La mañana empieza como casi todas: café en mano, dashboard abierto y un intento de entender las cifras que llegaron durante la noche. La merma sube en tres tiendas. La disponibilidad en el lineal ha caído en frutas y verduras. Las horas de personal vuelven a crecer. Los números son bastante claros, pero averiguar por qué dicen lo que dicen le llevará el resto del día.

Es una escena conocida para cualquiera que gestione pedidos, descuentos y producción en tienda en un retailer de alimentación. Cuando funciona, funciona y nadie se queja. Cuando no funciona, aparece en un informe y casi siempre desde las mismas tiendas. Las causas son exasperantemente difíciles de identificar y las herramientas disponibles no sirven para aclararlas.

Diagrama general de las cuatro iniciativas: Pedidos de frescos en tienda, Descuentos, Producción en tienda y la secuencia autofinanciada.
Fig. 1. Cada una de estas cuatro iniciativas está diseñada para aportar valor medible por sí sola, y para multiplicarlo cuando se combinan.

Las categorías de frescos representan entre el 40% y el 50% de las ventas de alimentación y generan el 65% de la merma total. Gestionarlas bien se nota en la cuenta de resultados y también en los treinta segundos que un cliente dedica a decidir si la fruta tiene la calidad suficiente para volver.

Las cuatro iniciativas de este manual ofrecen soluciones de software para corregir los problemas de fondo que llevan al cliente a comprar en otro sitio: inventario impreciso, descuentos reactivos y planificación de la producción basada en la intuición. También muestran cómo cada problema resuelto financia el siguiente.

1. Los pedidos precisos empiezan por un inventario preciso

Los pedidos por excepción sustituyen el recuento manual de dos horas por una revisión de excepciones de cinco a diez minutos, centrada solo en los artículos que realmente exigen una decisión.

El problema: los recuentos manuales llevan horas y aun así dan cifras erróneas

El equipo dedica muchísimo tiempo a contar un inventario aparentemente incontable y a estimar la fruta suelta, las hierbas a granel y otros artículos que no se pueden escanear. Sabe que esas estimaciones contribuyen a un deterioro costoso, pero ¿qué otra cosa puede hacer?

Un recuento manual de una sección de frutas y verduras estándar puede llevar dos horas o más, cada vez y en cada tienda. Y aun así nunca es del todo exacto. La imprecisión se propaga: un recuento erróneo genera un pedido erróneo. Un pedido erróneo se convierte en exceso de stock o en rotura de stock. El exceso de stock se convierte en merma.

Cómo se acumula el efecto

Dado que los productos perecederos generan el 65% de la merma total de la tienda y que los márgenes netos de beneficio se sitúan de media en apenas el 1,7%, incluso una mejora marginal en frescos repercute directamente en el resultado.

Cuando el pedido es excesivo, llega producto que no se venderá antes de caducar. Se descuenta, se dona o se tira, y aparece como merma, no como un problema de recuento. Cuando el pedido es insuficiente, el hueco en el lineal es una venta perdida que ni siquiera se refleja en los datos.

Mientras tanto, mañana vuelve a repetirse el recuento de dos horas.

La iniciativa: pedidos por excepción que señalan solo lo que requiere atención

Pase de contarlo todo a gestionar excepciones.

Esta iniciativa exige una solución de planificación capaz de leer varios conjuntos de datos, datos de ventas, histórico de pedidos y calendarios de entregas entrantes, y de construir una imagen estimada de lo que probablemente hay ahora mismo en el lineal, sin necesidad de un recuento manual completo.

Bien implementada, la solución muestra únicamente los artículos en los que esa imagen no cuadra: las excepciones. Un día cualquiera, eso supone en torno al 2-5% del surtido. Así, el equipo revisa los artículos que realmente exigen una decisión humana. El 95-98% restante puede ejecutarse de forma automática a partir de las recomendaciones del sistema.

En el producto suelto y de peso variable, donde el recuento manual nunca fue demasiado fiable, funcionalidades como la correspondencia de SKU con IA resuelven el problema de identificación desde la raíz. La solución de planificación adecuada asocia automáticamente lo que hay físicamente en el pasillo con el registro correcto, sin necesidad de un código de barras en cada artículo. El hueco que la estimación siempre ha intentado cubrir se cierra antes de lanzar el pedido.

