Imagen 1.jpg

CREACIÓN DE PRONÓSTICOS PRECISOS A TRAVÉS DEL MODELAMIENTO TOP DOWN

 
forecast+pro+logo+300dpi.jpg

Hay dos principios fundamentales en un proceso de Planeación de Ventas y Operaciones: el primero de ellos es balancear la oferta y la demanda el cual es la esencia del proceso de Planeación de la Demanda y del cual ya se ha hablado en múltiples ocasiones en nuestras publicaciones, sin embargo hay otro principio fundamental sobre el cual no se ha hecho el mismo énfasis:

“Concentrarse en el Panorama y administrar el MIX”

El presente artículo explica como la aplicación de este principio va en concordancia con las mejores prácticas del proceso de pronóstico para mejorar la precisión del resultado, donde dependiendo de las propiedades de los datos se puede utilizar una estrategia de planeación agregada (Top Down).

 

¿Qué es un Pronóstico Top Down?

Un enfoque alternativo es usar métodos de pronóstico estadísticos sobre datos más agregados y luego aplicar un esquema de asignación para generar los pronósticos de nivel inferior. Esto se conoce como un pronóstico Top Down; Forecast Pro lo ayuda a generar pronósticos en este enfoque.

Muchas compañías manejan múltiples niveles de agregación y requieren pronósticos consistentes en todos los niveles. Por ejemplo, una empresa de bebidas podría necesitar un pronóstico de ventas totales, pero también un pronóstico por marca, por segmento de cliente, por presentación y por SKU.

Cuando se preparan pronósticos por jerarquías, usted debe tener clara su estrategia de consolidación, un enfoque es aplicar métodos de pronóstico estadísticos directamente a las historias de demanda de nivel más bajo y construir todos los pronósticos de nivel de grupo sumando los pronósticos de nivel inferior - esto se conoce como un pronóstico Bottom Up. Un enfoque alternativo es usar métodos de pronóstico estadísticos sobre datos más agregados y luego aplicar un esquema de asignación para generar los pronósticos de nivel inferior – esto se conoce como un pronóstico Top Down.

Ilustremos este enfoque con un ejemplo:

Screen Shot 2019-03-13 at 8.21.52 PM.png

La columna de Modelo base contiene los pronósticos aplicando un método de pronóstico estadístico de forma independiente para cada nivel jerárquico. Así en nuestro ejemplo, si usted pronosticará la demanda de la presentación Paquete de 6, el pronóstico sería igual a 70; de igual forma si pronosticara la demanda de la presentación Paquete de 12 el pronóstico sería igual a 30 y si usted pronosticara la demanda de Cerveza totales el pronóstico sería igual a 120. Note que los pronósticos totales no son iguales a la suma de paquete de 6 y paquete de 12 cuando los tres sets de datos son pronosticados independientemente usando su propia historia.

En el enfoque Bottom Up los pronósticos del modelo base son usados para los datos de nivel de SKU (Paquete de 6 y Paquete de 12) y los pronósticos a nivel de grupo (Cerveza) son calculados como una suma de estos últimos dos. En el enfoque Top Down, el pronóstico del modelo Base es usado a nivel de grupo y los pronósticos de nivel de SKU son ajustados proporcionalmente de modo que la suma sea igual a lo que se está pronosticando a nivel de grupo.

 

¿Cuándo la aplicación de un modelo Top Down puede mejorar los resultados del pronóstico?

La decisión de utilizar un modelo Top Down o un Bottom Up a menudo depende de dos situaciones importantes.

1. ¿Las unidades de niveles inferiores (SKUs) requieren distintos modelos estadísticos?

Este escenario aplica si las fuerzas de mercado que forman ventas en el nivel inferior son diferentes. Mercados diferentes, publicidad diferente, promoción, y distribución diferente. Si las manzanas y naranjas tienen mercados claramente diferentes, entonces probablemente será mejor pronosticarlos separadamente. Si no, entonces pronosticar Top Down puede ser una buena alternativa, Siempre y cuando los datos de nivel inferior sean estadísticamente similares, este modelo de pronóstico generalmente ofrecerá mejores resultados ya que presenta las siguientes características:

A. Hay un mayor volumen de datos.

B. Hay menos “ruido” (variación aleatoria) en los datos agregados que podrían sesgar los pronósticos.

C. Los datos agregados a menudo presentan una estructura más pronunciada, donde es más fácil reconocer los patrones y pronosticarlos.

 

2. ¿Existe suficiente información estadística en el nivel más bajo para construir un modelo basado sólo en las ventas?

Muchas organizaciones que necesitan generar pronósticos al nivel más bajo descubren que en estos niveles más bajos no hay la información suficiente para generar una estructura estadística adecuada. En estos casos no hay más remedio que generar los pronósticos no con modelos estadísticos, sino mediante el uso de un sistema de asignación Top Down.

Reportes de Excepcion en ForecastPro Picture1.png

La figura 1 muestra las ventas mensuales de una marca de jarabe para la tos sumando todas las presentaciones o SKUs.

 
 
Reportes de Excepcion en ForecastPro Picture2.png

Figura 2

Muestra las ventas mensuales para un SKU en particular de la línea de jarabes de tos. La empresa asigna un único número a cada SKU por la combinación de sabor y tamaño de botella que produce.

 

Considere los dos gráficos. Observe que en el nivel de Total Jarabe hay una estructura de datos más definida, el patrón estacional es evidente, hay menos ruido y también se tiene más de dos años de historia de la demanda, mientras que a nivel de SKU1 sólo se cuenta con la historia de los últimos 7 meses.

 
Reportes de Excepcion en ForecastPro Picture3.png

 En este ejemplo, El jarabe para la tos es claramente un producto estacional pero la falta de historia a nivel de SKU1 no permite construir un modelo de pronóstico con estas características, por consiguiente, un modelo bottom-up ofrece un rendimiento de pronóstico muy pobre. Por otro lado, un enfoque Top Down le permite capturar la estructura estacional que existe en el nivel de grupo y pronosticar el SKU1 por medio de un ajuste proporcional mostrando que el SKU1 puede tener un comportamiento estacional a pesar de solo contar con 7 meses de historia como lo muestra la Figura 3.