En este artículo, quiero darles a conocer algunos tópicos importantes al entrar en el mundo de la planeación de la demanda, tanto desde el punto de vista de quien requiere planearla, como desde los que tomarán el liderazgo para implementar este tipo de proyecto.
Este es un tema que es interesante desde cualquier tipo de industria; cuando hablamos de planeación de la demanda, hablamos de un complejo mundo, en el cual deben engranarse temas como ventas, inventario, promociones, colaboración entre áreas, optimizaciones, logística, órdenes, entre otros. Desde un marco analítico, la planeación de la demanda involucra la creación de un pronóstico estadístico impulsado por la demanda, y que en general pueden utilizar principalmente dos enfoques de medida, el de las unidades de producto y/o el de los valores en dinero demandados. Si bien los pronósticos no son lo único requerido en un proyecto de planeación de la demanda, sí son un punto de partida muy importante para que una compañía tenga una buena gestión de su demanda.
Como ya lo había mencionado, un pronóstico de la demanda puede ser usado en cualquier industria o tipo de negocio, de tal manera que no duden en imaginar que se pueden realizar pronósticos, por ejemplo, desde el sector de agricultura con la medida de cuantos bultos de papá por tipo de papá y departamento serán las ventas/cosechas de los próximos 6 meses dependiendo de variables como clima, precio, etc., hasta cuanto serán las ventas de un determinado producto X en un punto de venta específico de cualquier industria, como retail, construcción, financiero, telecomunicaciones, etc.
Entonces, ¿Por qué es importante tener una buena planeación de la demanda y particularmente un buen pronóstico de la demanda? ¿Qué tópicos deberíamos tener en cuenta al emprender un proyecto que involucre pronósticos de la demanda?
Para ponernos más en sintonía, ¿Qué empresa quisiera saber con mayor exactitud cuántos y cuales productos o servicios tener disponibles para sus clientes y cuándo van a ser vendidos para así planear sus compras, producción de productos, solicitudes a proveedores, y presentarlos al cliente en el tiempo y lugar adecuado?
Tener el conocimiento para dar respuesta a los puntos expuestos, nos da el poder para resolver necesidades de las empresas referentes a cómo mejorar el servicio al cliente, operar con el menor inventario posible o el óptimo, adaptarse a la demanda real, etc., lo cual en términos generales permite cumplir objetivos estratégicos de las empresas en términos de rentabilidad y presupuesto.
La necesidad de ser más efectivos y asertivos en los cálculos de planeación de la demanda se debe básicamente a dos problemas que se pueden presentar, la subestimación y la sobreestimación de la demanda; basados en que esta estimación de la demanda se extrae del cálculo entregado por un modelo de pronóstico.
De manera general, describiré un pronóstico de cómo el uso de modelos analíticos de series de tiempo que se aplican con el fin de conocer el valor futuro dado un periodo de tiempo requerido para la planeación de una compra, disposición, distribución, etc., bien sea a nivel de un producto o de un grupo de productos agregados a determinado nivel de la jerarquía comercial y/o geográfica de los mismos.
Cuando un pronóstico de la demanda se encuentra sobreestimado se genera un exceso de inventario, un mayor costo de mantenimiento de este, costos en la logística, obsolescencia de productos y todo esto se traduce en la reducción de márgenes.
Por el contrario, si la compañía tiene un pronóstico subestimado esto se convierte en un aumento de costos por compras no previstas dada la necesidad del cliente, adicional, una solicitud de productos imprevista genera un incremento en los costos de producción, y al no tener disponibles los productos se presentan ventas perdidas, incluyendo las de los productos relacionados. Esto finalmente se traduce en la insatisfacción del cliente por no tener su producto en el lugar y momento adecuado.
Cuando entramos en el proyecto de planear la demanda, lo que normalmente se desea, es realizar el pronóstico de todos los productos al nivel más granular tanto en jerarquías de productos, geográficas como de tiempo; incluir y realizar simulaciones sobre efectos de campañas, tipos de publicidad, bonos escalonados, halo y canibalización, etc.; incluir variables como inflación, TRM, clima entre otras.
Estos requerimientos generan retos y aclaraciones importantes, que tanto consultores como clientes de este tipo de proyectos debemos tener en cuenta. Por ejemplo, identificar las variables independientes más adecuadas y relevantes en la explicación de los movimientos de las ventas es muy importante al momento de hacer los pronósticos, porque debemos tener en mente que al entrenar un modelo de pronóstico usando algoritmos como los ARIMAX, que permiten el uso de variables independientes, es mandatorio tener la información para el futuro de estas; entonces en estos casos debe evaluarse la factibilidad de tener hoy el futuro de campos como clima, inflación o TRM, y más importante aún, que ese futuro tenga una alta confiablidad en sus propios pronósticos.
Adicionalmente, cuando se enfrenten a este tipo de proyectos, no olviden abordar temas retadores en el pronóstico como: el pronóstico de nuevos productos o de nuevos puntos de venta, el impacto de la disponibilidad de inventarios, ciclo de vida de los productos, estandarización de eventos o promociones, y como ya lo habíamos mencionado, la disponibilidad de la información histórica y futura.
Para finalizar esta breve introducción un proyecto de planeación de la demanda, y cerrar el ciclo analítico, no menos importante es la fase de despliegue de los modelos de pronóstico, la cual también incluso puede generar un cambio de gestión organizacional. En este punto es importante hacerse preguntas como:
¿En dónde se va a implementar? ¿Cuenta con toda la información para aplicar el modelo? ¿Va a estar a tiempo? ¿Cuál es la periodicidad de calificación? ¿Batch o tiempo real? ¿Cómo se monitoreará el modelo? ¿Quién lo ejecutará? ¿Quién recibe los resultados?, ¿Se cuenta con los recursos humanos, físicos, económicos? ¿Están capacitados para recibir y gestionar los resultados? ¿Qué pasa con las series que van a tener menor asertividad?
Esta última pregunta me da paso a un punto que no puedo dejar de mencionar, si bien, hoy en día los algoritmos y procesos para seleccionar el mejor modelo de pronóstico para un producto son bastante consistentes y gracias al Machine Learning la asertividad de los mismos ha mejorado; solo el comportamiento de los datos históricos permitirá tener una alta confiabilidad de los modelos, en general el 70% de sus series se comportará con una alta asertividad y con alta me refiero a un 60% u 80% de asertividad, en términos generales; un 20% de sus series deberán ser trabajadas para mejorar la asertividad y tenga en cuenta que un 10% de estas no tendrá una buena asertividad debido que son series cortas, intermitentes, o que simplemente son aleatorias en su comportamiento.
Con esto concluyo los tópicos que desde mi punto de vista son más importantes para dimensionar y tener en cuenta en un proyecto de planeación de la demanda.
¡Espero haya sido útil!