Previsión de la demanda que sobrevive al contacto con la realidad

La mayoría de los pronósticos de demanda fallan no porque las matemáticas sean erróneas sino porque se topan con el mundo real y fallan. Un pronóstico de la demanda sobrevive al contacto con la realidad cuando se construye a partir de la decisión que informa, se valida con el historial que ya se tiene, se monitorea una vez que está activo y se vuelve a capacitar a medida que cambian las condiciones. El objetivo no es un único número inteligente. Es un pronóstico en el que alguien confía lo suficiente como para actuar, que se mantiene más o menos correcto a medida que cambia el negocio y que se marca cuando comienza a desviarse. Trate un pronóstico como una parte viva de cómo la empresa toma decisiones sobre pedidos, dotación de personal y existencias, no como un informe único. Siga el ciclo correctamente (prediga, compare con lo que sucedió, aprenda, ajuste) y la precisión se recuperará con el tiempo.

¿Por qué fallan las previsiones de demanda en la práctica?

Los pronósticos rara vez fallan en la hoja de cálculo. Fracasan en el almacén, la cocina o la cadena de suministro, donde las suposiciones silenciosamente dejan de ser válidas.

Los fallos comunes son familiares. Un modelo se sintoniza en un período de calma y luego un cambio de precio, una promoción o un competidor mueve el terreno debajo de él. Los datos históricos contienen desabastecimientos antiguos, por lo que el modelo aprende la demanda que se podía satisfacer, no la demanda que existía. Una cifra de precisión de un solo titular oculta el hecho de que el modelo es bueno para productos estables e inútil para los nuevos o de temporada que realmente importan. Y lo más perjudicial de todo es que el pronóstico llega a una bandeja de entrada que nadie abre, por lo que no cambia nada.

El patrón debajo de todos estos es el mismo. El pronóstico fue tratado como un resultado más que como una parte funcional de una decisión. Esta es la misma trampa que atrapa los proyectos de análisis en general, por lo que es útil pensar en análisis predictivo: convertir datos en decisiones antes de recurrir a un modelo.

¿Cómo se elabora una previsión de demanda que se mantenga?

Constrúyalo como un bucle, no como un lanzamiento. Los pasos siguientes están ordenados deliberadamente y el orden es el punto.

1. Empiece por la decisión. Nombra la elección que mejorará el pronóstico (cuánto pedir, cuántas personas incluir en la lista, cuándo reordenar) y quién lo hace. Si no puede nombrar la decisión, no está listo para modelar.
2. Validar con la historia real. Retenga las semanas o meses más recientes, pronostiquelos como si fueran desconocidos y compárelos con lo que realmente sucedió. Este backtesting es la prueba honesta, mucho más que cualquier ajuste dentro de la muestra.
3. Tenga en cuenta las distorsiones conocidas. Corrija los desabastecimientos anteriores, elimine los eventos únicos y separe la demanda base del aumento de las promociones. De lo contrario, el modelo aprende la lección equivocada.
4. Elija la medida de error que se ajuste a la decisión. El error promedio en todos los productos es reconfortante y engañoso. Mida dónde reside el costo: los que se mueven lentamente, los perecederos, los artículos en los que equivocarse es costoso.
5. Conéctelo al flujo de trabajo. Se ignorará un pronóstico que requiera que alguien inicie sesión en una herramienta separada. Insértelo en el sistema donde ya se tomó la decisión de realizar el pedido o la lista.
6. Monitorear y volver a capacitar. Realice un seguimiento de la precisión a medida que llegan nuevos datos y establezca un activador para cuando se degraden. Los patrones de demanda cambian y un pronóstico que era bueno en enero es una suposición para junio.

¿Cómo saber si un pronóstico es realmente bueno?

No por su precisión en los datos con los que fue entrenado. Un modelo puede encajar casi perfectamente en la historia y seguir siendo inútil la próxima semana.

La prueba que importa está fuera de muestra. Tome un período que el modelo nunca vio, predígalo y mida la brecha. Ejecute esto en los segmentos que le interesan, no solo en el conjunto, porque una alta precisión general puede ocultar fallas totales en los productos que impulsan el costo. Compare también el resultado con una línea de base sencilla, como "igual que el año pasado" o "el promedio de las últimas semanas". Si su modelo no puede superar eso, la complejidad no se merece el sustento. Un buen pronóstico es aquel que supera la opción ingenua, se mantiene firme en los elementos que importan y es honesto acerca de su incertidumbre en lugar de emitir un único número seguro.

¿Con qué frecuencia se debe volver a capacitar un pronóstico de demanda?

Con la suficiente frecuencia como para que nunca se aleje de la realidad, lo que depende de qué tan rápido se mueva su demanda. El seguimiento decide la cadencia, no el calendario. La siguiente tabla es un punto de partida, no una regla.

Situación	Cadencia sugerida	¿Qué desencadena un reentrenamiento más temprano?
Productos estables y de movimiento lento	Revisión mensual, reentrenamiento trimestral	Una caída sostenida de la precisión o un cambio conocido en el mercado
Líneas de temporada o promocionales	Revisión semanal	Inicio de temporada, promoción prevista, cambio de precio
Demanda de rápido movimiento o volátil	Monitoreo continuo, reentrenamiento frecuente	La precisión cruza un umbral establecido
Nuevo producto, poca historia	Observe de cerca desde el lanzamiento	Llegan las primeras semanas de datos reales de ventas

El principio detrás de la mesa: monitorear continuamente, volver a entrenar con una señal. Un reentrenamiento programado sobre un producto silencioso desperdicia esfuerzo. Un reentrenamiento perdido en uno volátil cuesta dinero silenciosamente. Deja que el seguimiento te diga en qué situación te encuentras.

¿Cómo se ve esto conectado al negocio?

No parece nada especial, que es el punto. El comprador abre el sistema que ya utiliza y la cantidad de pedido sugerida está ahí, con una idea de cuán confiable es el pronóstico y una bandera sobre los artículos que merecen una segunda mirada. Cuando un pronóstico comienza a fallar, se le informa a alguien antes del desabastecimiento, no después. El modelo se compara con lo que realmente se vendió, aprende de la brecha y se ajusta. Nada de esto depende de que una persona recuerde abrir un informe.

Ese último kilómetro, desde un número hasta una decisión que alguien toma sin fricciones, suele ser donde se ubica el verdadero trabajo y es el núcleo de lo que hacemos bajo el análisis predictivo.

La conclusión práctica

Si está evaluando un esfuerzo de pronóstico, haga una pregunta. Cuando la demanda cambie el próximo trimestre, ¿qué pasará con este pronóstico? Si la respuesta es "alguien lo reconstruye", tienes un informe. Si la respuesta es "se da cuenta, se avisa y la decisión se ajusta", tienes un sistema. Construye el segundo tipo. Valídelo con la historia real, mida dónde reside el costo, conéctelo a la decisión y déjelo seguir aprendiendo. Un pronóstico que sobrevive al contacto con la realidad no es el más acertado el primer día. Es en quien todavía se confía el día trescientos.