Muchos Planeadores han comprendido que, sin el componente humano, los pronósticos estadísticos por si solos no proporcionan previsiones adecuadas de demanda. En un artículo para la Revista CIO, Ben Worthen dice que “El pronostico de la demanda suena como una ciencia exacta, pero si se analiza...  Introducción El componente humano como una entrada al pronóstico estadístico.

El desarrollo de un pronóstico estadístico juega un papel principal en la creación de un plan de demanda válido, y rutinariamente no debería ser tratado como una caja negra. Christopher Koch, advierte que ” Lanzando un manojo de ventas históricas en un programa y esperando un número mágico – el concepto básico detrás del software de demand planning – no necesariamente es la verdad absoluta”.

Muchos Planeadores han comprendido que, sin el componente humano, los pronósticos estadísticos por si solos no proporcionan previsiones adecuadas de demanda. En un artículo para la Revista CIO, Ben Worthen dice que “El pronostico de la demanda suena como una ciencia exacta, pero si se analiza detenidamente las personas son la mitad de la ecuación en el proceso”.

En la edición especial de la revista Forseight de junio de 2005, varios autores enfocaron sus opiniones acerca de cómo integrar los pronósticos cuantitativos y los cualitativos. Nigel Harvey (2005, p.18) lo resumió: ” Como Paul Goodwin y otros, opino que el juicio de expertos y los métodos estadísticos se complementan mutuamente en el proceso de pronóstico y que el problema para los planeadores es decidir cuando combinarlos y como alcanzar la mejor combinación. “

Muchos planificadores de demanda comprenden que el pronóstico automático no hace todo el trabajo. Los modelos estadísticos usados en el desarrollo de sus pronósticos trabajan con datos “brutos”. Los modelos no saben si los números representan papas fritas o memorias USB, tampoco son capaces de interpretar una pendiente en ventas como un exceso en producción, ni saber si un pico en la demanda es el resultado de publicidad adicional o una venta de tipo aleatorio. Más aun, los modelos estadísticos no predicen circunstancias inesperadas. Ana Ku (2002, http://www.analyticalq.com/energy/demand/default.htm) menciona acertadamente en su nota “Si las entradas a su modelo de pronóstico son pobres, sería muy difícil conseguir un pronóstico bueno no importa que tan bueno sea su modelo. “.

Es importante anotar que lo anterior se aplica si dentro del proceso hay un proceso estructurado de pronóstico.

Ventas y Márketing – Reuniones de Predemanda

Muchos procesos de planeación de la demanda siguen el siguiente proceso:

Generar pronósticos estadísticos.
Ajustar los pronósticos basados en el conocimiento del mercado.
Llegar a un consenso y publicar los resultados.
Una mejor estrategia seria traer el conocimiento como una entrada en el desarrollo de pronósticos estadísticos. Esta estrategia ha tenido una gran acogida entre muchos académicos de pronóstico. J. Scott Armstrong (2001, p. 736), en su libro Principies of Forecasting, menciona la importancia de utilizar el conocimiento de ventas y marketing como entradas en el desarrollo de una planeación funcional.
Principio 11.2: Usar de forma estructurada el conocimiento como entradas a modelos cuantitativos.

Principio 11.3: Usar el conocimiento para seleccionar, ponderar, y modificar los métodos cuantitativos.

La inversión del tiempo y energía en modelos que incorporan el conocimiento correctamente ayudará a los analistas a crear pronósticos estadísticos más exactos, reducirá el número de modificaciones manuales, y mejora la exactitud de previsión.

En la Empresa J.R. Simplot, las Ventas y el personal de Márketing participan en reuniones “de predemanda”. En estas reuniones, se organizan, evalúan y formula la última información comercial. Se Documenta el proceso totalmente y se comparten los resultados con los analistas antes de la construcción de modelos estadísticos.

Veamos algunas conclusiones resultantes en este proceso de incorporar el conocimiento de Ventas y Márketing que ayudaron a mejorar los resultados de pronóstico estadísticos:

Al pronósticar estadísticamente a nivel de SKU y luego distribuir los resultados de forma descendente se lograron mejores resultados que pronósticando de forma desagragada.
Realizar una clasificación de pareto sobre las referencias permite concentrar los esfuerzos en la referencias tipo A (aquellas criticas para el negocio) y programar revisiones con frecuencias más bajas en las tipo B y C.
Los articulos cuyo comportamiento es demasiado variable para pronósticar por medio de un modelo estadístico, son retirados gradualmente conforme pasan los meses, dado que usualmente estos articulos presentan características especiales como contratos de cantidades y fechas fijas, nuevos artículos los cuales no cuentan con historia, lo cual hace que el desempeño de un modelo estadistico sea muy pobre.
Se debe medir el impacto de los eventos en el comportamiento de la demanda, identificar patrones en los cuales las ventas pueden incrementarse de repente e investigar las causas de estos comportamientos para poder ponderarlas y pronósticar su impacto hacia futuro.
Es necesario medir el desempeño del pronóstico comparando el valor real vs el pronósticado, identificar las causas y tomar medidas.
Es muy importante contar con una herramienta que permita modelar este tipo de situaciones. Revisión y ConsensoCabe anotar que los ajustes cualitativos se seguiran realizando para aquellas referencias en las cuales no se ha incorporado la historia de los eventos realizados (promociones, publicidad etc.), o aquellos que no fueron objeto de estudio durante las reuniones de predemanda.


Una vez generados, los pronósticos estadísticos son revisados con el equipo de planeación de la demanda con el fin de incluir aquellos nuevos productos que deben ser pronosticados, los que se deben excluir del pronostico estadístico y por ultimo aquellos que requieren información adicional. Como resultado de esta revisión se llega a un consenso sobre el pronóstico estadístico.
Luego de llegar al consenso sobre el pronóstico estadístico se formalizan revisiones programadas en las cuales participan los departamentos de Ventas, Marketing, Operaciones y Dirección. Los motivos para los cambios adicionales incluyen nuevas promociones planificadas, ganar o perder clientes principales, contracciones de producción, y acciones directivas orientadasa a alinear las ventas con objetivos estratégicos de la compañía como la decisión de promover un producto particular para lograr la participación en el mercado proyectada.

Conclusión

Muchas empresas toman como base los pronósticos generados a partir de un software para iniciar su ciclo de planeación de la demanda, para luego realizar ajustes manuales que incorporarn el conocimiento de ventas, márketing, y operaciones. Al incorporar y formalizar el conocimiento dentro de la construcción de los pronósticos base se puede incrementar la exactitud del pronostico entre un 10 y 15% y se reducen los ajustes manuales en aproximadamente un 40%.


 Mind de Colombia es una empresa visionaria, que implementa proyectos basados en software de clase mundial, de acuerdo con las necesidades de cada uno de sus clientes. Contamos con metodologías probadas y especializadas para la implementación de proyectos en temas como CRM, SFA, ERP y Planeación de la Demanda.
Adicionalmente ofrecemos Servicios de Consultoría y Seminarios en temas de CRM (Customer Relationship Management), SFA (Sales Force Automation), KAM (Key Account Management) y Estrategias de Fidelización de Clientes.
Mind de Colombia
Manejo Informatico Industrial de Colombia
www.mind.com.co
Twitter: MindDeColombia
Facebook: Mind de Colombia
Linkedin:Mind de Colombia