FUNDAMENTOS DE LA SELECCIÓN DE UN SISTEMA DE PRONÓSTICO DE DEMANDA

Octubre 17, 2012 0 26151

Los pronósticos de demanda son a la vez un problema como una oportunidad para cualquier empresa. En términos generales, un pronóstico de demanda preciso y certero facilitará la eficiencia de los procesos operativos de la organización y permitirá cumplir con los niveles de servicio deseados, sin embargo, pronósticos de demanda imprecisos generarán, inevitablemente, una asignación incorrecta de los recursos de la organización, incrementando los costos de operación y logrando bajos niveles de servicio.

En muchas empresas, la acción más importante que se puede hacer para optimizar la eficiencia y efectividad de la cadena logística, es mejorar la calidad del pronóstico de demanda. Una prueba de lo anterior, se encuentra en la extensa literatura existente y estudios desarrollados sobre las causas del “Efecto Látigo” en cadenas de suministro. El “Efecto Látigo”, muy común en la industria retail, se relaciona directamente con la amplificación del error de los pronósticos de demanda utilizados por los distintos agentes de la cadena de suministro y el hecho que muchas empresas proyecten su demanda en base a las compras históricas de sus clientes directos (otros intermediarios de la cadena) y no en base a la historia de la demanda del consumidor final. Las implicancias del “Efecto Látigo” en la cadena de suministro, son la acumulación excesiva de inventario en cada eslabón de la cadena, y, paradójicamente, el bajo nivel de servicio entregado a los clientes. Por lo tanto, una forma que ha encontrado la industria para disminuir el “Efecto Látigo”, es que el retail - la empresa que enfrenta la demanda real - comparta información de sus ventas con sus distintos proveedores para que estos desarrollen pronósticos de venta más certeros y ajustados con la realidad. Los beneficios de esta práctica están totalmente demostrados.

Querámoslo o no, si pretendemos proyectarnos en el mediano y largo plazo, debemos tomar una posición sobre lo que será el futuro en aquellas variables más relevantes que inciden en el crecimiento y éxito del negocio, y la demanda es claramente una de ellas (si es que no, la más importante). Una buena proyección de la situación futura, permitirá hacer una adecuada planificación y programación de los recursos logísticos y financieros requeridos por el negocio para cumplir con sus objetivos estratégicos, sean éstos, participación de mercado, crecimiento en ventas, utilidad, margen, etc. Por lo tanto, en esta decisión de “adivinar” el futuro, tenemos mucho que ganar pero también mucho que perder.

La finalidad de este artículo es presentar los aspectos teóricos del proceso de selección de un método de pronóstico de demanda y de sus aplicaciones prácticas. Algunas ideas a tener en mente en la de selección de un método o sistema de pronóstico son:

-    Los pronósticos están generalmente errados
-    Todo pronóstico debe incluir un análisis de su error
-    Pronósticos de demandas agregadas (demanda conjunta de más de un producto) presentan un menor error puesto que las variaciones de las demandas individuales tienden a compensarse unas con otras
-    Mientras más largo sea el horizonte del pronóstico, más imprecisa será su predicción
-    Siempre será beneficioso transformar un dato pronosticado a un dato real (por ejemplo: reservas hoteleras, suscripciones de periódicos y revistas)
-    Sistemas operativos más flexibles dependen menos de los pronósticos de demanda (push vs pull)

Etapas Del Proceso De Elaboración De Un Pronóstico

Existen cinco etapas básicas en el proceso de generación de un pronóstico:

•    La Definición De Los Objetivos Del Pronóstico implica identificar el cómo y cuándo será requerido el pronóstico. Esta etapa permite identificar el nivel de detalle deseado en el pronóstico, la cantidad de recursos necesarios en la elaboración del pronóstico y el nivel de precisión requerido.
•    La Identificación De Los Factores Internos (relacionados a la compañía) y Externos (relacionados al mercado o industria) es crucial en el diseño del pronóstico puesto que la “inteligencia” o capacidad predictiva del modelo dependerá en gran medida del tipo de input que lo alimente.
•    La etapa de Colección y Análisis de Información generalmente exige de un gran esfuerzo de la organización. Se debe identificar las fuentes de información, que pueden estar dentro o fuera de la organización. Se debe seleccionar los datos adecuados para un periodo de tiempo, generalmente extensos, se debe interpretar los datos y tomar definición sobre éstos cuando sean poco representativos (outliers) o simplemente cuando estén faltantes, etc.
•    La Selección Del Método De Pronóstico es una consecuencia de las etapas anteriores del proceso de elaboración del pronóstico. Como se mostrará en el próximo diagrama (Fig.2), los modelos de pronósticos pueden ser clasificados de acuerdo a ciertos criterios básicos, éstos son:
a.    El grado de precisión deseado del pronóstico
b.    Horizonte de planificación
c.    Tipo, cantidad y calidad de los datos disponibles
d.    Costos de elaboración e implementación del pronóstico
e.    Nivel de aplicación del pronóstico
Sólo para cuantificar la complejidad que existe en la selección de un método de pronóstico, en la literatura se pueden encontrar más de 200 modelos, algunos muy específicos a una determinada situación y otros cuya aplicabilidad es más genérica. Mientras más conocimiento se tenga sobres estos modelos, las teorías que los sustentan y sus supuestos, se estará en una mejor posición para seleccionar un modelo de pronóstico que se pueda modificar y adecuar a la realidad particular de cada empresa.
•    Finalmente, la etapa de Verificación Del Modelo De Pronóstico es fundamental para monitorear el nivel de desempeño del modelo; esto es, determinar el grado de error (o validez) de sus predicciones. En el caso que la evaluación no sea satisfactoria, se debe revisar el modelo base, la definición de las variables internas y externas, calidad de los datos y realizar las modificaciones que sean necesarias para mejorar sus resultados.