Diagrama de flujo antes y después que muestra un proceso de pedidos manual de cinco horas reducido a menos de 2,5 horas mediante el recuento por excepción y la validación de pedidos con IA.
Fig. 2. Los pedidos por excepción comprimen un proceso manual de cinco horas a menos de media hora: el sistema muestra solo los artículos que realmente necesitan una decisión humana.

La ventaja: RELEX Pedidos de frescos en tienda

RELEX Fresh Store Ordering se ha diseñado específicamente para la complejidad de las categorías de producto suelto y de peso variable. La plataforma ofrece previsiones diarias precisas y recomendaciones basadas en IA que orientan a los equipos de tienda sobre cuánto contar, pedir o producir cada día.

El sistema aplica algoritmos avanzados para agilizar el reabastecimiento de las categorías perecederas, con lo que reduce la merma, eleva los niveles de servicio y mejora la disponibilidad en el lineal. Unifica los pedidos de toda la tienda y cubre el surtido completo: desde artículos envasados con código de barras hasta pedidos de producto suelto, a granel y a nivel de ingrediente para panadería, charcutería y platos preparados.

La analítica por rol ofrece a cada usuario la vista que necesita: flujos de trabajo guiados para el personal de tienda y los responsables de sección, y dashboards para la dirección de tienda, los responsables de categoría y la dirección regional. Los procesos de pedido automatizados reducen la carga de trabajo manual y mejoran la satisfacción del personal.

El agente de IA Store Support, disponible en las aplicaciones móviles de RELEX, ofrece explicaciones inmediatas de los pedidos y resolución de incidencias directamente a los equipos de tienda. Guía al usuario hasta la solución sin necesidad de llamar a la central ni a las oficinas de división, y refuerza la capacidad de la tienda con el tiempo.

Capacidades clave

  • Revisa solo el 2-5% de los artículos que exigen una decisión humana, en lugar del 30-50% o más
  • Asocia automáticamente el producto suelto y de peso variable con el registro correcto, sin necesidad de un código de barras en cada artículo
  • Reduce la merma en las categorías clave de frescos entre un 30% y un 50%
  • Mejora la precisión del inventario en torno a un 30% frente a los sistemas ERP
  • Ejecuta los pedidos de forma continua y automática, sin activación manual
  • Da a los equipos de tienda visibilidad en tiempo real en la sala de ventas mediante la app móvil de RELEX
  • Resuelve las excepciones de pedido al instante con el agente de IA Store Support, sin llamar al soporte central

2. Reduzca la merma con descuentos más inteligentes

Recupere margen y reduzca la merma con descuentos proactivos aplicados hasta 48 horas antes de la caducidad. Gracias a la captación continua de información, el resultado mejora cada semana.

El problema: los descuentos de última hora destruyen margen carro a carro

A las 16:00 del jueves hay un carro lleno de productos que caducan mañana y ninguna buena opción para gestionarlo. Se descuenta todo un 50% con la esperanza de que salga lo suficiente. El impacto en el margen es notable, la merma también, y la semana que viene se pedirán los mismos productos en las mismas cantidades, con lo que habrá que tomar de nuevo la misma decisión.

El proceso de descuento habitual en la mayoría de los retailers de alimentación sigue siempre el mismo patrón: un producto se acerca al final de su vida útil y se le aplica un descuento general del 50%. Una parte se vende, otra no, y el resto acaba en la basura.

El impacto en el margen es notable y la merma también. Pero nada mejora, porque la decisión de descuento se tomó demasiado tarde para servir de algo y los datos nunca revierten en lo que se pide al día siguiente o a la semana siguiente.

Los descuentos generales, uniformes y de último día destruyen margen y generan merma. Un producto que se habría vendido con un 20% de descuento dos días antes acaba con un 50% cuando le queda menos de un día en el lineal. El resultado: descuento máximo, recuperación mínima.

El problema afecta a todas las secciones de la tienda, no solo a frescos. En frescos hay más en juego por la vida útil corta, pero la misma lógica se aplica al pasillo central. Una caja de cereales abollada, un paquete de analgésicos sin receta próximo a caducar o un tarro de potito se benefician del mismo enfoque proactivo.

Cómo se acumula el efecto

Las decisiones de descuento se toman de forma aislada, sin conexión con lo que se pide la semana siguiente. El exceso de suministro que provocó el descuento se repite. Los mismos productos vuelven a descontarse y se pierde otra vez el mismo margen.

