Elaboración de una mejora a la gestión comercial optimizando el proceso mediante tecnologías de la información e inteligencia artificial de Midea Carrier Chile

Abstract

La presente tesis aborda la optimización de la gestión comercial en Midea Carrier Chile, una empresa global con sede en Chile y distribución de productos de climatización y electrodomésticos en todo el país, mediante la implementación estratégica de Tecnologías de la Información (TI) e Inteligencia Artificial (IA). Aunque mantiene una sólida posición en un mercado chileno en crecimiento, enfrenta desafíos en ventas, inventarios, logística y experiencia del cliente, exacerbados por su modelo dual (B2B y B2C) y la estacionalidad de sus productos. La propuesta de mejora se estructura bajo el ciclo de Deming, utilizando herramientas como el Diagrama de Ishikawa para identificar causas raíz y el Diagrama de Pareto para priorizar problemas. Se plantean soluciones tecnológicas que integran o reemplazan sistemas ERP, CRM y SCM, junto a aplicaciones de IA como Machine Learning para pronóstico de demanda y personalización. Un enfoque central de esta optimización es la mejora de la proyección de demanda mediante el uso de Machine Learning. Esta precisión en el pronóstico es fundamental para la optimización de las compras, permitiendo a la compañía ajustar los volúmenes de adquisición a la demanda real. Esto, a su vez, se traduce en una reducción significativa del stock inmovilizado, al minimizar el sobrestock y los costos asociados de almacenamiento, y en la prevención de quiebres de stock, asegurando la disponibilidad de productos clave y estratégicos que mantienen su posicionamiento en el mercado, y mejorando la satisfacción del cliente. El estudio incluye un análisis económico que cuantifica los costos de inversión (licencias, integración, capacitación) y los beneficios esperados: ahorros operativos, mayor productividad, incremento en ventas y mejor atención al cliente. Esta transformación busca establecer un modelo comercial proactivo, basado en datos y centrado en el cliente, garantizando la competitividad y el crecimiento sostenible de Midea Carrier Chile a largo plazo.

This thesis focuses on optimizing commercial management at Midea Carrier Chile, a global company based in Chile that distributes air conditioning and home appliance products throughout the country. Although it maintains a strong position in a growing Chilean market, the company faces challenges in sales, inventory, logistics, and customer experience, worsened by its dual business model (B2B and B2C) and the seasonality of its products. The improvement proposal is structured around the Deming Cycle, using tools such as the Ishikawa Diagram to identify root causes and the Pareto Diagram to prioritize issues. Technological solutions are proposed to integrate or replace ERP, CRM, and SCM systems, along with AI applications like Machine Learning for demand forecasting and personalization. A central focus of this optimization is improving demand forecasting through Machine Learning. This increased accuracy is essential for optimizing purchasing decisions, enabling the company to align procurement volumes with actual demand. In turn, this leads to a significant reduction in aging inventory by minimizing overstock and storage costs, and prevents stockouts, ensuring the availability of key strategic products and enhancing customer satisfaction. The study includes an economic analysis that quantifies investment costs (licenses, integration, training) and expected benefits such as operational savings, increased productivity, higher sales, and improved customer service. This transformation aims to establish a proactive, data-driven, customer-centered commercial model, ensuring Midea Carrier Chile’s long-term competitiveness and sustainable growth.