Metodología De Clasificación De Modelos De Pronósticos

La primera clasificación de los modelos de pronósticos conocidos corresponde a si éstos se basan en juicios (intuiciones) o si éstos hacen sus estimaciones en base a datos cuantitativos.
1.    Métodos Basados En Juicios
a.    Juicio Intuitivo: Es práctica común preguntarle a un experto lo que sucederá en el futuro. Corresponden a pronósticos que no se basan en ningún tipo de evidencia, simplemente consisten en la opinión (intuición) bien fundada de uno o varios expertos. Esta técnica es adecuada cuando:
    El experto es objetivos y no tiene ningún tipo de sesgos
    Los cambios a predecir no son radicales
    El mercado y la industria son bien entendidos por el experto
    El experto posee información privilegiada
Por ejemplo, este tipo de pronósticos son convenientes para proyectar las ventas de una nueva línea de productos, los cambios de demanda de un nuevo diseño, modificación de precios o del uso de avisos publicitarios; o de cómo responderá la competencia frente a alguno de estos cambios.
b.    Pronóstico Experto: A diferencia del caso anterior, estos modelos utilizan métodos estructurados para consultar la opinión de un grupo de expertos. El caso clásico es el método Delphi, el cual requiere entre 5 y 20 expertos a los que se les pide hacer una proyección sobre una determinada variable. La persona a cargo de administrar el método (el administrador) recupera la información de cada experto y luego, realimenta al grupo de expertos entregándoles un resumen estadístico de los resultados obtenidos. El proceso se repite hasta que la variación en el pronóstico se reduce a niveles aceptables.
c.    Analogías Estructuradas: Aquí, se utilizan situaciones análogas, para predecir una variable o situación, para la cual no existe historia o antecedentes. El administrador del método debe preparar una descripción de los objetivos y variables a proyectar y escoge expertos que tengan experiencia con situaciones similares (análogas) a la que se está estudiando, preferentemente con experiencia empírica. Cada experto identifica una situación y le asigna un grado de similitud a la variable o situación que se desea pronosticar. El administrador del método toma la opinión de cada experto y formula un pronóstico final.
d.    Método De Descomposición: Este método divide el pronóstico en sub-partes para las cuales es más fácil hacer una proyección. Distintos métodos pueden ser utilizados para pronosticar cada parte del problema, en la medida que sea apropiado a la naturaleza individual de cada parte y los datos disponibles. Luego, el pronóstico de cada parte es combinado con los otros para formar un pronóstico del problema global.
e.    Juicio Modelado: Esta técnica se utiliza para estimar un modelo formal de pronóstico basado en el juicio subjetivo de un grupo de expertos. Los expertos son consultados sobre la información que utilizan para proyectar una variable o situación particular. Luego se les pide que hagan un pronóstico para distintos escenarios, los cuales pueden ser reales o hipotéticos. Finalmente, estos pronósticos son empleados para determinar coeficientes de regresión que relacionan la estimación del experto a la información empleada por ellos. Por ejemplo, este modelo se podría emplear para proyectar las ventas del próximo año para diseños alternativos de un nuevo producto.
f.    Sistemas Expertos: Estos modelos son implementaciones estructuradas de la reglas de pronóstico empleadas por expertos. Una forma de descubrir las reglas utilizadas por los expertos, es analizar las actividades realizadas por los expertos cuando están involucrados en el proceso de hacer un pronóstico.
g.    Interacción Simulada: Es una forma de “juego-de-roles” que se puede utilizar para pronosticar decisiones por personas interactuando con otras. Es muy útil cuando la situación presume conflicto. Por ejemplo, se podría aplicar a un grupo gerencial que intenta determinar cómo responderá la competencia frente a un 25% de reducción de precios. El administrador del pronóstico prepara una descripción de la situación, y provee una lista de las posibles decisiones o resultados. Cada persona en el grupo asume un rol y luego de leer en qué consiste la situación y los posibles resultados, establecen una discusión en torno al problema hasta que se alcanza un consenso.
h.    Técnicas De Intenciones, Expectación y Experimentación: Esté método consulta a usuarios o clientes como actuarían frente a determinadas situaciones. Es útil cuando se desea conocer la reacción del público frente a cambio significativo de diseño de un producto o un incremento en el costo de un producto. Generalmente, esta técnica se basa en encuestas de mercado y requieren de un diseño que minimice el error de respuesta propio de una encuesta.
i.    Análisis Conjunto: Al analizar, en forma estructurada, las preferencias de los consumidores por ciertos tipos de atributos de un producto o servicio, es posible inferir como una combinación determinada de atributos puede influenciar la demanda.