La iniciativa: una previsión a 48 horas con descuentos más tempranos

Línea de tiempo que compara un único descuento del 50% aplicado el último día frente a un enfoque escalonado que comienza con un 20% de descuento 48 horas antes de la caducidad.
Fig. 3. Una previsión a 48 horas permite iniciar los descuentos antes y con un porcentaje menor, lo que recupera más margen y reduce el volumen que llega al final de su vida útil sin descontar.

Los equipos deben usar el sistema de planificación para anticiparse a las ventas proyectadas, el inventario actual en el lineal, los pedidos entrantes y las fechas de caducidad, y recomendar descuentos cuando todavía hay tiempo de recuperar margen.

Eso significa descuentos inteligentes, no recortes generalizados. Requiere un software de planificación que recomiende descuentos de forma dinámica, que recupere beneficio para el retailer y a la vez dé al cliente un motivo para comprar el producto cuando aún le queda tiempo para consumirlo. El cliente que se lleva el paquete de salmón con un 20% de descuento dos días antes de su fecha de consumo sale mejor parado que quien lo encuentra al 50% el último día, y el retailer obtiene más margen con el mismo producto.

El alcance de esta lógica es el mismo en todas las categorías de la tienda, de pared a pared. En frescos la urgencia es mayor porque la vida útil se mide en días, no en semanas ni en meses. Pero el mismo enfoque de 48 horas funciona para los productos de baja rotación del pasillo central, las líneas de salud y belleza próximas a caducar y cualquier categoría en la que la fecha límite de venta sea una restricción real para recuperar valor.

Conviene señalar que los descuentos proactivos benefician tanto al cliente como al retailer. Un descuento aplicado 48 horas antes de la caducidad da al comprador tiempo para consumir el producto, en lugar de encontrárselo al final de su vida útil, cuando quizá ya no lo tenga. El retailer que aplica descuentos de forma inteligente aporta valor en el momento adecuado y construye fidelidad, porque el cliente sabe que puede contar con la tienda para encontrar ofertas reales.

La ventaja: los descuentos de RELEX, el círculo que ningún competidor cierra

RELEX conecta las decisiones de descuento con el sistema de pedidos, de modo que lo que hubo que descontar una semana condiciona lo que se pide la siguiente. El sistema aprende del exceso de suministro que originó el descuento y ajusta los pedidos futuros para atacar la causa raíz. Con el tiempo, la iniciativa de descuentos reduce su propia carga de trabajo.

La solución de optimización de precios y descuentos de RELEX hace que los descuentos y la liquidación sean gestionables a escala, y selecciona los productos adecuados en el momento y al precio justos. Las fechas de caducidad del inventario disponible se tienen en cuenta de forma automática, lo que identifica proactivamente el stock próximo al final de su vida útil y activa la recomendación de descuento o de salida forzada correspondiente.

Esta conexión entre la ejecución del descuento y los pedidos es lo que separa un sistema que gestiona síntomas de otro que ataca las causas raíz.

Capacidades clave

  • Se anticipa 48 horas a las ventas proyectadas, el inventario, los pedidos entrantes y las fechas de caducidad para recomendar descuentos cuando aún se puede recuperar margen
  • Recomienda descuentos de forma dinámica, no como un único recorte generalizado
  • Devuelve cada decisión de descuento al modelo de pedidos, con lo que mejora los pedidos futuros y cierra el círculo
  • Aplica una lógica coherente en todas las categorías de la tienda, no solo en las secciones de frescos
  • Identifica automáticamente el stock próximo a caducar y activa recomendaciones proactivas de salida forzada

3. Produzca lo que los clientes compran de verdad

Los planes de producción orientados a la demanda, elaborados tienda a tienda y actualizados con las restricciones reales, sustituyen a la intuición y a la costumbre que rigen muchas operaciones de panadería y charcutería.

El problema: la planificación de la producción funciona con la memoria, no con los datos

El plan de panadería se construyó con las cifras del sábado pasado. Nadie tuvo en cuenta que el horno funciona a media capacidad ni que es un fin de semana festivo. A media mañana las bandejas están vacías y no queda nada que reponer. En algún punto anterior del proceso se planificó la misma cantidad también para la semana siguiente.

