CÓMO PRONOSTICAR UNA DEMANDA CON ROTURAS DE STOCK EN EL PASADO
Autor: Max Ledesma. Consultor certificado Streamline
Las roturas de stock afectan a las cadenas de suministro de muchas maneras: merman el nivel de servicio, frustran a los clientes, benefician a los competidores y obligan a incurrir en rápidas (y casi siempre costosas) soluciones para evitar perder ventas. Incluso si se pudieran mitigar estas consecuencias mencionadas de manera exitosa, las roturas también ocasionan un efecto colateral a largo plazo: las ventas históricas dejan de corresponder a la demanda histórica. Así, el planificador se encuentra con el desafío de pronosticar la demanda futura usando una venta histórica engañosa.
Concretamente, una venta histórica afectada por roturas de stock provocará una subestimación de la demanda al momento de realizar el pronóstico de varias maneras. Por ejemplo, hacen que los modelos de pronósticos capturen patrones, tendencias y estacionalidades ficticias y, consecuentemente, alteran los indicadores de desempeño de pronóstico.
Para superar este desafío, el planificador de demanda debe buscar esencialmente corregir la venta histórica afectada por roturas de stock. Existen algunas formas de hacerlo, por ejemplo:
1.Usar el último periodo previo a la rotura de stock. Consiste en tomar el último valor de venta histórica no afectado por una rotura y asumirlo para todos los periodos donde se haya registrado dicha rotura.
2. También se aconseja tomar el promedio de los n últimos periodos que se consideren relevantes. Sin embargo, esta solución no toma en cuenta tendencia ni estacionalidad.
3. Usar la venta histórica disponible sin tomar en cuenta los periodos de rotura. Es decir, utilizar un modelo de pronóstico que genere una demanda postiza para los periodos de rotura. Sin embargo, este método puede volverse difícil y demandante para ventas históricas con muchos periodos de rotura. Además, complica la captura de patrones estacionales.
4. Calcular un valor de venta perdida en función de los días que tuvieron venta dentro del período. Se puede usar la siguiente fórmula:
5. Incorporar datos adicionales para mejorar el pronóstico. Información como el tráfico web o la tasa de llegada de clientes pueden ayudar a estimar la venta perdida para incorporarla a los periodos de venta histórica con rotura de stock y así mejorar el pronóstico.
Debido a que cada mercado e industria reacciona de forma diferente a una rotura de stock, no existen pautas universales para mitigar su impacto. No obstante, si las roturas esporádicas son comunes, se recomienda pronosticar al nivel más bajo combinando métodos cuantitativos y cualitativos, así como modelos de inteligencia artificial que ya están disponibles en plataformas especializadas de planificación.
Fuentes:
1. https://nicolas-vandeput.medium.com/forecasting-demand-despite-shortages-fee899120c08
1. https://nicolas-vandeput.medium.com/forecasting-demand-despite-shortages-fee899120c08
2. https://ware2go.co/stockouts/
