Por qué la previsión de demanda
Casi todas las decisiones logísticas dependen de cuánto se va a vender: cuánto comprar o fabricar, cuánto inventario mantener, cuánto personal planificar en el almacén y cuántos vehículos contratar. Un error de previsión se traduce en roturas de existencias o en exceso de inventario, y en ambos casos tiene un coste.
En muchas empresas la previsión se hace con hojas de cálculo y con la experiencia del equipo. Funciona razonablemente bien para los productos estables, pero tiene dificultades con la estacionalidad, las promociones o los cambios de tendencia.
Qué aporta un modelo de previsión
Un modelo de previsión aprende de las ventas históricas y de otros factores que influyen en ellas: calendario, festivos, promociones, precios o meteorología. En el ejemplo ilustrativo del gráfico, el error medio pasa del 25 % con la previsión manual al 15 % con el modelo.
Una mejora así permite reducir el inventario de seguridad sin empeorar el nivel de servicio, o mejorar el servicio con el mismo inventario. El resultado depende de cada empresa y debe medirse sobre sus propios datos.
Qué se necesita para empezar
- Histórico de ventas por producto y, si es posible, por cliente o punto de venta, idealmente de dos años o más.
- Información de contexto: promociones, cambios de precio, altas y bajas de productos.
- Un indicador de error acordado para comparar la previsión actual con la del modelo.
- Un uso concreto de la previsión: compras, producción, inventario o planificación del almacén.
Errores frecuentes
- Empezar por la herramienta. Elegir un programa antes de definir qué decisión se quiere mejorar suele acabar en un proyecto caro y poco usado.
- Prever la venta en lugar de la demanda. Si hubo roturas de existencias, las ventas registradas son inferiores a lo que los clientes pidieron. Conviene corregir el histórico antes de entrenar el modelo.
- No medir. Sin comparar el error antes y después, no es posible saber si el modelo mejora la previsión ni cuánto vale esa mejora.
Cómo plantear el proyecto
Lo recomendable es empezar con una prueba acotada: una familia de productos o un almacén, durante unos meses, comparando la previsión del modelo con la habitual. Si la mejora es clara, se amplía al resto. El modelo no sustituye al equipo: le da una base más fiable sobre la que aplicar su conocimiento del mercado.
La calidad de los datos suele ser el principal obstáculo. Por eso, muchas veces el primer paso es ordenar la información de ventas en un sistema de business intelligence, que además sirve para el seguimiento del propio proyecto.