Analítica de inventario de vinos: datos para decidir mejor
Tu sistema de inventario sabe exactamente cuántas botellas de cada referencia tienes. Sabe cuántas entraron, cuántas salieron, y cuando. Tiene meses — probablemente años — de datos acumulados.
Y tu probablemente no estas usando ni el 10% de esa información.
La analítica de inventario de vinos no es un lujo tecnológico para cadenas con departamento de datos. Es la diferencia entre comprar por intuición y comprar con evidencia. Entre descubrir que un vino dejo de venderse cuando ya tienes 24 botellas acumuladas, o detectarlo en la semana 3 cuando aún puedes ajustar.
Los datos que ya tienes contienen respuestas a preguntas que todavía no has formulado.
En este artículo:
- Cual es la diferencia entre datos, información e insights?
- Que métricas avanzadas deberías monitorear?
- Como debería verse tu dashboard de analítica?
- Que puede predecir un sistema con analítica avanzada?
- Como se ve la analítica en acción? Cuatro casos reales
- Por donde empezar con la analítica de inventario?
¿Cual es la diferencia entre datos, información e insights?
Hay una diferencia fundamental entre los tres niveles:
- Datos: "Vendimos 47 botellas de Malbec en marzo"
- Información: "Las ventas de Malbec cayeron un 15% respecto a febrero"
- Insight: "El Malbec cae en marzo porque los comensales migran a blancos con el cambio de temporada. Reducir stock de tintos pesados y aumentar blancos 3 semanas antes del equinoccio"
La mayoría de los restaurantes se quedan en el nivel de datos. Algunos llegan a información. Muy pocos alcanzan insights.
Los 4 niveles de analítica
| Nivel | Pregunta que responde | Ejemplo en inventario de vinos |
|---|---|---|
| Descriptivo | ¿Que paso? | Vendimos 340 botellas el mes pasado |
| Diagnóstico | ¿Por que paso? | Las ventas de espumosos subieron 40% por 3 eventos corporativos |
| Predictivo | ¿Que pasara? | En diciembre necesitaremos 85 botellas de Champagne (vs 30 normales) |
| Prescriptivo | ¿Que hacer? | Pedir 60 botellas adicionales de espumoso antes del 15 de noviembre |
Para un restaurante fine dining, la transición del nivel descriptivo al prescriptivo puede representar un ahorro anual de $150,000-$400,000 MXN en capital inmovilizado y merma reducida.
"Teníamos 14 referencias de Rioja en carta. El Excel nos decía cuántas botellas de cada una teníamos. Lo que no nos decía era que 6 de esas 14 referencias vendían menos de 2 botellas al mes, ocupando espacio de almacénamiento por $180,000 MXN en inventario dormido. Cuando empezamos a ver los datos de rotación real, consolidamos a 9 referencias de Rioja y liberamos capital para traer 5 etiquetas nuevas de regiones que nuestros comensales estaban pidiendo." — Sommelier de restaurante con 1 estrella Michelin en Guadalajara.
¿Que métricas avanzadas deberías monitorear?
Más allá de los KPIs básicos de inventario, la analítica avanzada trabaja con métricas compuestas que cruzan variables:
1. Contribución por metro cuadrado de cava
Contribucion = Margen total de la referencia / Espacio que ocupa en cava
Un vino que genera $5,000 de margen al mes pero ocupa 20% de tu espacio de almacénamiento es menos eficiente que uno que genera $3,000 con solo 5% del espacio.
2. Velocidad de venta (Sell-Through Rate)
Velocidad = Unidades vendidas / Unidades disponibles al inicio del período
Identifica que vinos se venden rápido y cuales se estancan. Fundamental para decisiónes de recompra.
3. Índice de envejecimiento del inventario
% inventario > 90 dias sin movimiento
En vinos premium, un inventario "viejo" no necesariamente es malo (algunos mejoran con el tiempo). Pero en house wines y vinos jóvenes, un inventario estancado es dinero perdido.
4. Margen bruto ponderado por rotación
Margen ponderado = Margen bruto × Rotacion anual
No todas las botellas con alto margen porcentual generan más dinero. Un vino de $300 con 70% de margen genera $210 por unidad. Un vino de $2,000 con 45% de margen genera $900. Pero si el primero rota 8 veces al año y el segundo rota 2, el primero contribuye $1,680 vs $1,800 del segundo — mucho más parejo de lo que el margen bruto sugiere.
¿Como debería verse tu dashboard de analítica?
La mayoría del software muestra docenas de gráficas que nadie mira. Un dashboard efectivo para inventario de vinos tiene exactamente 4 vistas:
Vista 1: Semaforo de stock Todas las referencias clasificadas en verde (stock adecuado), amarillo (acercandose al punto de reorden) y rojo (por debajo del mínimo o agotado). Un vistazo de 5 segundos te dice si hay algo urgente.
Vista 2: Top/Bottom performers Las 10 referencias que más margen generan y las 10 que menos. Actualizado semanalmente. Esto alimenta decisiónes de carta.
Vista 3: Tendencias de consumo Gráfica de línea con las últimas 12 semanas de consumo por categoría (tintos, blancos, espumosos, rosados, fortificados). Detecta patrones estacionales y cambios de preferencia.
Vista 4: Alertas activas Lista de acciónes pendientes: pedidos sugeridos, recepciones esperadas, referencias con baja rotación, y discrepancias de inventario detectadas.
"Antes revisaba un reporte de 15 páginas cada lunes. Ahora abro el dashboard 30 segundos antes de cada briefing con el equipo de sala. Si todo esta en verde, pasamos directo a hablar de maridajes y recomendaciones. Si hay amarillo o rojo, ya se exactamente que atender. Los datos dejaron de ser una tarea y se convirtieron en una herramienta que realmente uso cada día." — Gerente de alimentos y bebidas de hotel boutique en San Miguel de Allende.