La planificación de la producción de panadería y charcutería funciona a menudo con la memoria. «El sábado pasado hice X bagels, así que este sábado haré X otra vez». Ese es el modelo mental con el que trabajan muchos responsables de sección y, la mayoría de las veces, se ha aproximado lo suficiente para salir del paso. Pero «aproximarse lo suficiente» significa sobreproducción constante en los días flojos e infraproducción constante cuando la demanda se dispara.

El problema se agrava porque las decisiones de producción deben tomarse horas antes de la franja de venta a la que van dirigidas. La descongelación de la tanda de la mañana empieza el día anterior. Los ingredientes deben prepararse antes de abrir la tienda. El pan tiene que estar en el horno con la antelación suficiente para atender la punta de la mañana, y las galletas con pepitas de chocolate deben estar listas para la punta de la tarde.

Si el plan es erróneo, se descubre cuando los clientes ya están en la tienda y no hay solución rápida. O se improvisa o se pierde la venta.

Cómo se acumula el efecto

La sobreproducción desperdicia ingredientes y mano de obra. La infraproducción desperdicia ingresos y erosiona la confianza del cliente, porque quien entró esperando producto fresco se encontró bandejas vacías. Ninguno de los dos resultados aparece en una única línea de la cuenta de resultados, pero ambos se reflejan con el tiempo en el margen y en la afluencia.

Cuando entran en juego las restricciones de equipamiento, el problema empeora. Un horno a capacidad reducida, una persona del equipo que no está disponible para un turno de producción o una entrega que llega tarde pueden desbaratar el plan. La mayoría de las tiendas lo resuelve a ojo, con lo que los resultados varían según el responsable, el día y la tienda.

La iniciativa: planes orientados a la demanda que tienen en cuenta el equipamiento, el personal y los tiempos a lo largo del día

Sustituya el modelo mental por un plan de producción realmente orientado a la demanda. Para ello se necesita un sistema de planificación que lea las previsiones de ventas reales, los patrones de demanda a lo largo del día, el inventario disponible de ingredientes y de producto terminado, y las restricciones reales de equipamiento y de personal. Así, los equipos construyen el plan de producción a partir de esas fuentes de datos y no solo de las cifras de la semana pasada.

Estos planes deben generarse tienda a tienda, no aplicarse como plantillas para toda la cadena. Una tienda con un horno a capacidad reducida debe recibir un plan distinto del de una tienda que funciona a pleno rendimiento. Una tienda con menos personal en charcutería el martes por la mañana debe recibir una guía distinta de la que recibe esa misma tienda el sábado. En última instancia, el plan debe reflejar la tienda para la que se ha creado.

Un diagrama que muestra cómo las previsiones de demanda reales, el inventario de ingredientes y de producto terminado, y el conocimiento de las restricciones se combinan para generar un plan de producción dinámico que se actualiza automáticamente ante los cambios. Debajo, una sección de segmentación intradía divide la producción en tandas de la mañana (bagels, cruasanes, muffins) y tandas de la tarde (sándwiches, bollería, galletas), con lógica de descongelación anticipada para las categorías de panadería, un paso de planificación y descongelación, y adaptación en tiempo real ante eventos como fallos del horno, cambios de personal y picos de demanda. Un pie de imagen indica: «La previsión intradía impulsa el reabastecimiento de ingredientes junto con la planificación de la producción».
Fig. 4. Un plan de producción dinámico vale tanto como los datos que lo alimentan. La demanda real, el inventario en vivo y el conocimiento de las restricciones deben funcionar de forma conjunta antes de que sea posible la agilidad a lo largo del día.

Con esta iniciativa, un solo plan cubre varias franjas de producción: la tanda de la mañana, la de la tarde, los ciclos de descongelación y la preparación de ingredientes, todo planificado el día anterior. El responsable de panadería no se limita a planificar qué elaborar hoy. El sistema lo guía por la secuencia completa de pasos, en el orden correcto y con las cantidades correctas, en función de lo que los clientes van a comprar realmente.

La previsión a lo largo del día debe abarcar tanto los ingredientes como el producto terminado. Las listas de materiales (BOM) y las señales de demanda intradía deben impulsar el reabastecimiento de ingredientes junto con la planificación de la producción. Así el sistema cubre los dos lados de la ecuación: qué elaborar y qué tener disponible para elaborarlo.

