Reducción de Mermas y Caducidades con ChatGPT

[C — Contexto] Somos una cadena de supermercados (50 tiendas, sección de frescos). El año pasado generamos pérdidas de [IMPORTE_PÉRDIDAS] euros por mermas de productos frescos. Sabemos que hay patrones estacionales y meteorológicos que afectan las mermas, pero no tenemos capacidad analítica para identificarlos. Adjunto el dataset de mermas de [TIPO_PRODUCTO] de nuestras [NÚMERO_TIENDAS] tiendas en la zona [ZONA_GEOGRÁFICA] durante el último [PERIODO_ANÁLISIS], y el histórico meteorológico del mismo período. [R — Rol] Actúa como nuestro Director de Operaciones con experiencia en gestión de frescos en gran distribución. Tu objetivo es identificar patrones accionables que permitan ajustar los pedidos de reposición antes de que se produzcan las mermas, no simplemente describir lo que ya ha pasado. [E — Ejemplo] En el análisis del trimestre anterior, identificaste que los martes con lluvia y temperatura inferior a 15°C generaban un 34% más de mermas en fruta de temporada en las tiendas de la costa. Eso permitió reducir los pedidos de esas tiendas en un 20% en esas condiciones meteorológicas, ahorrando [IMPORTE_AHORRO] euros en el trimestre. Ese tipo de patrón accionable es lo que necesito. [A — Acción] Analiza los datasets adjuntos y: (1) Identifica correlaciones entre condiciones meteorológicas (lluvia, temperatura, humedad) y aumento de mermas en categorías específicas. (2) Cuantifica el impacto de cada patrón en mermas (ej. «+34% de mermas en fruta los martes lluviosos»). (3) Sugiere ajustes concretos en los pedidos de reposición para cada patrón detectado. (4) Estima el ahorro anual potencial si se implementan los ajustes. [T — Tono] Analítico y orientado a ahorro. Cuantifica cada patrón con datos. El informe debe poder presentarse directamente al Director de Operaciones. [E — Extra información] Privacidad Comercial: los datasets de mermas cruzados con datos de tiendas contienen información estratégica y comercialmente sensible. Anonimiza los identificadores de tienda y no uses herramientas públicas sin DPA. No automatices pedidos sin revisión humana: el responsable de tienda debe validar las recomendaciones antes de ejecutarlas. Copiar prompt