Pronósticos aislados (antipatrón de la cadena de suministro)

Por Joannes Vermorel, enero de 2020

Un Anillo para gobernalos a todos. Un Anillo para encontrarlos. Un anillo para atraerlos a todos y atarlos en las tinieblas.

Alias: Gosplan (planificación soviética)

Categoría: Organización



Problema: Una empresa se enfrenta a situaciones recurrentes de desabastecimiento y exceso de inventario. Esos problemas cuestan mucho dinero. Los desabastecimientos hacen que los clientes recurran a los competidores, pero liquidar el inventario en exceso resulta inevitablemente muy costoso. Si bien los macropronósticos, a nivel de red o por categorías de producto, son relativamente precisos y no presentan sesgos, se cometen muchos errores a nivel de SKU, pronosticando demasiado o demasiado poco. La empresa ya ha realizado varias iteraciones con proveedores de software y, sin embargo, aunque cada proveedor sostiene haber mejorado la precisión de pronóstico con respecto al sistema anterior, las situaciones de inventario en exceso y desabastecimientos siguen siendo frecuentes.

Evidencia anecdótica: Los pronósticos son siempre incorrectos, todos los saben, pero quienes se encargan de la planificación parecen tener siempre una excusa para afrontar la situación.

Contexto: La empresa cuenta con varios equipos para organizar su cadena de suministro. Los que más se destacan son el equipo de planificación, el equipo de compras, el equipo de reabastecimiento y el equipo de fijación de precios. El equipo de planificación elabora el pronóstico de demanda primario para cada producto que la empresa lanzará y venderá. Debido a que el pronóstico debe cubrir una parte considerable del ciclo de vida del producto, el horizonte de pronóstico es extenso: al menos tres meses y, a menudo, más de un año. El pronóstico de demanda primario, el "plan", primero se transforma en cantidades compradas, luego en cantidades producidas, después en asignaciones de stock, etc. Por último, dependiendo de si los niveles de stock fluctúan por encima o por debajo de los niveles establecidos en el plan, se ajustan los precios, a veces hacia arriba, pero, mayormente, hacia abajo.

Solución hipotética: El “plan” —es decir, el pronóstico elaborado por el equipo de planificación— tiene problemas de precisión, ya que los productos se venden más rápida o más lentamente que lo que estimaban los pronósticos originales. Sin embargo, los métodos de pronóstico utilizados por la empresa son un tanto rudimentarios, en parte realizados con hojas de cálculo. Sin dudas, debe haber maneras más precisas de elaborar esos pronósticos. La dirección decide que es necesario hacer algo con esos pronósticos y pone en marcha una iniciativa para mejorar la precisión de pronóstico. En general, es aquí cuando entra en escena un proveedor tercero —siendo que la estadística avanzada no es está precisamente entre las principales competencias de la empresa—, ya sea para entregar un software o para capacitar al personal de planificación.

Contexto resultante: Se invierte mucho esfuerzo en mejorar los pronósticos. De acuerdo con algunas métricas, los pronósticos están mejorando. Por otra parte, todos los demás equipos, fuera de planificación, estaban acostumbrados a las fallas de los modos de pronosticar anteriores, y ya habían desarrollado sus propios métodos para afrontar las limitaciones. Cuando el equipo de planificación cambia su método, todos los demás equipos deben aprender a afrontar las fallas con las que viene el nuevo método de pronóstico. Por un tiempo, esto genera mucha tensión. Luego, si bien la revisión de todos los procesos de la cadena de suministro guiados por los pronósticos muestra algunos resultados fáciles —que no tienen ninguna relación con el pronóstico per se—, la Dirección no ve ningún resultado medible de la iniciativa. Los stocks en exceso siguen siendo un problema, mientras que los desabastecimientos siguen siendo igual de frecuentes. Dejando de lado métricas matemáticas sofisticadas, la impresión generalizada en la empresa sigue siendo que los pronósticos son tan malos como antes. Algunos empleados clave que participaron de la iniciativa de pronóstico ahora han pasado a otros proyectos, muchos en otras empresas. Nadie es en verdad responsable de los resultados de las iniciativas de pronóstico difuntas, pero aún quedan vestigios tanto en los procesos como en las herramientas de software que utiliza la empresa.

Fuerzas seductoras: Un pronóstico más preciso se parece a una varita mágica. Todos, desde el equipo de compras hasta el equipo de merchandising de tienda, están de acuerdo en que aliviaría casi todos los puntos críticos de la empresa: introducir en el mercado solo los artículos que mejor se venden; almacenar apenas la cantidad suficiente para satisfacer la demanda; dejar de ofrecer descuentos, etc. Es, también, un problema de una sola dimensión: reducir el error de pronóstico. Es fácil comunicar la intención de la iniciativa a todas las partes interesadas, y parece una manera racional, incluso científica, de mejorar la empresa. Además, no afecta al status quo de modo significativo. Nadie ve amenazada su posición por la potencial llegada de pronósticos más precisos; nadie debe tampoco repensar su función en la empresa. En cuanto a la transformación digital, se espera que sea tan sencilla como cambiar el monitor de la computadora por uno más grande.

Patrones positivos para abordar el problema: El único modo de solucionar el problema de los "pronósticos aislados" es integrarlos. ¿Cómo? Tratando las decisiones de cadena de suministro que resultan de los pronósticos como intrínsecamente vinculadas a estos. La precisión de pronóstico debería tratarse como un elemento de "depuración" —que ayuda identificando problemas de modelización—, no como un KPI que debe optimizarse. Las únicas métricas que interesan se miden en dólares o euros y se asocian a las decisiones cotidianas, como cuánto comprar, cuánto introducir en la tienda, cuánto descontar, etc.