La ventaja: RELEX Planificación de producción en tienda

RELEX Planificación de producción en tienda genera planes dinámicos por tienda que se ajustan automáticamente a las restricciones reales. Si un horno no funciona o el plan se actualiza, no hay recálculo manual, ni ajustes a ojo, ni un responsable improvisando una nueva planificación. El sistema sabe de qué se dispone y construye el plan a partir de ahí.

Los planes por tienda hacen que la demanda local se refleje realmente en lo que se produce, en lugar de quedar anulada por una plantilla genérica pensada para otro perfil de tienda. Esa concreción reduce la merma por sobreproducción y recorta las improvisaciones cuando la producción no cuadra con la demanda.

RELEX ofrece previsiones diarias precisas y recomendaciones comerciales basadas en IA para las categorías de frescos y ultrafrescos. Los equipos de tienda reciben planes de producción que reflejan la demanda real, las restricciones reales y las condiciones reales de la tienda, junto con las indicaciones necesarias para actuar.

Capacidades clave

  • Genera planes de producción dinámicos por tienda a partir de previsiones de demanda reales, no de las cifras de la semana pasada
  • Se adapta automáticamente si el equipamiento o el personal cambian a lo largo del día
  • Cubre las tandas de producción de mañana y de tarde con segmentación horaria intradía
  • Prevé las necesidades de ingredientes e impulsa el reabastecimiento mediante listas de materiales
  • Planifica los ciclos de descongelación anticipada para las categorías de panadería
  • Guía la planificación de la producción de carnicería, pescadería, panadería, charcutería y platos preparados con recomendaciones asistidas por IA

4. Pilote y demuestre el valor de una iniciativa cada vez

La transformación de los frescos no tiene por qué ser un acto de fe. Cada iniciativa demuestra su valor antes de que empiece la siguiente, lo que crea una secuencia autofinanciada que reduce tanto el compromiso de capital como el riesgo en cada fase.

El problema: la transformación parece un gran compromiso inicial

El programa Fresh Start arrancó en enero. En junio, la mitad de las tiendas está en marcha y la otra mitad espera una dependencia de IT que nadie detectó en la fase de alcance. El ROI prometido para el segundo trimestre está ahora previsto para el cuarto, y con reservas. Empieza a parecerse a cualquier otro gran proyecto tecnológico que la empresa haya emprendido.

Una transformación de frescos con varias iniciativas puede parecer un compromiso considerable antes de que llegue el primer resultado. Los ciclos presupuestarios, los recursos de IT y la gestión del cambio en decenas o cientos de tiendas son obstáculos reales para retailers que han visto cómo grandes programas tecnológicos tardaban años en aportar valor.

Piense en una implementación de ERP. Poner en marcha un gran sistema corporativo puede llevar de tres a cuatro años hasta que se materializan los beneficios. El capital se compromete por adelantado y el retorno se aplaza. Y si algo sale mal, no hay vía de salida.

La iniciativa: pilote primero, demuestre el valor y use el ahorro para financiar la siguiente

En su lugar, aplique un modelo piloto diseñado para demostrar valor rápidamente.

Empiece pilotando una iniciativa durante ocho semanas en entre cinco y diez tiendas. La reducción de la merma, el ahorro en horas de personal y la mejora de la disponibilidad en el lineal son medibles en ese plazo. Los resultados de un piloto pequeño son representativos de lo que se puede escalar a toda la cadena y aportan las cifras necesarias para construir el caso de negocio de la siguiente iniciativa antes de comprometerse con ella.

Use ese ahorro para financiar la siguiente iniciativa. Cada paso está diseñado para autofinanciarse. Por ejemplo, el ROI de Fresh Store Ordering paga los Descuentos. El margen recuperado con los Descuentos financia la Producción en tienda. Sin un único gran compromiso de capital, la transformación se paga sola a medida que escala.

La secuencia recomendada:

  1. Pedidos de frescos en tienda: ahorro inmediato en horas de personal y mejoras de precisión del inventario, visibles dentro del plazo del piloto.
  2. Descuentos: con frecuencia funcionan en paralelo a los pedidos, una vez que los datos de inventario son fiables.
  3. Producción en tienda: cuando ya están asentados los patrones de pedido y de descuento.