2.    Métodos Estadísticos
a.    Extrapolación: Estos métodos requieren únicamente de una cantidad significativa de datos históricos de la variable que se desear proyectar. La extrapolación estadística es efectiva y de bajo costo, particularmente cuando se requieren muchos pronósticos (por ejemplo, un retail que desee determinar pronósticos individuales para los 100 ítems de mayor contribución). En esta categoría, entran los modelo de Series de Tiempo, como son los Promedios Móviles - simple o ponderado -, o los de Suavizado Exponencial – normal o ajustado por tendencia y estacionalidad -.
b.    Analogías Cuantitativas: Cuando existen pocos datos disponibles de la variable objetivo (la variable a pronosticar), entonces se pueden utilizar los datos de otra variable – análoga -, de la cual se tenga suficiente información, para extrapolar lo que sucederá con la variable objetivo. Por ejemplo, una empresa farmacéutica, para determinar el impacto en las ventas perdidas por el término de una patente de protección de uno de sus medicamentos, puede estudiar el comportamiento histórico de las ventas para un producto similar que haya pasado por la misma situación.
c.    Pronósticos Basados En Reglas: Estos métodos de pronóstico, permiten integrar el conocimiento gerencial del negocio con información histórica de la variable objetivo de una forma estructurada y económica. Estos métodos son útiles cuando existe un conocimiento importante del mercado y del comportamiento de la variable a pronosticar, y el horizonte de planificación es más bien largo (próximos 5 años o más).
d.    Redes Neuronales: Los pronósticos basados en técnicas de redes neuronales, están diseñados para identificar patrones no-lineales en una serie de datos históricos. Estos modelos son más recientes, y revisten de una complejidad mayor que todos los métodos de pronósticos mencionados en este artículo, por lo que su aplicabilidad está poco generalizada.
j.    Métodos Causales: Incluyen los modelos de regresión (lineal, no-lineal, univariada o multivariada), de índice y segmentación. Estos métodos son útiles si el conocimiento y los datos están disponibles para variables independientes que explican el comportamiento de la variable objetivo (la variable a proyectar o variable dependiente). En general, este tipo de método tiene mejor desempeño que los métodos de extrapolación, sin embargo son más complejos de desarrollar e implementar, puestos que se debe formular un modelo relacional entre la(s) variable(s) independiente(s) y la variable dependiente. Algunos principios importantes para formular un modelo causal son:
    Emplear el conocimiento y teoría para seleccionar las variables independientes, en vez del ajuste estadísticos que éstas puedan tener con la variable dependiente.
    El modelo debe ser simple (no muy complejo). Si el modelo empleado no tiene un diseño sencillo, seguramente es porque no existe una relación muy fuerte entre las variables independientes escogidas y la dependiente, lo cual podría ser señal de una baja o escasa confiabilidad del modelo.
    Descartar variables independientes cuyo comportamiento entre en evidente conflicto con la naturaleza de la relación esperada entre ésta y la variable objetivo.
e.    Segmentación: Este método descompone el problema de formular un pronóstico, en segmentos independientes. A partir de conocimiento y datos históricos de cada una de las partes, se confecciona un pronóstico de cada segmento para luego combinarlos en un único pronóstico del problema completo. Por ejemplo, una empresa de ferretería podría desarrollar un pronóstico por cada uno de sus códigos de cerámica comercializados para luego obtener un pronóstico de la familia que sea la suma de los pronósticos individuales.
Conclusiones

Durante las últimas dos décadas se han logrado importantes avances en el desarrollo de conocimiento sobre modelos de predicción. Estos logros están siendo utilizados para mejorar distintos aspectos de los pronósticos de demanda. Como se ha expuesto en este primer artículo, algunas de estas mejoras se relacionan con un mayor entendimiento de los modelos basados en el juicio subjetivo (pero bien fundado) de uno o más expertos, mientras que otras se relacionan con el mayor grado de sofisticación que han alcanzado los modelos cuantitativos, favorecidos en gran medida por el impresionante desarrollo de las tecnologías de la información.
Lo que ha demostrado la aplicación real de estos métodos, es que los mejores resultados se obtienen cuando ambos tipos de modelos son integrados en forma inteligente. Muchas empresas desconocen los avances que se han logrado en este ámbito, por consiguiente, existe un mundo de oportunidades para mejorar sus técnicas para pronosticar sus demandas.

(Parte II Edición 75)

Last modified on Miércoles, 17 Octubre 2012 12:27

Leave a comment

Make sure you enter all the required information, indicated by an asterisk (*). HTML code is not allowed.