CASO VITERRA – HERRAMIENTA FARMER SELLING: Optimización del negocio comercial de granos a través de modelos predictivos

Varios son los actores que integran el sector agropecuario y su cadena de valor, siendo clave para la economía nacional. Entre ellos se destaca el rol de las exportadoras de granos, cuyas funciones principales son:

  • Intermediar entre los productores y los compradores globales.
  • Formar precios y mitigar riesgos en el mercado local.
  • Optimizar la logística y almacenamiento.
  • Agregar valor a la producción primaria.
  • Favorecer el cumplimiento normativo.
  • Promover nuevas tecnologías y prácticas productivas, entre otras.

Asimismo, las exportadoras de granos contribuyen significativamente a la economía a través de las exportaciones (los complejos granarios representaron cerca de 37% del valor total exportado en 2023), la generación de divisas (superando 25 mil millones usd) y de empleo, la inversión en infraestructura y transporte, y el desarrollo del mercado de capitales.

El éxito del negocio de granos y originación de granos y oleaginosas depende de predecir factores como la producción agrícola mundial, la demanda global, las tendencias de consumo, las acciones de la competencia, los precios internacionales y las condiciones climáticas. Además, es fundamental predecir el comportamiento comercial de los productores locales para tomar decisiones sobre timing y volúmenes de compras, ventas y gestión de riesgos.

La compañía Viterra, una de las principales exportadoras de granos de Argentina y el mundo, se acercó a nuestra consultora con estas inquietudes. Para Viterra, el entendimiento de los factores que determinan las decisiones de venta de los productores agropecuarios de diferentes regiones y su cuantificación es vital para el éxito de su negocio y su rentabilidad.

Así, poder predecir el volumen de posiciones de venta en los distintos momentos del año: previo a cosechar (venta futura), durante la cosecha (liquidación directa) o en post cosecha (venta disponible), es crucial para desarrollar estrategias de comercialización y optimizar decisiones. Se debe considerar que, en el mercado de granos y oleaginosas, el momento en el que el productor toma posición de venta (Forward, Contrato) no es necesariamente coincidente, en la mayoría de los casos, con el momento de liquidación.

En respuesta a esta demanda, desde Simpleza, y en conjunto con Viterra, desarrollamos el modelo “Farmer Selling”. Esta herramienta aplica el estado del arte de la ciencia de datos para integrar y modelar datos de diversas fuentes y así dar respuestas a las preguntas: ¨¿En qué momento del año el productor decidirá vender su producción? ¿Cuál será el volumen por vender?¨

“Farmer Selling” permite pronosticar, en función de la historia, cómo será la intención de venta durante la próxima campaña, y qué peso relativo posee cada variable determinante. Específicamente la herramienta combina dos modelos, uno de escala anual y otro a escala mensual. El modelo anual tiene como objetivo pronosticar el volumen total de ventas de cada campaña a partir del total producido y algunas covariables. Luego, el modelo mensual pronostica la evolución de las ventas dentro de la campaña comercial.

Además de la predicción puntual, el modelo permite cuantificar la incertidumbre asociada a las predicciones y plantear diferentes escenarios. Esto último se logra caracterizando las campañas según la marcha de ventas relativas aplicando la técnica de análisis de conglomerados o clustering y simulando eventos en el futuro. De este modo, el usuario puede evaluar escenarios de tipo “qué pasa si…”. Todo esto se realiza a través de una interfase gráfica o tablero donde se presentan de manera amigable y resumida series de datos e indicadores claves para la industria.

Construimos la herramienta en 12 meses a través de 4 etapas: generación de base de datos histórica con datos públicos y privados (evolución de las posiciones de venta por producto y por región, y las variables que definen su comportamiento); análisis econométrico de las series temporales; construcción y calibración de modelos predictivos; y, por último, la visualización de resultados. La actualización y mantenimiento de la herramienta es continuo.