamentales. En primer lugar, combinamos fuentes de datos internas de nuestros clientes con fuentes de datos externas. Los datos externos son vitales para entender el mundo en el que operan las empresas y los negocios, y son esos datos externos los que dan sentido a lo que pasó en un momento concreto del tiempo en un dato concreto de ventas o utilización de recursos de transporte, por ejemplo”.

Añade que “la planificación de demanda tradicional generalmente ha tenido en cuenta datos externos, como calendarios y festivos, sin embargo, en el caso de la previsión de demanda analítica, los datos externos se convierten en los protagonistas, ya que incluimos todos aquellos datos que contextualizan cada negocio: meteorología, eventos, tendencias, datos poblacionales, socioeconómicos, etc.”.

Por otro lado, aplican el algoritmo óptimo: “las librerías de algoritmos de software libre disponibles en el ecosistema del Data Science son extensas y en constante evolución. La aplicación del algoritmo óptimo a cada problema planteado es vital para los resultados de las previsiones. Esta selección y ajuste sólo puede ser llevado a cabo por expertos, los Data Scientists que, en muchas ocasiones, aplican algoritmos sencillos para poder entender el porqué de los resultados de los mismos y, posteriormente, algoritmos más complejos, a veces de difícil entendimiento, pero con resultados óptimos”.

Clientes

PiperLab trabaja, principalmente, en la Península Ibérica, “varias de nuestras soluciones están funcionando para España y Portugal, aunque ya tenemos aluna experiencia internacional de la mano de nuestros clientes. Sin embargo, aún no hemos dado el salto internacional propiamente dicho”, afirma Gilarranz.

Entre esos clientes figuran empresas como Seur, DHL, Logaritme, Carburos Metálicos, Ecoembes, Signus, Baxi Roca, Mahou, CTIngenieros o Adidas.

Soluciones para el sector logístico

En el sector logístico trabajan con varias soluciones:

• Previsión de demanda – previsión de demanda de transporte, de recursos, de carga de trabajo en almacén, de contratación de espacio aéreo, etc.
• Eficiencia: incremento de productividad – modelos de optimización para maximizar el uso de los recursos reduciendo costes.
• Optimización de Compras y de Stocks – para manteniendo el servicio minimizar las compras y los stocks.
• Previsión de Incidencias – mantenimiento predictivo.
• Previsión de obsolescencia – para adelantar el consumo de aquel material que potencialmente quedará obsoleto.
• Detección de anomalías – fraude – identificando todas aquellas operaciones o transacciones que se salen de la “normalidad”.
• Previsión de abandono – qué clientes y por qué razón tienen mayor probabilidad de abandonarnos.

Desde su puesta en marcha crecen a una media de más del 50% anual, “dando beneficios desde el primer ejercicio, autofinanciados, afianzándonos en los sectores que son clave para nosotros, donde ya tenemos un reconocimiento”, afirma su co-fundadora.

Además, añade, “somos empresa de nicho dentro de nuestra categoría, probablemente líderes dentro de nuestro nicho por el proceso de concentración que ha habido en el sector en los últimos años. Somos de los pocos que nos mantenemos independientes”.

«Hemos creado un área de ingeniería de datos para complementar nuestros servicios naturales de Data Science»
Maite Gilarranz, co-fundadora de PiperLab

Sus planes de futuro pasan por seguir creciendo en la misma línea de lo que llevan recorrido, aunque reconocen que existe cierta incertidumbre de cómo evolucionará el sector. “A veces ponemos el mismo símil de lo que ocurrió con las empresas logísticas en su momento. Cuando surgieron realmente no existían departamentos de logística propios dentro de las empresas y, con el tiempo, se ha convertido en un «área core» dentro de las organizaciones. El mundo de los datos lo vemos con esta progresión. Entendemos que las empresas llevan el camino de convertirse en “data centric”, tomando decisiones basadas en datos pero hoy día, sigue existiendo mucha más demanda de este tipo de servicios que oferta real formada en el mercado».

Sus objetivos a corto-medio plazo pasan por seguir creciendo de forma orgánica, en la misma línea de crecimiento que hasta ahora; ampliar su cartera de servicios y soluciones. “Hemos creado un área de ingeniería de datos para complementar nuestros servicios naturales de Data Science y seguimos ‘empaquetando’ soluciones”; y mover su modelo de negocio de puramente un modelo a servicios a un modelo mixto servicios-producto. Para ello, “estamos desarrollando una plataforma de desarrollo, reutilización y gestión del conocimiento de casos de uso de Data Science que no sólo apalanque el desarrollo interno de nuestros proyectos, sino que implantemos en nuestros clientes”.