Pronóstico 3.0 con Grillas de Cuantiles
Entregar mejores pronósticos siempre ha sido el enfoque principal de Lokad. Hoy, estamos revelando la tercera generación de nuestra tecnología de pronóstico basada en grillas de cuantiles. En términos sencillos, las grillas de cuantiles demuestran un nivel de rendimiento sin precedentes, lo que significa que su empresa puede atender a más clientes, de manera más confiable y con menos inventario. A diferencia de todos los métodos de pronóstico disponibles en el mercado, las grillas de cuantiles no proporcionan un pronóstico de demanda por producto, sino que proporcionan la distribución de probabilidad completa para (casi) todos los futuros posibles. Las Grillas de Cuantiles son posibles gracias a la combinación de Aprendizaje Automático, Big Data, Computación en la Nube y algunos conocimientos impulsados por el comercio.
Las Grillas de Cuantiles ahora están disponibles en producción para todos nuestros clientes, accesibles a través de una nueva opción de Grilla de Cuantiles para cualquier proyecto de pronóstico de inventario.
Pronóstico 1.0: pronósticos clásicos
Cuando Lokad fue fundada en 2008, comenzamos con lo que ahora llamamos pronósticos clásicos, nuestra versión 1.0, es decir, una metodología de pronóstico donde cada producto o SKU se asocia con un valor periódico; por ejemplo, pronósticos semanales hasta 13 semanas en el futuro. Implícitamente, estos pronósticos son pronósticos medianos: se espera que los pronósticos imparciales tengan un 50% de probabilidades de estar por encima o por debajo de la demanda futura. Para el resto del mercado, estos pronósticos no se denominan pronósticos clásicos, son los únicos pronósticos porque la mayoría de nuestros competidores ni siquiera consideraron alternativas.
Sin embargo, en lo que respecta al comercio, no importa cuán precisos sean los pronósticos clásicos, funcionan mal en la práctica. Intuitivamente, los pronósticos clásicos simplemente no están mirando lo que realmente importa. El caso promedio o mediano de la demanda es el caso fácil y poco interesante donde todo va según lo planeado. Sin embargo, los casos difíciles se refieren a una demanda inesperadamente alta o inesperadamente baja porque respectivamente crean faltantes de stock e inventario muerto. Estos tipos de situaciones extremas son los que realmente cuestan dinero. Los pronósticos clásicos funcionan mal, no porque los algoritmos no sean buenos, sino porque no miran el negocio desde el ángulo correcto. Por lo tanto, no importa cuánta inversión en I+D pueda hacer una empresa en pronósticos clásicos, simplemente falla. Esta fue una de las lecciones más difíciles que Lokad tuvo que aprender en nuestros primeros días.
Pronóstico 2.0: pronósticos de cuantiles
En 2012, logramos nuestro primer avance con los pronósticos de cuantiles. A pesar de un nombre que puede sonar bastante aterrador, los pronósticos de cuantiles son algo mucho más cercano a lo que los ejecutivos hacen para sus empresas: son pronósticos escenificados. En lugar de mirar el caso promedio, los pronósticos de cuantiles tienen el siguiente objetivo: veamos el 5% superior de nuestras perspectivas de demanda más optimistas, ¿sufriríamos de un faltante de stock? Luego, veamos el 5% peor de nuestras perspectivas de demanda más pesimistas, ¿tendremos que lidiar con inventario muerto? Los pronósticos de cuantiles abordan directamente las preguntas difíciles que realmente importan desde una perspectiva empresarial. Como dicen los ingenieros, es mejor estar aproximadamente correcto que estar exactamente equivocado, y aunque los pronósticos de cuantiles también sufren de todas las imprecisiones asociadas con los pronósticos clásicos, los pronósticos de cuantiles superan ampliamente a los pronósticos clásicos desde una perspectiva operativa siempre que se involucre el inventario.
Sin embargo, los pronósticos de cuantiles tampoco son el pináculo de los pronósticos. A simple vista, nuestra tecnología de pronóstico de cuantiles sufría de peculiaridades numéricas como cruces de cuantiles e inestabilidades de cuantiles. Sin embargo, dado que esas peculiaridades son bastante visibles, se pueden mitigar eficientemente. Sin embargo, a un nivel más profundo, nos dimos cuenta de que nuestros pronósticos de cuantiles aún no estaban perfectamente alineados con los puntos difíciles reales del negocio. En particular, los pronósticos de cuantiles dejan la carga de optimizar los niveles de servicio al Gerente de la Cadena de Suministro. Esto es hacer trampa, en cierto sentido, porque una parte considerable del rendimiento del inventario se entrega a través de una sintonización muy precisa de los niveles de servicio más rentables que equilibran adecuadamente los costos de inventario y la calidad del servicio.
