Estudio de caso
Estudio de caso
Rappi: Usando datos para invertir de manera más inteligente y crecer sin perder el control
Compañía
Rappi
Compañía
Rappi
Compañía
Rappi
Servicios
Facilitación del Crecimiento · Liquidez del Mercado · Eficiencia de Costos · Escalabilidad del Suministro · Ejecución en Tiempo Real · Toma de Decisiones Basada en Datos
Servicios
Facilitación del Crecimiento · Liquidez del Mercado · Eficiencia de Costos · Escalabilidad del Suministro · Ejecución en Tiempo Real · Toma de Decisiones Basada en Datos
Servicios
Facilitación del Crecimiento · Liquidez del Mercado · Eficiencia de Costos · Escalabilidad del Suministro · Ejecución en Tiempo Real · Toma de Decisiones Basada en Datos
Industria
Logística y Operaciones del Mercado
Industria
Logística y Operaciones del Mercado
Industria
Logística y Operaciones del Mercado
Año
2025
Año
2025
Año
2025
Rappi es el unicornio más grande de América Latina, valorado en más de 5 mil millones de dólares, operando en 9 países y más de 200 ciudades. A medida que el negocio escaló, uno de sus desafíos más críticos se volvió evidente: ¿cómo asignar recursos de manera eficiente en días con picos de demanda o escasez de suministro—sin gastar de más o perder el control de las operaciones? Las malas decisiones de inversión durante días de alta variabilidad podrían impactar directamente: ingresos calidad del servicio experiencia del cliente crecimiento a largo plazo La oportunidad era pasar de la toma de decisiones reactiva a un sistema de inversión estructurado y basado en datos—capaz de guiar tanto las decisiones a corto como a largo plazo a gran escala.
Simón Borrero
CEO y Fundador
Hemos llegado a una fase de escalamiento donde el modelo ha demostrado funcionar. Crea un fuerte impacto social, beneficiando a los mensajeros, comerciantes y usuarios al devolverles tiempo valioso para disfrutar con sus familias. Al mismo tiempo, es un modelo que también funciona financieramente.
Los desafíos
Construir un sistema de pronóstico e inversión capaz de apoyar decisiones en más de 200 ciudades de varios países es una tarea compleja. Los principales desafíos incluyeron:
Estacionalidad y festividades: Los patrones de demanda varían significativamente según el país y la ciudad, lo que requiere un enfoque de pronóstico escalable y localizado.
Impacto del crecimiento inorgánico: Las campañas de marketing generan picos de demanda que deben medirse e incorporarse a las previsiones con precisión.
Eficiencia en la asignación de capital: Las inversiones en suministro y marketing son costosas; sobreestimar conduce a desperdicios, subestimar conduce a ventas perdidas.
Captura de valor a través del proceso: Solo los pronósticos no son suficientes; deben integrarse en la toma de decisiones operativas diarias para generar un impacto real
El enfoque
Se diseñó y ejecutó un proceso a medida en cuatro fases.
Se diseñó y ejecutó un proceso a medida, basado en datos, en cuatro fases.
Fase 1: Pronóstico a Corto Plazo para Decisiones de Inversión Inmediata
La primera prioridad fue mejorar la precisión de la inversión a corto plazo.
Trabajando con un equipo de científicos de datos, se desarrolló un sistema de pronóstico para predecir la demanda a nivel de ciudad hasta 7 días por adelantado, logrando 94% de precisión en toda América Latina.
Esto permitió a los equipos:
anticipar aumentos de demanda
asignar suministro con mayor precisión
tomar decisiones de inversión informadas a corto plazo
Fase 2: Integración de Procesos, Medición y Mejora Continua
Las salidas de pronóstico se integraron en flujos de trabajo operativos.
Siempre que la demanda se desviara de los patrones habituales, el sistema activaba procesos de decisión estructurados, permitiendo que múltiples equipos respondieran de manera rápida y consistente.
Este cambio de una ejecución basada en la intuición a una ejecución impulsada por procesos llevó a mejoras medibles en la efectividad de la inversión.
