Blog económico financiero de Grupo Choice

Verdades absolutas: Alternativas en la planificación de la demanda

Como continuación a nuestra entrada “verdades absolutas”, hemos recibido algunas opiniones diferentes, incluso desde dentro de  Grupo Choice. Así que hoy ofrecemos otro punto de vista.

Hace unos días se publicaba una entrada en este blog sobre “verdades absolutas”. Y el texto parecía dar a entender que las existencias (o los stocks) no eran una de las claves relevantes para el control de volumen del activo corriente.

 

Por otro lado, algunos estudios que se han presentado recientemente sobre la gestión del capital circulante centran las medidas a tomar sobre el área de clientes, los plazos y la presión de cobro como única alternativa .Tampoco aquí se hace referencia a la gestión de los stocks.

La gestión de existencias es la gran olvidada. Quizás porque si bien es relevante desde un punto de vista financiero, los “financieros” no saben muy bien qué hay que hacer.

Las existencias son, en definitiva, el muelle amortiguador necesario para absorber la inherente incertidumbre en el comportamiento de la demanda y poder garantizar el nivel de servicio deseado. Así pues, dado un determinado nivel de servicio deseado,  los niveles de stock son directamente proporcionales a la incertidumbre de la demanda estimada/prevista. De lo anterior se deduce que una reducción en el nivel de incertidumbre de esa demanda, repercutirá directamente sobre el nivel de stock. Y ahora la gran pregunta: nos ofrece la tecnología alguna herramienta para poder reducir ese nivel de incertidumbre?

La evaluación de la demanda estimada ha sido habitualmente considerada una “bola de cristal” en las empresas que trabajan contra stock .Este problema aparece en menor medida en las empresas que trabajan contra pedido, que solo deberán tener presente la rapidez y disponibilidad de existencias para asegurar la rapidez y la calidad en el servicio. Pues bien,  esa idea ha llevado a pensar que cualquier estimación es sólo fruto de conocimientos  “no racionalizables”: experiencias anteriores, “sensaciones” del comercial, conclusiones apriorísticas: “Si hay campañas de publicidad, habrá venta”,…

Y nada más lejos de la realidad. Hoy día la tecnología y el  “data mining”, a fin de cuentas, la historia y el análisis de los datos, permiten hacer evaluaciones cada vez más ajustadas de las previsiones de demanda.

Hoy nos encontramos con diferentes problemas en las empresas en esta tarea de previsión, independientemente de su tamaño:

1.- Estimaciones de demanda hechas con diferentes puntos de vista, y a veces divergentes entre sí: finanzas por un lado, comercial por otro, compras por otro, sin que haya un procedimiento colaborativo entre las diferentes áreas.

2.- La mayoría del proceso es manual, basado en Excel, con la flexibilidad que esto supone, pero con la dificultad de trazabilidad de los supuestos de cálculo, supuestos que se complican en cuanto existan una mínima gama de productos o familias de productos

3.-  Las mismas herramientas utilizadas dificultan la evaluación de la “bondad” de la planificación, y así no se compara la previsión con la realidad para “retroalimentar” el futuro cálculo.

4.- El uso de herramientas estadísticas es pobre, por lo que se ignoran las posibles temporalidades o tendencias, es decir, se pierde el aprendizaje derivado de la experiencia

5.- Si un producto no tienen historia, es difícil aprovechar información interna que pueda ayudar a la evaluación de demanda futura

La identificación de todas esas carencias ha derivado en la formulación de nuevas aproximaciones tecnológicas a fin de superar las limitaciones técnicas y optimizar la gestión de la información. Y así en estos momentos  hay sistemas que permiten una aproximación a la gestión de la demanda basada en la “aproximación bayesiana”: en lugar de calcular diferentes escenarios, utilizando diferentes métodos estadísticos, para seleccionar uno de ellos como el mejor (la idea tradicional del Best Fit o el que mejor encaja), se crea una previsión optimizada utilizando la ponderación de todos los modelos estadísticos.

Estos nuevos métodos analizan y evalúan, además, no solamente la información histórica “en blanco y negro”, sino que mediante el uso de los denominados “factores causales”, son capaces de identificar y resaltar correlaciones potenciales entre elementos complementarios de la información de ventas, dándole “color” y aumentando el “contraste”. Estos nuevos métodos permiten “nutrir” / complementar” la información de venta pura con atributos adicionales (factores causales), que suelen ser específicos para cada sector , y que forma parte del “Know-how” del propio negocio.

La fusión de una aproximación tecnológica novedosa a los métodos estadísticos tradicionales (aproximación bayesiana) y la posibilidad de complementar el análisis puramente estadístico con información adicional complementaria de negocio (factores causales), es una combinación ganadora, que permite alcanzar niveles de error en la previsión increíblemente reducidos, permitiendo una notable eliminación de la incertidumbre en la demanda y por tanto, una muy importante reducción de los stocks en todos los niveles de la cadena de suministro.

Y todo lo anterior no es solo una teoría o  un diseño. CHOICE RCL ha implantado estos sistemas ya en diferentes compañías, y la reducción de inventarios ha sido muy  significativa en todo el proceso del supply chain : materias primas y auxiliares, y producto final. Nuestra solución puede verse en grupochoice.com en la información sobre Oracle Demantra.

Efectivamente creemos que cualquier activo tiene un pasivo que lo financia. Y cualquier pasivo tiene un coste. Y tan importante es el activo “clientes” como el activo “existencias”.

 

Jaume Salamó

Socio responsable de CHOICE RCL

Deja un comentario.

Tu dirección de correo no será publicada.


*