Pronóstico 3.0: grillas de cuantiles
En febrero de 2015, ahora estamos lanzando nuestro segundo avance en pronósticos: grillas de cuantiles. Con el paso de los años, llegamos a un acuerdo con el hecho de que los pronósticos no pueden ser más que imperfectos. Los pronósticos precisos son un cuento de hadas, convenientemente repetido en un mercado inundado de proveedores decepcionantes. Dado que no podemos predecir el futuro exacto, ¿qué tal si intentamos asignar una probabilidad a cada posible futuro? Es decir, la probabilidad de vender cero unidades, una unidad, dos unidades, etc. Esto es exactamente de lo que se tratan las grillas de cuantiles: entregar no solo un pronóstico por producto, sino entregar la distribución de probabilidad completa de la demanda para cada producto. Bajo el capó, las grillas de cuantiles son un poco como los pronósticos de cuantiles, excepto que un pronóstico de demanda se calcula simultáneamente en todos los niveles de servicio.
Optimizar el inventario o gestionar la cadena de suministro se trata de equilibrar riesgos y oportunidades: niveles de inventario vs niveles de servicio, precio de compra vs tiempo de entrega del proveedor, compra a granel vs fabricación a medida, y así sucesivamente. Si bien los pronósticos de cuantiles pueden señalar uno o dos escenarios problemáticos, al final, es solo un valor de pronóstico por producto, y no importa cuán bueno sea este valor, este valor único no puede capturar toda la diversidad de posibles resultados comerciales. En cambio, las grillas de cuantiles abordan el problema de frente: se calculan todos los resultados y se asocian con sus respectivas probabilidades. Para cada escenario, como la demanda futura de 3 unidades, hemos comprado solo 2 unidades, entonces se vuelve posible y sencillo calcular el resultado neto del negocio, como 2 unidades vendidas y 1 unidad perdida. Como resultado, cada decisión de compra se puede evaluar simplemente desplegando todos los escenarios y aplicando la probabilidad calculada a cada escenario.
Un avance proveniente de la industria aeroespacial
Si bien Lokad principalmente presta servicios a minoristas, también trabajamos en otras industrias, como la aeroespacial. Hace un año, comenzamos a trabajar para una gran empresa conjunta entre AirFrance Industries y Lufthansa Technik, y nos dimos cuenta de que nuestra tecnología de pronóstico de cuantiles no estaba completamente a la altura del desafío. Cada pronóstico de cuantiles es como un solo escenario comercial. Si bien es posible combinar 3, 4 o 5 escenarios comerciales diferentes, se requiere un gran esfuerzo para implementar las reglas que unen todos estos escenarios para producir decisiones de suministro optimizadas.
Una solución mucho más elegante, y que también produce un rendimiento de inventario mucho mejor, consiste en pronosticar y evaluar todos los futuros escenarios comerciales. No más escenarios ad hoc que intentamos desesperadamente unir, sino una lista de (casi) todos los escenarios posibles (concedido, es una lista larga), todos tratados de manera simple y uniforme. Este enfoque tiene la desventaja de ser brutalmente más exigente en cuanto a los recursos informáticos. Sin embargo, gracias a nuestra plataforma de computación en la nube favorita, Microsoft Azure, los recursos informáticos nunca han sido más baratos y los precios siguen en caída libre.
Los resultados que obtuvimos a través de las grillas de cuantiles para la industria aeroespacial resultaron ser muy superiores al rendimiento de nuestra tecnología de pronóstico de cuantiles. Era hora de devolver la ciencia espacial (bueno, no cohetes, en realidad aviones de pasajeros a reacción) a los comerciantes, y los múltiples experimentos que habíamos realizado en los últimos meses confirmaron la superioridad decisiva de las grillas de cuantiles en comparación con nuestros pronósticos de cuantiles originales.
Futuro de la optimización del comercio predictivo
Cuando lanzamos los pronósticos de cuantiles hace tres años, predije que dentro de 10 años, los pronósticos de cuantiles serían la herramienta predeterminada para cualquier profesional de la cadena de suministro que se tome en serio el rendimiento de su inventario. Bueno, resultó que los esfuerzos de todo el equipo de Lokad, incluido el mío, me demostraron que estaba equivocado. A medida que descubrimos un enfoque superior a nuestros pronósticos de cuantiles iniciales, llegamos a la conclusión de que el futuro a largo plazo de los pronósticos de cuantiles es frágil. Sin embargo, el futuro del descendiente de los pronósticos de cuantiles es más brillante que nunca, ya que las grillas de cuantiles resuelven los desafíos que nos habían eludido durante años, como la optimización de los niveles de servicio, los envíos de contenedores o las estrategias de abastecimiento múltiple.
Además, durante años, el pronóstico de inventario y la optimización de precios se han tratado de forma estrictamente aislada, como si fueran partes de dos rompecabezas separados: el motor de pronóstico de demanda ignoraba lo que sucedía en el lado de los precios, y para igualarlos, el motor de precios tampoco se preocupaba por las restricciones de la cadena de suministro. Sin embargo, las existencias y los precios son dos caras de la misma moneda; y ahora nos damos cuenta de que cualquier intento de optimización que ignore ciegamente la otra cara de la moneda es un intento ingenuo en el mejor de los casos.