Fase 3: Pronóstico a Largo Plazo para la Planificación Estratégica
Una vez lograda la estabilidad a corto plazo, el enfoque se trasladó a la planificación a largo plazo. Se introdujeron modelos avanzados de aprendizaje automático e inteligencia artificial para pronosticar la variabilidad de la demanda de 3 a 12 meses por adelantado, lo que permitió inversiones a largo plazo que son típicamente difíciles de predecir.
Esto permitió a Rappi:
planificar la capacidad y los incentivos con antelación
reducir el riesgo de volatilidad
apoyar un crecimiento sostenible, año tras año
Fase 4: Optimización de Procesos y Captura de Valor a Largo Plazo
El sistema de pronóstico se convirtió en un insumo clave para múltiples iniciativas estratégicas, incluyendo:
pagos
inversiones en marketing
incentivos no monetarios
socios estratégicos
El modelo también se implementó en la alianza Rappi–Amazon 2025, asegurando que las decisiones de inversión estuvieran alineadas a través de horizontes a corto y largo plazo.
El impacto anual esperado supera $60M en captura de valor.
Los desafíos
Construir un sistema de pronóstico e inversión capaz de apoyar decisiones en más de 200 ciudades de varios países es una tarea compleja. Los principales desafíos incluyeron:
Estacionalidad y festividades: Los patrones de demanda varían significativamente según el país y la ciudad, lo que requiere un enfoque de pronóstico escalable y localizado.
Impacto del crecimiento inorgánico: Las campañas de marketing generan picos de demanda que deben medirse e incorporarse a las previsiones con precisión.
Eficiencia en la asignación de capital: Las inversiones en suministro y marketing son costosas; sobreestimar conduce a desperdicios, subestimar conduce a ventas perdidas.
Captura de valor a través del proceso: Solo los pronósticos no son suficientes; deben integrarse en la toma de decisiones operativas diarias para generar un impacto real
El enfoque
Se diseñó y ejecutó un proceso a medida en cuatro fases.
Se diseñó y ejecutó un proceso a medida, basado en datos, en cuatro fases.
Fase 1: Pronóstico a Corto Plazo para Decisiones de Inversión Inmediata
La primera prioridad fue mejorar la precisión de la inversión a corto plazo.
Trabajando con un equipo de científicos de datos, se desarrolló un sistema de pronóstico para predecir la demanda a nivel de ciudad hasta 7 días por adelantado, logrando 94% de precisión en toda América Latina.
Esto permitió a los equipos:
anticipar aumentos de demanda
asignar suministro con mayor precisión
tomar decisiones de inversión informadas a corto plazo
Fase 2: Integración de Procesos, Medición y Mejora Continua
Las salidas de pronóstico se integraron en flujos de trabajo operativos.
Siempre que la demanda se desviara de los patrones habituales, el sistema activaba procesos de decisión estructurados, permitiendo que múltiples equipos respondieran de manera rápida y consistente.
Este cambio de una ejecución basada en la intuición a una ejecución impulsada por procesos llevó a mejoras medibles en la efectividad de la inversión.
Fase 3: Pronóstico a Largo Plazo para la Planificación Estratégica
Una vez lograda la estabilidad a corto plazo, el enfoque se trasladó a la planificación a largo plazo. Se introdujeron modelos avanzados de aprendizaje automático e inteligencia artificial para pronosticar la variabilidad de la demanda de 3 a 12 meses por adelantado, lo que permitió inversiones a largo plazo que son típicamente difíciles de predecir.
Esto permitió a Rappi:
planificar la capacidad y los incentivos con antelación
reducir el riesgo de volatilidad
apoyar un crecimiento sostenible, año tras año
Fase 4: Optimización de Procesos y Captura de Valor a Largo Plazo
El sistema de pronóstico se convirtió en un insumo clave para múltiples iniciativas estratégicas, incluyendo:
pagos
inversiones en marketing
incentivos no monetarios
socios estratégicos
El modelo también se implementó en la alianza Rappi–Amazon 2025, asegurando que las decisiones de inversión estuvieran alineadas a través de horizontes a corto y largo plazo.
