Más allá de la automatización del proceso de pronóstico
7 Mejores Prácticas para Aumentar la Eficiencia del Proceso
Una de las míticas frases de Henry Ford es: “Un cliente puede tener su automóvil del color que desee, siempre y cuando desee que sea negro”. El mundo ha cambiado bastante desde que el señor Ford pronunciara estas palabras y la dinámica del mercado ha transformado a las compañías para que todos sus productos no solo sean de color “Negro”. La innovación, personalización y proliferación de productos se han convertido en una obligación para mantenerse competitivos hoy en día.
Esta situación se convierte entonces en uno de los retos para los planeadores de demanda, ya que la cantidad de productos que se puede administrar depende en gran medida de lo fácil o difícil que sea poder generar un pronóstico razonable.
La automatización del proceso de pronóstico no solamente les permite a los planeadores aumentar su capacidad para administrar un mayor número de productos; sino que también les da la capacidad de dedicar una mayor cantidad de tiempo para concentrarse en cómo mejorar la exactitud del pronóstico. Una mejora en la exactitud del pronóstico, tiene una relación directa con la disminución del costo de inventario y el aumento en el nivel de servicio, acercando su cadena de abastecimiento a un nivel óptimo.
El presente artículo destaca 7 mejores prácticas para ayudar a los planeadores a mejorar la eficiencia del proceso de pronóstico.
1. Medir la exactitud del pronóstico en múltiples niveles de agregación y diferentes horizontes de planeación.
Utilizar medidas e indicadores como la Media Absoluta del Porcentaje de Error (MAPE por sus siglas en ingles), Media de la desviación Absoluta (MAD por sus siglas en ingles), la Media del Error Cuadrático (MSE por sus siglas en ingles) y la Raíz de la Media del Error Cuadrático (RMSE por sus siglas en ingles). Estas son algunas de las medidas más utilizadas para entender la dimensión del error. Evaluar la exactitud a través de diferentes segmentos y tiempos de anticipación lo ayudará a determinar si el modelo de pronóstico es el apropiado.
2. Hacer seguimiento a los cambios realizados al pronóstico.
En ocasiones estos ajustes cualitativos realizados al pronóstico base no siempre mejoran el resultado; documentar las razones por las cuales se realizan estos cambios permite entender si los supuestos sobre los cuales se basaron están en la dirección correcta o no. Una solución de pronóstico que capture y documente las razones de estos cambios ayuda a los planeadores a determinar la validez de los mismos.
3. Entrenar a los Planeadores.
Solamente el 30% de los planeadores de demanda tienen algún tipo de certificación o especialización como planeadores de demanda. El portafolio de productos que un planeador está en capacidad de manejar está directamente relacionado con el nivel de habilidad y conocimiento del proceso y del negocio. Un buen programa de entrenamiento puede aumentar las competencias del planeador en temas como cadena de abastecimiento, el uso de estadísticas, habilidades en el análisis de información y experiencia comercial.
4. Uso del análisis por segmentos.
Del 6 a 7 por ciento de los planeadores de demanda aprovechan el análisis por segmentos para obtener información del mercado. Evaluar su negocio desde múltiples perspectivas como la velocidad del producto, margen de contribución, canal, cliente y región le permiten al planeador aumentar el valor agregado y precisión en el pronóstico.
5. Aprovechar los beneficios de generar el pronóstico en múltiples niveles.
Un pronóstico a nivel detallado de abajo hacia arriba “Bottom Up” puede satisfacer las necesidades relacionadas con la distribución del producto develando nuevas oportunidades del mercado, mientras que una estrategia de arriba hacia abajo “Top down” por lo general es más precisa y requiere menos esfuerzo en su modelamiento, liberando tiempo para del planeador para trabajar en actividades que generen valor. Al final es importante que el planeador de demanda cuente con ambas alternativas para poder tomar la mejor decisión.
6. Ajustar la técnica de pronóstico al ciclo de vida del producto.
Los nuevos productos representan entre el 10% y el 40% del portafolio de una compañía. Dependiendo del tipo de producto en su etapa de lanzamiento se puede aplicar un modelo de analogía o un modelo de difusión de Bass si el producto es completamente nuevo y de rápida obsolescencia. En su fase de madurez y final es muy probable que modelos como suavización exponencial o los ARIMA sean técnicas más acordes al comportamiento de la demanda.
7. Romper la dependencia de las hojas de Cálculo en las compañías.
Un Software de pronóstico como Forecast Pro cuenta con la funcionalidad suficiente para poder modelar la demanda de cada compañía, como por ejemplo la incorporación de un algoritmo de selección experta que pueda ayudar a automatizar el proceso de selección del modelo optimizando el tiempo del planeador de la demanda. Obviamente el punto 3 relacionado con el entrenamiento de los planeadores de demanda, no depende de un software, sin embargo, implementar una solución como Forecast Pro en la mayoría de los casos implica como prerrequisito que la compañía se prepare en procesos de cadena de abastecimiento y planeación de la demanda.