¿Que puede predecir un sistema con analítica avanzada?
La analítica predictiva en inventario de vinos usa datos históricos para anticipar demanda futura. No necesitas un data scientist. Necesitas datos consistentes y un sistema que los procese.
Demanda por referencia: basándose en ventas históricas, estacionalidad y tendencias, el sistema proyecta cuántas botellas de cada referencia se venderan en las próximas 2-4 semanas.
Impacto de eventos: si registras que los viernes de quincena se vende 25% más vino, o que cada evento corporativo consume un promedio de 8 botellas de espumoso, el sistema incorpora esas variables.
Estacionalidad: la migración de tintos a blancos en primavera, el pico de espumosos en diciembre, la caída general en enero. Patrones que se repiten año tras año y que un algoritmo detecta con más precisión que la memoria humana.
Correlaciónes no obvias: tal vez descubres que cuando llueve, las ventas de tinto premium suben un 18%. O que los martes de temporada de opera (el teatro esta a 3 cuadras) los comensales gastan 30% más en vino. Estos patrones existen en tus datos. Solo necesitan ser extraídos.
Precisión realista
Ningún sistema predice con 100% de exactitud. Lo que busca la predicción es reducir la incertidumbre:
| Método de predicción | Precisión típica |
|---|---|
| Intuición del sommelier | 55-65% |
| Promedio de últimas 4 semanas | 65-75% |
| Modelo estacional (12 meses de datos) | 75-85% |
| IA con variables externas (clima, eventos, reservaciones) | 82-92% |
La diferencia entre 60% y 85% de precisión en un inventario de $500,000 MXN puede significar $50,000-$80,000 MXN anuales en capital mejor útilizado.
¿Como se ve la analítica en acción? Cuatro casos reales
Caso 1: Detectar el declive antes de que duela
Un restaurante en Polanco noto a través de su analítica que un Cabernet Sauvignon chileno que había sido top 5 en ventas durante 2 años estaba cayendo: semana 1 vendió 6, semana 2 vendió 5, semana 3 vendió 3, semana 4 vendió 2. Sin analítica, habrían reordenado las 24 botellas habituales. Con analítica, pidieron 12, investigaron por que caia (los comensales estaban migrando a Cabernets de Valle de Guadalupe), y ajustaron la carta en 3 semanas en lugar de 3 meses.
Ahorro: 12 botellas x $450 = $5,400 MXN en una sola referencia.
Caso 2: Descubrir la joya escondida
La analítica de margen por referencia revelo que un Albariño español de $380 vendía consistentemente 8 botellas por semana con un margen del 72%, generando $2,188 de margen semanal. Mientras tanto, un Chablis francés de $1,200 vendía 2 botellas con 50% de margen, generando $1,200 semanales. El Albariño era casi 2 veces más rentable pero tenía 3 veces menos espacio en la carta de vinos.
Acción: ampliar la presencia de Albariño en carta, incluirlo en el maridaje sugerido, y entrenar al equipo de sala para recomendarlo. Resultado: ventas del Albariño subieron a 12 botellas semanales.
Caso 3: Optimizar el capital de trabajo
Un análisis de envejecimiento de inventario revelo que un restaurante tenía $230,000 MXN en botellas con más de 120 días sin movimiento. No eran vinos de guarda: eran referencias que dejaron de venderse pero nadie dejo de comprar.
Acciones tomadas:
- Las 8 referencias con menor potencial se liquidaron en una "noche de descubrimiento" con descuento
- Las 5 referencias con potencial se reposiciónaron en carta con notas de cata actualizadas
- Se implemento una alerta automática: cualquier referencia con más de 60 días sin venta genera una revisión
Resultado: $145,000 MXN recuperados en capital de trabajo en 6 semanas.
Caso 4: Planificación por temporada
Con 2 años de datos, la analítica revelo patrones claros:
- Enero: consumo general cae 35%. Espumosos caen 60%.
- Febrero (San Valentin): Champagne sube 200% en una sola semana.
- Marzo-abril: migración gradual de tintos a blancos y rosados.
- Noviembre-diciembre: espumosos suben 150%, tintos premium suben 80%.
Armados con estos datos, el restaurante pre-posicióna inventario 4 semanas antes de cada pico, negociando mejores precios por volumen anticipado con proveedores.
En el mismo tema, vale la pena revisar inventario de vinos para catering y eventos especiales.
¿Por donde empezar con la analítica de inventario?
Si todavía gestiónas tu inventario en Excel o en papel, el primer paso no es comprar software. Es empezar a registrar consistentemente:
- Cada entrada de botella: fecha, referencia, proveedor, costo
- Cada salida: fecha, referencia, tipo (venta, merma, cortesía, transferencia)
- Conteo físico semanal o quincenal
Con 12 semanas de datos consistentes ya puedes calcular las métricas, detectar patrones y tomar mejores decisiónes. Con 12 meses, puedes predecir estacionalidad. Con 24 meses, puedes anticipar casi cualquier escenario recurrente.
Si quieres acelerar el proceso, un sistema diseñado para gestión de cavas captura los datos automáticamente con cada movimiento y te muestra los insights sin necesidad de construir reportes manuales. Combinalo con automatización de pedidos y el ciclo se cierra: los datos alimentan predicciónes, las predicciónes alimentan pedidos, y los pedidos generan más datos.
La analítica no reemplaza la experiencia del sommelier. La amplifica. Le da números donde antes había corazonadas. Y en un negocio donde cada botella representa capital invertido, esa amplificación se traduce directamente en mejor gestión del servicio por copa y mayor rentabilidad.