Por lo tanto, aunque evitaré cometer el mismo error y predecir que las grillas de cuantiles son el futuro a largo plazo de los pronósticos solo para que el equipo de Lokad me demuestre que estoy equivocado, ahora apostaré de manera más segura que cualquier tecnología predictiva que surja de nuestros esfuerzos probablemente unificará el análisis de precios con el análisis de existencias en el camino. Aún no hemos llegado allí, pero estamos avanzando constantemente en esta dirección.
Nueva metodología: priorización de compras
Todos los sistemas de optimización de inventario (incluido Lokad 2.0) calculan los puntos de reorden. Al comparar los puntos de reorden con las cantidades en existencia y en pedido, estos sistemas también calculan las cantidades de reorden sugeridas. A lo largo de los años, hemos descubierto dos limitaciones importantes de este enfoque. En primer lugar, estos sistemas no dicen nada sobre los niveles de servicio objetivo y su optimización. En segundo lugar, los puntos de reorden resultan ser algo inflexibles cuando se involucran restricciones de compra.
Tradicionalmente, los sistemas de optimización de inventario producen un conjunto estático de puntos de reorden (uno por SKU), impulsados principalmente por los niveles de servicio definidos por el usuario. Sin embargo, esto es un engaño porque la carga de determinar el nivel de servicio “óptimo” recae en el planificador de la cadena de suministro; y no solo descubrir los niveles de servicio correctos resulta ser un ejercicio que consume mucho tiempo, también es una fuente de ineficiencias importantes si los niveles de servicio se eligen de manera inadecuada.
Con las grillas de cuantiles, la imagen es muy diferente: se calcula una lista maestra de prioridades de compra. Técnicamente, es una lista en la que cada SKU aparece en numerosas líneas, y cada línea está asociada con una cantidad de pedido sugerida, típicamente 1 unidad si no hay restricciones de suministro presentes. La lista está priorizada, y este criterio de priorización es de importancia primordial.
Para la mayoría de las empresas, esta priorización responde a la pregunta: ¿por $1 de inventario adicional, cuál es la siguiente unidad que brinda a la empresa los mayores retornos? Esto también se puede formular como el margen bruto esperado menos los costos de mantenimiento de inventario esperados. Naturalmente, a medida que avanzamos en la lista, el margen bruto esperado disminuye bruscamente, porque la probabilidad de tener una demanda lo suficientemente alta como para absorber el stock se vuelve muy baja. De manera similar, al avanzar en la lista, el costo de mantenimiento del inventario aumenta bruscamente, ya que se espera que cada unidad adicional de inventario permanezca en el almacén durante más tiempo. En teoría, la lista no tiene fin, ya que llega hasta el infinito. Sin embargo, en la práctica, simplemente nos detenemos en un punto mucho más allá de lo que constituirían niveles de inventario “razonables”. Cuando se realiza una compra, el objetivo no es avanzar en la lista, sino comprar artículos de acuerdo con sus respectivas prioridades y dejar de comprar una vez que se haya alcanzado el objetivo de gasto.
En consecuencia, esto elimina por completo la necesidad de especificar los niveles de servicio. Una vez que se define un presupuesto de gasto, una empresa compra sus productos en función de las prioridades establecidas por la lista maestra de prioridades de compra. Comprar productos en este orden garantiza que los ingresos o ganancias de la empresa se maximicen, siguiendo los criterios de priorización especificados.
Las grillas de cuantiles también son mucho más versátiles en su capacidad para abordar escenarios que involucran restricciones de suministro. Si bien las previsiones de cuantiles son realmente poderosas, tan pronto como tenga cantidades mínimas de pedido, ya sea por SKU o por proveedor, y posiblemente algunas restricciones de capacidad de volumen de contenedores, las cantidades sugeridas no coinciden con las restricciones de suministro. Y luego le corresponde al planificador de la cadena de suministro lidiar con todos los ajustes, como eliminar ciertos SKU o aumentar las unidades de otros SKU, para componer un lote de pedido complejo que cumpla con todas las restricciones.
Con las grillas de cuantiles, tenemos una experiencia de usuario mucho más convincente y directa para proponer. La lista maestra facilita la adaptación a las restricciones de pedido. Si existen cantidades mínimas de pedido por SKU, entonces las líneas no elegibles se pueden eliminar de la lista. De manera similar, si existe una restricción de capacidad objetivo para acomodar envíos en contenedores, las entradas de compra se pueden procesar siguiendo el orden de la lista hasta que se alcance la capacidad objetivo.
¿Qué sigue?
Si bien las grillas de cuantiles ya están en vivo y accesibles para todas las empresas que tienen una cuenta abierta en Lokad, todavía nos falta documentación que describa tanto los aspectos técnicos como las mejores prácticas de la cadena de suministro relacionadas con esta nueva tecnología. Este material está en camino. Manténganse al tanto.