Conviene insistir en que esta secuencia es una recomendación, no una norma. Algunos retailers empiezan por los descuentos porque es ahí donde se pierde margen. Otros empiezan por la producción en tienda porque la elaboración de alimentos frescos se ha convertido en un campo de batalla competitivo. Con RELEX, se empieza por donde la presión es mayor. Esa es una respuesta distinta de la que ofrece un marco genérico.

Un diagrama circular muestra un ciclo de despliegue autofinanciado a través de tres iniciativas. Pedidos de frescos en tienda genera ahorros por reducción de la merma y mejora de la precisión del inventario que financian el despliegue de Descuentos. Descuentos reduce entonces la merma y recupera margen, financiando así Producción en tienda. Los ahorros de personal y de merma de Producción en tienda financian a su vez un despliegue adicional entre divisiones, cerrando el ciclo de vuelta a Pedidos de frescos en tienda.
Fig. 5. Cada capacidad financia la siguiente, lo que respalda un despliegue por fases que va ganando impulso en lugar de exigir una única inversión inicial de gran tamaño.

Para los clientes de RELEX que añaden capacidades de frescos en tienda, el calendario es aún más corto. Gran parte del trabajo de integración de datos ya está hecho. El piloto puede arrancar antes y la rampa inicial hasta obtener resultados fiables se acorta.

La ventaja: una sola plataforma hace que cada nueva iniciativa se active más rápido que la anterior

Al tratarse de una única plataforma conectada, cada nueva iniciativa se activa más rápido que la anterior. No hay reimplementación, ni un proveedor distinto al que incorporar, ni un nuevo proyecto de integración de datos. La inversión en la base se acumula.

Un retailer con 50 tiendas puede pasar del piloto a toda la cadena en cuestión de meses. Un retailer con 2.000 tiendas que despliegue división por división puede alcanzar de forma realista el despliegue completo de una solución en aproximadamente un año.

Los modelos de IA también se vuelven más inteligentes con el tiempo. Más datos, más histórico y más patrones significan que los modelos de machine learning siguen mejorando. Cada mejora del rendimiento se convierte en el punto de partida de la siguiente. La curva en S de la transformación se repite: la pendiente sube con fuerza en cada implementación y la siguiente iniciativa arranca con una nueva curva de mejora desde ese nivel más alto.

Cuando los datos se conectan, el margen llega

Ilustración de los iconos de las cuatro iniciativas colocados sobre un portátil que representa la plataforma unificada de RELEX que las conecta.
Fig. 6. Como las tres iniciativas se ejecutan sobre la misma plataforma, los datos de cada una alimentan directamente a las demás y producen un sistema que gana precisión a medida que se utiliza más.

Tratar cada problema de forma aislada solo aumenta la probabilidad de que persista y evolucione. Las presiones del día a día son de sobra conocidas: costes de personal, desperdicio alimentario y pedidos imprecisos.

La incertidumbre del suministro aguas arriba, los cambios geopolíticos, la volatilidad del mercado y los aranceles a la importación ya han transformado el coste de los productos frescos en los últimos años. Es cuestión de tiempo que estos problemas aparentemente aislados sean mucho más difíciles de resolver, sobre todo cuando las causas raíz no resultan evidentes.

RELEX ofrece una única plataforma unificada que supervisa todos los aspectos de las operaciones de frescos en tienda. Cada iniciativa se integra en un mismo círculo, cada causa raíz se hace visible y cada tienda recibe un plan creado para su propia demanda, sus restricciones y sus condiciones.

Sus cuatro iniciativas para llevarse:

  1. Sustituya los recuentos manuales por pedidos por excepción que señalen solo lo que exige una decisión
  2. Recupere margen con descuentos proactivos aplicados antes de que sea demasiado tarde
  3. Construya los planes de producción con datos de demanda reales, no con las cifras de la semana pasada
  4. Pilote una iniciativa, demuestre el valor y financie la siguiente con el ahorro que genera

Sus clientes ya compran de forma más inteligente y los frescos son lo primero que buscan. Una operación de tienda bien gestionada se refleja en los resultados y, cuando un cliente entra y encuentra lo que venía a buscar, vuelve. No solo por el producto, sino por la experiencia de una tienda que hace las cosas bien.

Nada de esto es novedad. Los problemas que ha leído en este manual son los que lleva años gestionando. El siguiente paso es iniciar una conversación en la que RELEX pueda mostrarle exactamente dónde puede tener más impacto.

Autor

Craig Norman

Director de Marketing de Producto