Ejemplo: Contoso, una importante marca de moda que opera su propia red minorista, se enfrenta a un exceso de inventario al final de cada temporada, lo que tiene como resultado descuentos considerables que se ofrecen a los clientes durante la liquidación para deshacerse del excedente. Lo que es peor, con los años, la tasa promedio de descuento ha ido aumentado constantemente, con una creciente porción de la clientela que ahora retrasa sus compras hasta la temporada de liquidaciones. Si bien los macropronósticos son satisfactorios, se cometen muchos errores cada temporada en varios productos, para los que se pronostica demasiado o demasiado poco. Contoso ya ha realizado varias iteraciones locales para mejorar los pronósticos. Esas iniciativas dieron la sensación de ser la continuación natural de la iniciativa de personalización del ERP que se había realizado unos años atrás.

El lanzamiento de una nueva colección sigue un proceso bien establecido. Primero, el equipo de planificación define el rango y la profundidad de la colección, con cantidades objetivo para cada producto. Luego, el equipo de compras realiza más ajustes: hay MOQ (cantidades de orden mínima) que deben cumplirse, y las cantidades se deben aplicar en todas las tallas, ya que los pronósticos originales son a nivel de producto. Después, el equipo de merchandising y los equipos de asignación a tiendas deciden cuáles serán las cantidades iniciales que deberán introducirse en cada tienda al comienzo de la temporada. A medida que la temporada avanza, el equipo de reabastecimiento dirige los reabastecimientos, intentando mantener la alineación con el pronóstico. Por último, al final de la temporada, y a veces incluso antes, el equipo de fijación de precios organiza los descuentos, para realinearse con el plan allí donde el inventario en exceso se ha desfasado completamente del pronóstico original.

Los directores de Contoso se dan cuenta de que la iniciativa local de mejorar la precisión de pronóstico no ha generado los beneficios buscados. El equipo de planificación sigue teniendo dificultades para entender la estacionalidad. El CEO de Contoso es contactado por el CEO de Genialys, una start-up californiana muy bien financiada que ha desarrollado la nueva generación de tecnología de pronóstico. Su tecnología no solo es capaz de procesar los datos de ventas de Contoso en tiempo real, sino que también integra datos del tiempo y de los medios sociales en tiempo real. Algunas llamadas de referencia demuestran que ya han validado la tecnología con algunos clientes muy importantes. Todo en conjunto resulta bastante impresionante.

Por lo tanto, con el apoyo directo del CEO, nace la gran iniciativa con Genialys, con el objetivo de mejorar drásticamente la precisión del pronóstico. Las primeras semanas marchan bien, pero después de dos meses, parece que los equipos de TI de Contoso siguen teniendo dificultades para extraer todos los datos relevantes. Muchos problemas que eran aparentemente pequeños resultaron ser complejos. Por ejemplo, el equipo de Genialys no está del todo seguro de qué hacer con las promociones "2x1" que Contoso lanza regularmente. Después de seis meses de esfuerzos bastante intensos de ambas partes, Genialys entrega sus pronósticos. Pero el equipo de planificación no confía mucho en esos números. Algunas revisiones manuales simples de los números elaborados por Genialys muestran que los números a veces son totalmente incorrectos. Los equipos de Genialys siguen señalando problemas con los datos, algo que parece explicar esos problemas de pronóstico, pero la situación en conjunto es bastante nebulosa.

Sin saber en quién confiar, la dirección de cadena de suministro de Contoso decide establecer algunos KPI para evaluar cuantitativamente la precisión del sistema de Genialys comparada con la precisión sistema de pronóstico "viejo". La idea parece bastante simple: un análisis retrospectivo aclarará cuál es el más preciso. Lamentablemente, tres meses después, y luego de decenas de reuniones y cientos de horas de esfuerzo, la situación sigue siendo nebulosa. Resulta ser que el proceso de pronóstico histórico utilizado por Contoso es imposible de analizar en retrospectiva, porque el equipo de planificación ha estado ajustando manualmente muchos de los pronósticos. Por lo tanto, no pueden, en realidad, "volver a reproducir" sus pronósticos históricos, porque esto requeriría demasiado esfuerzo. Por otra parte, Genialys ha realizado muchos análisis retrospectivos, pero no es claro cuántos de esos números eran reales. Si bien las métricas de precisión de Genialys parecen dar buenos resultados en el agregado, el equipo de planificación sigue descubriendo incoherencias en los números que Genialys elabora regularmente.

Han pasado 18 meses, y Genialys ahora se utiliza en producción para algunas líneas de producto estables —como ropa interior de hombre—, que nunca presentaron, en realidad, desafíos de pronóstico. Las categorías complejas, como el calzado de mujer o los trajes de hombre, siguen siendo operados manualmente por el equipo de planificación con el viejo proceso. La ambición original de utilizar los datos del tiempo y de medios sociales ahora es historia pasada. La solución de Genialys apenas puede lidiar con las categorías más simples. El plan sigue siendo aumentar el alcance de las categorías cubiertas por Genialys, pero los equipos están exhaustos. Algunas personas ya se han ido. Los resultados, desde una perspectiva comercial, se han mitigado. La disponibilidad de la ropa interior de hombre ha aumentado en un 2 % y los descuentos se han reducido en un 1 %; sin embargo, debido a que la cantidad de referencias se ha reducido en esta categoría, no es claro si la precisión adicional del pronóstico (jamás medida) tiene algo que ver con esta evolución favorable. Oficialmente, la iniciativa de pronóstico sigue avanzando, pero la alta dirección ya no espera nada de ella.