BUENAS PRÁCTICAS PARA PRONOSTICAR EN LA CADENA DE SUMINISTRO

Tiempo estimado de lectura: 7 Minutos

En esta ocasión queremos compartirte las buenas prácticas para pronosticar en la cadena de Suministro. Anteriormente, mencionamos los perfiles de personas que planean y pronostican dentro de sus cadenas de suministros.

Es importante resaltar, que, realizar pronósticos en la cadena de suministro de forma acertada, además de permitir una produción y distribución más eficientemente. También nos permite ser más ágiles y oportunos con la generación de información que requerimos para la operación de nuestras compañías, ahorrando tiempo, recursos y dinero en este proceso.

Al tener en cuenta todas las ventajas que te proporciona planificar de forma cada vez más acertada tu operación y, sin importar el punto de madurez que tengas en la aplicación de herramientas tecnológicas para realizar los pronósticos en la cadena de suministro de tu empresa.

Te proporcionamos esta serie de buenas prácticas que debes tener en cuenta cuando los realices. Estamos seguros que serán de gran ayuda en el proceso de mejora de tu cadena de suministro usando herramientas tecnológicas.

BUENAS PRÁCTICAS PARA PRONOSTICAR LA DEMANDA EN TU CADENA DE SUMINISTRO CON INTELIGENCIA ARTIFICIAL:

  • Enfócate en los resultados, en lugar de los modelos: Cuando quieras mejorar tu cadena de suministro, lo primero que debes hacer es tomarte un tiempo para pensar en los procesos que realizas dentro de ella y determinar cuáles de estos estás realizando eficientemente, cuáles te gustaría mejorar y cuáles procesos o aspectos definitivamente son un “dolor” latente en tu cadena de suministro.

    Esto te permitirá saber qué resultados quieres obtener de todos los procesos de mejora en tu cadena de suministro, independientemente de la forma en que la vayas a mejorar.

    Una vez identificas lo que quieres hacer, es importante saber cuáles modelos puedes usar para pronosticar y obtener esos resultados. Modelos como: exponential smoothing, ETS, ARIMA, VARMAX, Redes Neuronales LSTM pueden funcionarte.

    Sin embargo, no olvides el objetivo: obtener resultados, no obsesionarse por implementar el mejor y único modelo, ya que la realidad es que un solo modelo puede no encajar con todos los tipos, familias, gamas y productos que manejas en tu inventario.Lo más probable es que escojas varios modelos, los apliques a varios SKU’s y compares el resultado, para determinar el de mejor desempeño cada vez que ejecutes el modelo.

    Recuerda que lo realmente importante es medir el desempeño y ver cómo éste aporta para obtener el resultado que se quiere.

Infografía buenas prácticas en la Cadena de Suministro de lo General a lo Particular
  • Pronosticar de lo general a lo específico, en lugar de lo específico a lo general: la segunda buena práctica para pronosticar demanda que te recomendamos es reconocer las categorías, familias o gamas de productos, para pronosticar su demanda de manera controlada, en lugar de medir el todo, haciendo comparaciones de peras con manzanas.

    Al momento de evaluar el desempeño de los modelos, es altamente recomendado examinar las categorías por separado.

  • Un único modelo no se ajusta a todos los productos o escenarios: es importante entender que cada uno de los productos o escenarios en los cuales estamos trabajando tienen características y comportamientos diferentes, y por tal razón no podemos esperar que un solo modelo de pronóstico abarque todos nuestros productos y escenarios, logrando los mejores resultados en nuestros pronósticos para cada uno de ellos.

    Actualmente existen diversidad de modelos que se pueden adaptar perfectamente a las necesidades de cada producto y lograr los mejores resultados en los pronósticos del mismo. Así es como hacemos los pronósticos de la cadena de suministro en Datup.

    Por cada uno de los productos o escenarios ponemos a “competir” a nuestros modelos para lograr obtener el pronóstico con el menor error posible.

    Por lo que cada producto puede tener un modelo específico que satisfaga sus características específicas de tiempo, tendencia o estacionalidad.

  • Pronosticar no solo con precisión también con consistencia: dentro de los pronósticos tenemos varias formas de medir su eficiencia, por ejemplo uno de ellos es la precisión. Entre mejor resultado tengas en esta, más acertado será tu pronóstico.

    Sin embargo esta precisión debe ser constante, es decir que cada vez que ejecutes el pronóstico esa precisión se mantenga y no tengas buenos resultados ocasionalmente.

  • Considerar mejoramiento relativo, como métrica de éxito: al momento de evaluar el desempeño del pronóstico de demanda hay que examinar las categorías de producto por separado.

