Pronosticando como una profecía autocumplida
Cada semana, varias empresas nos contactan preguntando si Lokad podría encargarse de sus forecast semanales o mensuales continuos, por ejemplo, para algunos trimestres adelantados. De hecho, hace una década, Lokad se fundó en torno a la idea de ser una aplicación de forecast as a service. Desafortunadamente, esta idea resultó ser mayormente disfuncional, y pasamos a enfoques mejores. Algunos de los problemas que presentan los forecast son simples - engañosamente - pero también fundamentales. No importa cuán buena sea la tecnología, no servirá de nada si las premisas empresariales en las que se basa están defectuosas.
Seamos claros: Lokad realiza forecast de demanda, y predictive optimization sigue siendo nuestra competencia central, pero hay un método en ello; y el método comienza reconociendo que los forecast son en gran medida una profecía autocumplida, y que están involucrados numerosos ciclos de retroalimentación.
Ilustremos este ángulo con más detalle. Si se busca forecast las ventas de una marca de moda, solo es necesario examinar las cantidades compradas inicialmente: las cantidades que se venden durante la temporada son invariablemente iguales a las cantidades que se solicitaron inicialmente a los proveedores (menos la merma). Sin embargo, frecuentemente, el stock no se vende a precio completo o, por el contrario, se agota a mitad de temporada. Este supuestamente “perfecto” forecast es una ilusión y no refleja la realidad del desempeño financiero de la empresa.
El future demand está intrínsecamente ligado a las supply chain decisions. Sin embargo, muchas empresas actúan como si fuera posible forecast primero (es decir, la demanda semanal) y luego decide segundo (es decir, las cantidades de pedido de compra). Este enfoque es imprudente porque este último impacta profundamente al primero.

Como evidencia anecdótica, este acoplamiento entre la future demand y la future decision explica por qué tantos proyectos de forecast “avanzados” fallan: los backtest benchmarks estaban “demostrando” que el nuevo forecast era mejor que el antiguo, y sin embargo, una vez en producción, las cosas comenzaron a desmoronarse, aparentemente sin razón. La realidad es que, sin el debido cuidado, los forecast “tontos” tienden a generar menos efectos adversos de segundo orden, es decir, consecuencias no intencionadas causadas por los mismos forecast.
En la práctica, el ciclo de retroalimentación retroactivo entre los forecast y las decisiones toma muchas formas:
- Introducir otra referencia en el surtido canibaliza el resto del surtido. Por lo tanto, hacer el forecast de demanda mayor para una referencia debería disminuir (de alguna manera) el forecast para todos los productos competidores.
- El aumento de demanda resultante de una promotion para un producto dado depende en gran medida del contexto general. Si el producto resulta ser el único en la tienda en ser promovido, el aumento resultante podría ser grande. Si cada producto en la tienda resulta ser promovido, es probable que el aumento sea mucho menor.
- Se debe forecast el Lead time, pero la empresa podría tener un cierto grado de control sobre los tiempos de entrega si puede decidir si envía la mercancía por transporte marítimo o aéreo. Ambas modalidades requieren sus propios forecast de Lead time; pero la demanda a ser considerada para el stock depende de los tiempos de entrega.
- Comprar mayores cantidades típicamente ofrece cierto tipo de economías de escala, materializadas habitualmente a través de descuentos de precio. Un precio de compra más bajo puede entonces transformarse en un precio de venta menor, impulsando la demanda de modo que se ajuste a la mayor cantidad adquirida o producida inicialmente.
- Ofrecer un descuento a los clientes incrementa las ventas, pero también modifica las expectativas futuras de los clientes. Los clientes cada vez esperarán un descuento, y pospondrán su decisión de compra hasta que dicho descuento sea ofrecido.
Todos esos ciclos de retroalimentación son una de las razones clave por las que nosotros, en Lokad, nos hemos vuelto muy reacios a entregar forecast “desnudos”. Tenemos la firme intención de no repetir los errores de nuestros primeros años, y en el espíritu del juramento hipocrático, entregar valor a nuestros clientes comienza por no causar estragos en sus supply chains a través de enfoques equivocados.
Esto no es casualidad si nuestro Supply Chain Quantitativa manifesto se apoya fuertemente en las decisions. Son las consecuencias, a veces de largo alcance, de las decisiones las que deben ser predichas con precisión, no algún tipo de demanda abstracta. En este sentido, nuestro enfoque está alineado con los conocimientos descubiertos en la década de 1830 por Jean Baptiste Say, que supply creates its own demand.
Considerando el actual estado del arte en machine learning y software, no existe una forma “empaquetada” de abordar los ciclos de retroalimentación mediante software. Se necesita un supply chain scientist con un agudo entendimiento de los desafíos empresariales, así como una saludable dosis de diálogo con practicantes experimentados, para idear heurísticas y modelos que sean al menos aproximadamente correctos en su capacidad de poner las capacidades predictivas de Lokad a un uso rentable para el cliente.