El impacto anual esperado supera $60M en captura de valor.
Los desafíos
Construir un sistema de pronóstico e inversión capaz de apoyar decisiones en más de 200 ciudades de varios países es una tarea compleja. Los principales desafíos incluyeron:
Estacionalidad y festividades: Los patrones de demanda varían significativamente según el país y la ciudad, lo que requiere un enfoque de pronóstico escalable y localizado.
Impacto del crecimiento inorgánico: Las campañas de marketing generan picos de demanda que deben medirse e incorporarse a las previsiones con precisión.
Eficiencia en la asignación de capital: Las inversiones en suministro y marketing son costosas; sobreestimar conduce a desperdicios, subestimar conduce a ventas perdidas.
Captura de valor a través del proceso: Solo los pronósticos no son suficientes; deben integrarse en la toma de decisiones operativas diarias para generar un impacto real
El enfoque
Se diseñó y ejecutó un proceso a medida en cuatro fases.
Se diseñó y ejecutó un proceso a medida, basado en datos, en cuatro fases.
Fase 1: Pronóstico a Corto Plazo para Decisiones de Inversión Inmediata
La primera prioridad fue mejorar la precisión de la inversión a corto plazo.
Trabajando con un equipo de científicos de datos, se desarrolló un sistema de pronóstico para predecir la demanda a nivel de ciudad hasta 7 días por adelantado, logrando 94% de precisión en toda América Latina.
Esto permitió a los equipos:
anticipar aumentos de demanda
asignar suministro con mayor precisión
tomar decisiones de inversión informadas a corto plazo
Fase 2: Integración de Procesos, Medición y Mejora Continua
Las salidas de pronóstico se integraron en flujos de trabajo operativos.
Siempre que la demanda se desviara de los patrones habituales, el sistema activaba procesos de decisión estructurados, permitiendo que múltiples equipos respondieran de manera rápida y consistente.
Este cambio de una ejecución basada en la intuición a una ejecución impulsada por procesos llevó a mejoras medibles en la efectividad de la inversión.
Fase 3: Pronóstico a Largo Plazo para la Planificación Estratégica
Una vez lograda la estabilidad a corto plazo, el enfoque se trasladó a la planificación a largo plazo. Se introdujeron modelos avanzados de aprendizaje automático e inteligencia artificial para pronosticar la variabilidad de la demanda de 3 a 12 meses por adelantado, lo que permitió inversiones a largo plazo que son típicamente difíciles de predecir.
Esto permitió a Rappi:
planificar la capacidad y los incentivos con antelación
reducir el riesgo de volatilidad
apoyar un crecimiento sostenible, año tras año
Fase 4: Optimización de Procesos y Captura de Valor a Largo Plazo
El sistema de pronóstico se convirtió en un insumo clave para múltiples iniciativas estratégicas, incluyendo:
pagos
inversiones en marketing
incentivos no monetarios
socios estratégicos
El modelo también se implementó en la alianza Rappi–Amazon 2025, asegurando que las decisiones de inversión estuvieran alineadas a través de horizontes a corto y largo plazo.
El impacto anual esperado supera $60M en captura de valor.
Los resultados
A través de días de alta variabilidad durante los últimos cuatro años:
+11.3% de crecimiento en ventas interanual durante los picos de demanda estacional
−22% de reducción en retrasos causados por escasez de suministros
Menores costos operativos a través de una mejor asignación de capital
Proceso de extremo a extremo totalmente integrado en las operaciones diarias
Rappi se ha transformado en un sistema de planificación de inversiones replicable y escalable que ahorra millones anualmente mientras permite un crecimiento controlado.
Lecciones aprendidas
La alta demanda es predecible: Con los datos y modelos adecuados, la volatilidad puede ser anticipada y gestionada.
Los datos deben ser operacionalizados: La analítica solo crea valor cuando se integra en los procesos empresariales reales.
La planificación a largo plazo tiene recompensa: Las inversiones estratégicas rinden significativamente mejor cuando se informan mediante pronósticos basados en escenarios.