    Estas métricas de desempeño deben evaluarse con valores relativos (porcentajes) y no valores absolutos (cantidades).

    Es decir, que métricas como MAPE y sus derivadas, esa mejora ya que mide porcentajes y son mejores a simplemente decir que el modelo se desvió 10, 100 o 1000 unidades.

    Esto es para poder comparar los desempeños de los modelos de una manera eficiente y objetiva cada vez que se mida.

  • Pensar en el pronóstico como un proceso operativo en lugar de un desafío analítico: esta buena práctica en el pronóstico de demanda, consiste en que desde el punto de vista del negocio se reconozcan cuáles son las variables que afectan nuestra operación, las que son de nuestro entero conocimiento y que pueden ser variables internas o externas a la data de la organización.

    Por ejemplo, el clima puede incidir en los horarios de despacho de los proveedores y puede retrasar la entrega de una materia prima.

    Por tanto reconocer esas variables desde mi perspectiva de negocio y saber que la verdadera ventaja competitiva está en tener esa data recurrentemente y con alta calidad, hacen la diferencia.

  • Acordar los umbrales de éxito para evaluar el pronóstico: para medir los resultados de un pronóstico, en esta buena práctica recomendamos acordar, previo a ejecutar el modelo, cuáles son los indicadores que se afectarían al hacer un pronóstico más acertado y medir los resultados del pronóstico de acuerdo a los errores o desviaciones alrededor desde indicador.

    Algunos ejemplos de estos indicadores serían Adherencia, error en el pronóstico por cada ítem o por su ponderado, entre otros.

Infografía buenas prácticas en la Cadena de Suministro Gobernar con Datos
  • “Gobernar” los datos, los ingredientes y las recetas: como lo hemos mencionamos en las buenas prácticas anteriores, es vital tener datos de excelente calidad y poder tener esos datos de forma recurrente.

    Por esto, es de vital importancia identificar dentro de tu compañía, quién es responsable de generar y recolectar los datos, de definir las políticas de calidad que deben tener estos, así como de los sistemas que albergan los datos.

    Para esto es recomendable tener un comité de personas que guíen en esta gobernanza de los datos y dar las capacitaciones al personal involucrado para garantizar la buena calidad dentro de los datos internos de la organización.

  • “Probar en el mundo real, y recordar es un proceso: realizar los pronósticos de tu cadena de suministro con datos reales es fundamental, así como realizar la evaluación de los mismos con las métricas adecuadas como lo mencionamos previamente.

    Sin embargo encontrar los mejores modelos, herramientas o aliados para realizarlos es un proceso, por eso no te desmotives si no logras los resultados esperados, por el contrario busca los posibles puntos de falla y trata de mejorarlos.

    Sí definitivamente ves que no puedes hacerlo internamente, busca el aliado adecuado y continua en el proceso, pero no te rindas, como todo proceso, hay oportunidad de mejora y de aprendizaje en él.

  • Mejores datos es la inversión más importante que hacer: esta sin lugar a dudas, es una de las buenas prácticas más relevante, ya que de nada te va a servir tener la mejor infraestructura, modelos, equipo o el mejor aliado tecnológico para pronosticar tu cadena de suministro si no tienes una data con una buena calidad que te permita obtener realmente resultados con valor de tus pronósticos.

    Recuerda que sin importar la herramienta o modelos que uses, si introduces basura, el resultado inevitablemente será también basura!

  • Desarrollar in-house vs buscar aliados: esta es nuestra última buena práctica, y una en la que estamos seguros que muchos de ustedes se han hecho esta pregunta: debo desarrollar dentro de mi empresa o debo buscar un aliado?

    De nuestra parte te ayudamos a responderla: plantea los criterios para decidir entre un desarrollo o una alianza y recuerda, desarrolla inhouse únicamente si es la estrategia y vocación de tu empresa, de lo contrario lo mejor es buscar aliados que tengan esta vocación, que realmente sean conscientes de su trabajo y que te ayuden a obtener resultados.

    No olvides que especialmente para estas soluciones, un aliado es mucho más que un proveedor, por lo que busca unos con los que te sientas identificado y busca la mejor forma de trabajar en conjunto.

Esperamos que estas buenas prácticas sean de gran utilidad para ti y que las logres implementar en los pronósticos de tu cadena de suministro. No olvides estar en constante búsqueda de información que te ayuden en tu proceso.

Te invitamos a entrar a nuestras secciones de pronóstico de cadena de suministro y big data como servicio y si tienes alguna inquietud o quieres conocer más a fondo nuestras soluciones no dudes en contactarnos!

INSCRÍBETE A NUESTRA LISTA DE CONTACTOS


About The Author

Related Posts

Leave a Reply