Pronósticos de la demanda, ¿Son todos los productos pronosticables?

6 de agosto
Share on facebook
Share on twitter
Share on linkedin
Share on whatsapp
Share on email
A pesar de las imprecisiones inherentes al intentar predecir el futuro, los pronósticos necesariamente guían el establecimiento de políticas y la planeación. ¿Cómo un gerente de operaciones establecería sus programas de producción sin tener un programa base estimado de las ventas futuras?

Por: Álvaro Albornoz Bueno

CEO Business Architects Consulting & Training

 

La necesidad de pronósticos está en todas las líneas funcionales, así como en todo tipo de organizaciones. Los pronósticos son absolutamente necesarios para avanzar en el ambiente de negocios actuales, siempre cambiante y altamente complejo.

Pronosticar es el arte y la ciencia de predecir los eventos futuros. Puede implicar el empleo de datos históricos y su proyección hacia el futuro mediante algún tipo de modelo matemático. Puede ser una predicción subjetiva o intuitiva, e incluso, puede ser una combinación de estas.

El pronóstico general de la demanda genera una dependencia de toda la organización, ya que son necesarios para formular y ejecutar sus planes. Los pronósticos son aportes cruciales de los planes de negocios, los planes anuales y los presupuestos. Finanzas necesita pronósticos para proyectar los flujos de efectivo y las necesidades de capital.

Recursos humanos necesita pronósticos para prever las necesidades de contratación y capacitación de personal. Marketing es una de las fuentes principales de información de pronósticos de venta, porque es el área que se encuentra más cerca de los clientes externos.

Operaciones necesita pronósticos para planear los niveles de producción, compras de servicios y materiales, mano de obra y programas de producción, inventarios y capacidades a largo plazo. Logística, para planear capacidad y flujos de movimiento de materiales y así sucesivamente.

Pronósticos en el Supply Chain Management

Las empresas han intentado durante años optimizar las decisiones de producción y despliegue de inventario a través de una previsión más efectiva de la demanda de clientes (minoristas) y consumidores (usuarios finales) con demasiada frecuencia. Sin embargo, los modelos de predicción que utilizan han contribuido a la incertidumbre, en lugar de reducirla.

La mayoría de las herramientas de pronóstico disponibles utilizan algoritmos genéricos basados en el supuesto de que la demanda puede predecirse de manera uniforme para todas las empresas y para todas las industrias, líneas de productos y geografías.

Este enfoque de un tamaño único permite obtener un pronóstico que no refleja el impacto relativo de los diferentes controladores de demanda y adaptarse a medida que evolucionan las condiciones del mercado y los comportamientos de los consumidores. Para compensar, las compañías a menudo intentan superponer los procesos manuales de «consenso» con la esperanza de generar resultados más precisos.

Finalmente, hay que tener presente que un pronóstico perfecto es imposible. En un ambiente de negocios hay demasiados factores que no se pueden pronosticar con certeza. Por lo tanto, en lugar de buscar el pronóstico perfecto, es mucho más importante establecer la práctica de una revisión continua de los pronósticos y aprender a vivir con pronósticos imprecisos.

Esto no quiere decir que no se trate de mejorar el modelo o la metodología de pronosticar, pero lo que debe hacerse es tratar de encontrar y usar el mejor método de pronóstico disponible, dentro de lo razonable.

¿Son todos los productos pronosticables?

Matemáticamente hablando, toda serie de tiempo es pronosticable; en la práctica no toda serie de tiempo es pronosticable efectivamente.

Gestionar productos se ha vuelto una tarea compleja y esto ha obligado a no solo al desarrollo de sistemas inteligentes para su administración (Boylan et al, 2008), sino también la incorporación de un mayor conocimiento por parte de los administradores para comprender el impacto que estos generan por una deficiente gestión.

Un estudio en empresas de alta tecnología demostró que un 40% de su inventario total era producto de sus líneas de producción y un 60% era producto de la variabilidad de la demanda.  De ese 60%, el 2% era producto de la variabilidad del productor; el 2%, de la variabilidad de los proveedores y un 96% de la incertidumbre de la demanda, y así hay variados casos en industrias químicas, de retail, etc.