Sistemas de datos sólidos permiten asociaciones: Datos confiables a corto y largo plazo desbloquean alianzas estratégicas, como la asociación con Amazon.
Conclusiones clave
Rappi demuestra cómo invertir en sistemas de datos y procesos de planificación estructurada permite a las empresas escalar de manera eficiente en cientos de ciudades.
Una vez implementado, este enfoque es:
replicable
escalable
y capaz de entregar valor tanto a corto como a largo plazo
La clave no es solo construir modelos, sino diseñar sistemas que conviertan los datos en mejores decisiones de inversión a gran escala.
Los resultados
A través de días de alta variabilidad durante los últimos cuatro años:
+11.3% de crecimiento en ventas interanual durante los picos de demanda estacional
−22% de reducción en retrasos causados por escasez de suministros
Menores costos operativos a través de una mejor asignación de capital
Proceso de extremo a extremo totalmente integrado en las operaciones diarias
Rappi se ha transformado en un sistema de planificación de inversiones replicable y escalable que ahorra millones anualmente mientras permite un crecimiento controlado.
Lecciones aprendidas
La alta demanda es predecible: Con los datos y modelos adecuados, la volatilidad puede ser anticipada y gestionada.
Los datos deben ser operacionalizados: La analítica solo crea valor cuando se integra en los procesos empresariales reales.
La planificación a largo plazo tiene recompensa: Las inversiones estratégicas rinden significativamente mejor cuando se informan mediante pronósticos basados en escenarios.
Sistemas de datos sólidos permiten asociaciones: Datos confiables a corto y largo plazo desbloquean alianzas estratégicas, como la asociación con Amazon.
Conclusiones clave
Rappi demuestra cómo invertir en sistemas de datos y procesos de planificación estructurada permite a las empresas escalar de manera eficiente en cientos de ciudades.
Una vez implementado, este enfoque es:
replicable
escalable
y capaz de entregar valor tanto a corto como a largo plazo
La clave no es solo construir modelos, sino diseñar sistemas que conviertan los datos en mejores decisiones de inversión a gran escala.
Los resultados
A través de días de alta variabilidad durante los últimos cuatro años:
+11.3% de crecimiento en ventas interanual durante los picos de demanda estacional
−22% de reducción en retrasos causados por escasez de suministros
Menores costos operativos a través de una mejor asignación de capital
Proceso de extremo a extremo totalmente integrado en las operaciones diarias
Rappi se ha transformado en un sistema de planificación de inversiones replicable y escalable que ahorra millones anualmente mientras permite un crecimiento controlado.
Lecciones aprendidas
La alta demanda es predecible: Con los datos y modelos adecuados, la volatilidad puede ser anticipada y gestionada.
Los datos deben ser operacionalizados: La analítica solo crea valor cuando se integra en los procesos empresariales reales.
La planificación a largo plazo tiene recompensa: Las inversiones estratégicas rinden significativamente mejor cuando se informan mediante pronósticos basados en escenarios.
Sistemas de datos sólidos permiten asociaciones: Datos confiables a corto y largo plazo desbloquean alianzas estratégicas, como la asociación con Amazon.
Conclusiones clave
Rappi demuestra cómo invertir en sistemas de datos y procesos de planificación estructurada permite a las empresas escalar de manera eficiente en cientos de ciudades.
Una vez implementado, este enfoque es:
replicable
escalable
y capaz de entregar valor tanto a corto como a largo plazo
La clave no es solo construir modelos, sino diseñar sistemas que conviertan los datos en mejores decisiones de inversión a gran escala.
¿Cuándo deberías contactarme? Si estás listo para utilizar datos para mejorar cómo se planea, construye, opera y escala tu negocio.
¿Cuándo deberías contactarme? Si estás listo para utilizar datos para mejorar cómo se planea, construye, opera y escala tu negocio.
¿Cuándo deberías contactarme? Si estás listo para utilizar datos para mejorar cómo se planea, construye, opera y escala tu negocio.