Las economías sufren períodos de prosperidad como de depresión, formando ciclos que impactan en la gestión de inventarios y que son producto de cómo estas economías afectan a los ciclos de los negocios. Muchas veces los problemas de inventarios surgen de la capacidad de predecir el comportamiento de los productos dentro del portafolio de la empresa, lo que deja en evidencia que no todos los productos pueden ser predichos por los métodos estadísticos habituales, por lo que buscar «la mejor bondad de ajuste», no necesariamente es la mejor decisión.

Hay una serie de variables que aumentan la complejidad de los productos: la variabilidad de la demanda o del tamaño de las órdenes de los productos; la variabilidad de compra o de la cantidad de ítems de la canasta de compra del cliente; la variabilidad de ciclo de entrega del proveedor o del tiempo de fabricación, y la variabilidad de la tasa de llegada del cliente.  Todos estos elementos influyen en el grado de pronosticabilidad de los productos del portafolio de la empresa.

Una de las formas de comprender dicha pronosticabilidad y establecer alguna discriminación es estudiar la variabilidad de la serie. Para un análisis efectivo de dicha variabilidad es la utilización del coeficiente de variación (CoV) como medida de entendimiento la complejidad de la demanda.

El CoV, estadísticamente hablando, es la desviación estándar dividida por el promedio asociado y permite realizar comparaciones entre dos o más medidas de dispersión diferentes, es decir permite comparar dos o más productos de naturaleza distintas. 

El CoV ha sido una medida muy utilizada para describir la complejidad de los inventarios (Silver et al, 1998; D’Alessandro y Baveja, 2000; Chavez y Torres-Rabello, 2005; Richard, 2007; Lapide, 2009; Kaul, 2010; Milliken, 2006, 2010)

Si bien es una medida simple y útil, hay que considerar al momento de utilizar algunas de las siguientes salvedades:

  • El coeficiente de variación habitualmente se utiliza sobre la variabilidad del volumen, dejando de lado otros elementos de variabilidad como la intermitencia o frecuencia de compra.
  • Las series de tiempo con estacionalidad marcada suelen tener alto CoV, pero suelen ser fáciles de pronosticar.

¿Cómo utilizar el CoV para clasificar la pronosticabilidad de los productos? (Albornoz, 2017)

Dado que el CoV se utiliza sobre la distribución del volumen de ventas y permite comparar entre diferentes tipologías de productos, se espera que, a menor valor de este, las cantidades de productos vendidas por período (días, semanas, meses) no sean altamente variables, por lo cual sería sujeto a ser fácilmente pronosticables; por el contrario, a mayor CoV, existiría mayor dificultad de utilizar modelos matemáticos para pronosticar.

En la literatura hay una serie de recomendaciones para poder dividir entre pronosticables o no a partir de los valores del CoV, por lo general, y me imagino para no complicarse mucho, se habla de un cut off o punto de corte de 1.  Sin embargo, también hay estudios que mencionan que un CoV≥0,5 no es apropiado como para suponer normalidad, lo cual afectaría en algunos casos a la utilización de modelos, tales como la regresión que supone que la serie de datos está distribuida normalmente (Tyworth & O’Neill, 1997)

Mi recomendación, que surge a partir de la experiencia, es indicar que el punto de corte va a depender del grado de exigibilidad que le otorguemos a la información o bien, toda vez analizando los resultados del comportamiento de los productos. Siendo poco rigurosos podríamos decir que el cut off es bastante arbitrario dependiendo de cada caso. Sin embargo, hay que tener en cuenta que en un valor de CoV mayor a 1 estamos hablando de que la variación del producto es considerablemente significativa en relación con su media.

Por otro lado, el CoV no discrimina sobre la continuidad de la serie. Con estos hallazgos, lo evidente es separar a los productos con marcada intermitencia, esto también es porque los modelos matemáticos usualmente utilizados están diseñados para series completas o con muy baja ausencia de datos. 

En el caso de los productos erráticos, el hecho de tener bajo CoV, de igual manera los hace pronosticables utilizando el modelo adecuado. Esta revisión, además nos muestra que el CoV no necesariamente es perfecto, sino más bien útil.

En resumen, la mejor manera de responder a la cuestión de la pronosticabilidad es realizar una evaluación de los datos para determinar si hay patrones pronosticables, evaluar el grado de precisión al prever una serie temporal determinada y estimar el rango de error esperado.

Un proxi a lo anterior, tal como ya hemos mencionado, está dado por el CoV. De esta manera tendremos un conjunto de productos de fácil/difícil pronosticabilidad y, asimismo, haciendo cruce con su importancia podremos obtener criterios estratégicos de cómo fijar políticas de gestión de materiales, de compras, de nivel de servicio, etc.

Del mismo modo, haremos eficiente el proceso de determinar la demanda futura y habría una tendencia natural hacia un menor error de pronóstico, como efecto de no tratar a los productos de la misma manera, con los mismos criterios y modelos. También, como externalidad positiva, un aumento del aprendizaje de la organización hacia su portafolio de productos y clientes.

Estrategias para diferentes tipologías de productos

Productos pronosticables

Son aquellos que poseen un CoV bajo y cuyo comportamiento de sus series de tiempo tiene pocas discontinuidades y el volumen de ventas es bastante estable.  Por lo tanto, con este tipo de productos, independiente de su importancia, es posible utilizar modelos como suavizamiento exponencial, modelos ARIMA, en algunos casos regresión lineal y promedios móviles, como también descomposiciones de series de tiempo.  Por lo general, este tipo de productos son de alta rotación, de compras frecuentes y volúmenes medianamente estables.

¿Qué hacer con aquellos que consideramos no pronosticables?

En primera instancia, debieran ser productos que debiéremos aislar, dejándolos fuera del proceso de pronóstico matemático, ya que de partida son productos que consumen demasiada energía en intentar una estimación confiable a sabiendas que son productos que si uno mira su serie de tiempo poseen un comportamiento altamente errático y/o discontinuo, por lo tanto debieran ser productos que requieren de un análisis un poco más detallado, de juicio, basado en la experiencia y en la sensibilidad de la demanda. Dependiendo del modelo de negocios, sería importante para este tipo productos acercarse a los clientes de manera de entender una demanda futura.

Este tipo de productos por lo general se caracterizan por tener dos tipos de comportamientos:

  1. Suelen estar asociados a proyectos de envergaduras, compras calzadas o productos de importancia relativa para el comprador y que necesita cada cierto momento mantener altos inventarios de dicho producto.
  2. Por productos de muy poca importancia para el cliente, no necesariamente complementarios, pero que en algún momento de necesidad los requiere en muy bajas cantidades. Generalmente, hay muchos de estos productos en el catálogo de materiales y gran parte de ellos ya se encuentran obsoletos y, si se encuentran vigentes, hay un notorio sobre stock.

Reflexiones a partir de la experiencia

Puedo decir que la aplicabilidad de este análisis lleva resultados en corto plazo, liberando capital de trabajo, motivando a la organización a conversar del impacto de los materiales en la rentabilidad del negocio y además a considerar nuevas políticas de servicio, entre muchas otras opciones que surgen en estas mesas de conversación. Es una invitación a la acción.

Por otro lado, quiero también dejar muy en claro que las guías mencionadas, si bien son muy cercanas a lo que se pueden utilizar en la práctica, no necesariamente son absolutas y deben insertarse dentro de la dinámica del negocio, ya que hay que considerar que podrían existir estrategias que la empresa tiene pensado implementar y que exceden el uso de modelos.

Por ejemplo: estrategias para crear demanda, nuevas negociaciones de abastecimiento con proveedores estratégicos, introducción de nuevos productos, así como eliminación de productos del portafolio, revisión de los stocks mínimos, posibles nuevas instalaciones, etc. La importancia de un cliente, el valor de un producto o importancia relativa para el negocio y la variación de este, deben evaluarse conjuntamente.

Por ello, lo importante de este tipo de análisis, volviendo a recalcar lo ya mencionado, es la conversación de la realidad de la organización con todos los involucrados, transparentar muchas veces lo que no se quiere ver y lograr con ello tener una base común y sincera para introducir acciones de mejora u optimización.

Dentro del mundo competitivo, la gestión de la demanda puede ser un muy buen punto de partida para establecer los primeros pasos para la planificación de la organización, introducir el forecasting colaborativo como práctica organizacional e ir de a poco estableciendo procesos formales de planificación de la demanda tales como el S&OP (Sales and Operation Planning) u otro similar adecuado a la realidad y tamaño de la organización.

Comparte esta publicación

Share on facebook
Share on twitter
Share on linkedin
Share on whatsapp
Share on email

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *