FAQ: Optimización de Inventario

Lokad aborda los desafíos de inventario utilizando análisis predictivos para afrontar la incertidumbre en la supply chain y optimizar decisiones con información financiera. Considera restricciones únicas de cada cliente y mejora la transparencia en la toma de decisiones mediante informes detallados y paneles intuitivos.

Audiencia prevista: Profesionales de supply chain, expertos y ejecutivos.

Última modificación: 30 de enero de 2024

Un hombre intentando optimizar rutas de asignación para grandes cantidades de inventario no enviado.

El exceso de inventario y el faltante de stock son los dos síntomas más evidentes de decisiones inadecuadas relacionadas al inventario, y estos problemas se pueden rastrear hasta políticas que ignoran la incertidumbre. Esta incertidumbre se manifiesta de diversas formas, incluyendo la demanda variable, los tiempos de entrega fluctuantes y las devoluciones esporádicas. Lokad ofrece un rendimiento superior en inventario precisamente porque sus capacidades predictivas programáticas abordan la incertidumbre en la supply chain en lugar de ignorarla. Por ejemplo, Lokad cuenta con capacidades de modelado probabilístico para reflejar todos los impulsores económicos asociados a las decisiones rutinarias y repetitivas en la supply chain de un cliente (por ejemplo, órdenes de compra, órdenes de producción, asignación de stock, etc.). Esto nos permite ofrecer a los clientes una perspectiva financiera de alta resolución sobre el valor en dólares (o euros) de cada decisión. Además, Lokad dispone de capacidades de optimización estocástica para recomendar, en última instancia, las decisiones que maximicen el retorno en dólares (o euros) de cada decisión, considerando al mismo tiempo las restricciones únicas del cliente. Dichas restricciones incluyen preocupaciones entre productos como la canibalización y la sustitución.

En cada paso del proceso, las extensas y personalizadas capacidades de reporte de Lokad brindan al cliente una transparencia total. Se crean paneles intuitivos para expresar claramente los KPIs que los clientes desean y necesitan, y para desglosar los cálculos de Lokad de forma directa.

Resumen ejecutivo

En lo que respecta a la optimización de inventario, Lokad se apartó del enfoque que podría considerarse ‘convencional’ hace más de una década. Esta divergencia solo se ha acentuado a medida que nuestra tecnología ha mejorado. Dicha tecnología permite a Lokad lograr mejoras significativas en las supply chain de los clientes, sin embargo, el desafío mayor suele ser explicar las mejoras, una tarea aún más complicada dada la gran diferencia entre el enfoque de Lokad y lo que los profesionales de supply chain esperan.

El cuento de hadas convencional sobre la optimización de inventario va así: el proveedor de software (del cuadrante mágico) ofrece forecasts un 20% más precisos, y esos forecasts se traducirán en un 20% menos de faltante de stock y un 20% menos de stock. Este cuento de hadas habitualmente incluye varias palabras de moda: inteligencia artificial, detección de demanda, machine learning, blockchain, gemelos digitales, sistemas en memoria, etc. Sin embargo, esta visión convencional es un callejón sin salida1. A diferencia de la mayoría de nuestros competidores, Lokad ofrece forecasts de última generación2, y sabemos que esto -por sí solo- está muy lejos de ser suficiente para proporcionar un retorno de inversión satisfactorio.

Tal vez Lokad sea singular en el sentido de que no tenemos ningún misterio en cómo logramos un rendimiento superior en inventario. Contamos con una serie de conferencias públicas3 (con un total de más de 50 horas y en aumento) que ofrecen los detalles de nuestras tecnologías y metodologías. Esta serie sirve tanto como recurso como advertencia para los clientes: una vez que ves cómo funcionan los “trucos” de un proveedor, no puedes dejarlos de ver.

Forecast probabilístico

Se deben utilizar forecasts probabilísticos. Estos forecasts proporcionan una evaluación cuantitativa directa de la incertidumbre con la que se lidia en la supply chain – por ejemplo, la incertidumbre que rodea la demanda del cliente y los tiempos de entrega del proveedor. En lugar de fingir que los forecasts tradicionales de series temporales (el “enfoque clásico”) se volverán precisos de manera espontánea, los forecasts probabilísticos abordan directamente estos problemas. Los forecasts probabilísticos no son necesariamente más “precisos” –al menos no por diseño– pero esto es algo irrelevante dado que se utilizan para contar una historia completamente diferente sobre el futuro del cliente – detalles de lo cual se abordan en la Perspectiva Financiera. Además, cada fuente de incertidumbre merece su propio forecast, no solo la demanda. Lokad produce forecasts probabilísticos para tiempos de entrega, devoluciones, tasas de desperdicio, etc.

En contraste, el enfoque convencional de forecasts de series temporales ignora la incertidumbre descrita anteriormente. Como resultado, cuando se utilizan forecasts puntuales de series temporales, la supply chain se vuelve frágil incluso frente a riesgos completamente mundanos, como la naturaleza azarosa de los lanzamientos de productos. Es inútil esperar que los lanzamientos de productos lleguen a ser desprovistos de riesgo, ya que si una empresa pudiera evaluar de manera más fiable el desempeño de sus lanzamientos, sin duda utilizaría esta nueva capacidad para lanzar aún más productos, reintroduciendo así la incertidumbre en la supply chain en cuestión.

Toma de decisiones automatizada

La toma de decisiones automatizada (y superior) en la supply chain es el único objetivo final que vale la pena perseguir, ya que es lo que impacta de manera tangible la supply chain. Si el software de optimización de inventario devuelve algo distinto a las decisiones finalizadas, entonces el software no está cumpliendo su función (o simplemente podrías tener el software equivocado).

Además, estas decisiones automatizadas deben tener en cuenta todas las restricciones del cliente, tales como los MOQs (cantidades mínimas de pedido). Si el software/sistema de uno sigue generando decisiones defectuosas que deben ser anuladas manualmente, entonces el sistema es defectuoso y debe ser reemplazado. Los verdaderos expertos en supply chain son demasiado escasos y valiosos para ser utilizados en algo que no sea la mejora continua de la receta numérica única del cliente4. Lokad utiliza esta receta numérica para robotizar el proceso de toma de decisiones en la supply chain, liberando así a los expertos internos para centrarse en cuestiones y estrategias de mayor orden.

En contraste, la visión convencional enfatiza todo tipo de artefactos numéricos: clases ABC (o su variante, ABC XYZ), rotación de inventario, stocks de seguridad, cantidades económicas de pedido, etc. A diferencia de las decisiones en la supply chain, la relación entre un artefacto numérico y el desempeño de la supply chain es, en el mejor de los casos, imprecisa. Además, la mayoría de estos números se introducen únicamente para respaldar un proceso de toma de decisiones semi-manual, garantizando así el continuo desperdicio de recursos del cliente (por ejemplo, dinero, tiempo y esfuerzo).

Como resultado, nada se soluciona realmente ya que los profesionales de supply chain se ven continuamente distraídos por el proceso constante de apagar incendios, y en el fondo el sistema subyacente sigue generando decisiones subóptimas.

Perspectiva Financiera

Las decisiones en la supply chain deben estar optimizadas financieramente, es decir, evaluadas en términos del impacto en euros (o dólares). Esta evaluación debe reflejar todos los impulsores económicos relevantes. Lokad tiene acceso a los impulsores económicos tangibles relevantes (encontrados directamente en los libros contables del cliente): margen bruto, costo de mantenimiento, costo de transporte, etc. Sin embargo, Lokad también cuantifica los impulsores económicos intangibles, aquellos que deben ser considerados para producir decisiones en la supply chain de valor: lealtad del cliente, la buena voluntad de los proveedores, el valor percibido de la marca, etc. Dada su naturaleza abstracta, estos impulsores deben ser aproximados de forma inteligente, pues es mucho mejor estar aproximadamente correcto que exactamente equivocado. Este valor monetario se utiliza en última instancia para unificar todas las diferentes fuerzas que impactan cada decisión de inventario.5

En contraste, la visión convencional enfatiza los porcentajes, como los niveles de servicio, mientras ignora por completo todos los impulsores económicos intangibles. Esto conduce a la miopía de las decisiones recomendadas que el público general asocia ahora con “finanzas”. Dichas decisiones se optimizan bajo criterios numéricos inventados que simplemente no reflejan los intereses a largo plazo del negocio. La solución no es rechazar la idea de optimización, sino revisar qué es lo que se está optimizando en primer lugar.

Preguntas Frecuentes (FAQ)

1. Principios

1.1 ¿Ayudan a agilizar la gestión de inventario? ¿Cuáles son sus capacidades de gestión de inventario?

Lokad optimiza (y agiliza) el inventario en lugar de gestionarlo. La optimización de inventario implica, entre otras cosas, tomar las mejores decisiones posibles, como cuánto stock comprar, cuándo comprarlo y dónde (re)asignarlo. La gestión de inventario, en cambio, se centra en administrar los registros electrónicos que reflejan el estado físico del inventario y en mantener dichos registros alineados con la realidad del inventario. La optimización de inventario y la gestión de inventario son los dos aspectos principales del control general de inventario, y Lokad se dedica enteramente a la primera.

En términos de diseño de software, los requisitos de un sistema de gestión de inventario son bastante diferentes a los de uno de optimización de inventario. De hecho, a menudo están en completa oposición. Por ejemplo, la gestión de inventario requiere respuestas en tiempo real, de lo contrario, operaciones rutinarias como la preparación de pedidos se retrasan hasta que el sistema finalmente reconoce la operación.

Sin embargo, la optimización de inventario se basa en tomar buenas decisiones, no necesariamente en tiempo real. Un retraso de 5 minutos para calcular una orden de compra optimizada –que refleja una amplia gama de factores y restricciones– es intrascendente si la orden de compra termina ahorrándole al cliente miles de dólares (o euros). Desde la perspectiva del cliente, esto es preferible a un escenario en el que se puedan producir órdenes de compra mediocres en menos de 10 milisegundos (es decir, en tiempo real), una decisión que podría resultar en la pérdida de miles de dólares (o euros) en stock muerto. Si el cliente no cuenta con un sistema de gestión de inventario, Lokad recomienda encarecidamente instalar uno antes de intentar optimizar el inventario.

Nota: La mayoría del software empresarial diseñado para la gestión de inventario también afirma proporcionar funcionalidad de optimización de inventario. Esto es una afirmación engañosa. Estas funciones de inventario distintas requieren intervenciones de software distintas.

Para una comparación directa entre la optimización de inventario y la gestión de inventario, así como su software necesario, consulta Control de Inventario.

1.2 ¿Cómo predicen las necesidades futuras de inventario?

Lokad utiliza una extensa tecnología de modelado predictivo para forecast todos los factores inciertos que impactan las necesidades futuras de inventario. Estos factores incluyen, entre otros, la demanda futura y los tiempos de entrega futuros que afectan directamente las necesidades de inventario. Sin embargo, dependiendo del sector específico, frecuentemente existen otras fuentes de incertidumbre. Por ejemplo, pueden ocurrir devoluciones de clientes (ecommerce), rendimiento de producción, tasas de desperdicio, etc. Para establecer las necesidades de inventario, típicamente combinamos una serie corta de forecasts que reflejan múltiples fuentes de incertidumbre. Este enfoque va mucho más allá de las capacidades del forecasting tradicional de series temporales.

Además, Lokad adopta una perspectiva de forecasting probabilístico. Esto significa que Lokad considera todos los futuros posibles y evalúa cuantitativamente sus respectivas probabilidades. Asimismo, nuestra plataforma incluye la instrumentación necesaria para componer o combinar estos forecasts probabilísticos, como una álgebra de variables aleatorias (ver más abajo). Por ejemplo, al combinar un forecast probabilístico de demanda y un forecast probabilístico de tiempos de entrega, obtenemos un forecast probabilístico de lead demand, que representa la demanda integrada durante el tiempo de entrega. El lead demand sirve típicamente como línea base para evaluar las necesidades futuras de inventario.

Consulta Forecast probabilístico para obtener más información sobre esta perspectiva. Para aprender más sobre nuestra instrumentación de álgebra de variables aleatorias, revisa Ranvars and Zedfuncs en nuestra documentación pública de Envision.

1.3 ¿Calculan los niveles pasados y futuros de inventario basándose en datos históricos de ventas y datos de forecast?

Sí, la plataforma de Lokad es capaz de calcular tanto los niveles pasados como futuros de inventario aprovechando los datos transaccionales históricos del cliente, incluyendo tanto el flujo saliente (por ejemplo, ventas) como el flujo entrante (por ejemplo, compras). Contamos con amplias capacidades de forecasting probabilístico, no solo para la demanda futura, sino también para los tiempos de entrega futuros, futuras devoluciones y todas las demás fuentes de incertidumbre pertinentes.

En lo que respecta a los niveles pasados de inventario, dado que la solución de Lokad—entregada a través de nuestra plataforma—es escalable y rentable, usualmente recomendamos registrar los datos a lo largo del tiempo, típicamente mediante snapshots producidos dentro de la plataforma de Lokad si estos datos no se han histórico ya en los sistemas empresariales, en lugar de recalcular estos datos. De hecho, incluso un modelo de flujo cuidadosamente diseñado puede reflejar incorrectamente los niveles pasados de inventario. Los snapshots históricos de los niveles de inventario no sufren de esta clase de problemas.

En cuanto a los niveles de inventario futuros, hay dos elementos importantes a considerar. Primero, la incertidumbre del futuro es irreducible. Segundo, los niveles de inventario futuros dependen de decisiones que aún no se han tomado. Dado que la incertidumbre del futuro es irreducible, no es sensato—y bastante poco rentable—suponer que una única proyección del estado futuro del inventario pueda considerarse “lo suficientemente correcta”. En cambio, debemos considerar todos los futuros posibles y sus respectivas probabilidades. Esta es una visión mucho más rica del futuro y nos permite producir decisiones de supply chain ajustadas por riesgo que sean resilientes a las desviaciones del (clásico) forecast. Lokad logra esto al aprovechar el forecast probabilístico.

Dado que el inventario futuro depende de decisiones de supply chain que aún no se han tomado (por ejemplo, futuras órdenes de compra), necesitamos un sistema sensato para implementar las decisiones con el fin de evaluar el(los) estado(s) futuro(s) del inventario. Esto requiere que las decisiones sean automatizadas, para permitir una simulación efectiva. Si el proceso de toma de decisiones es semi-manual (es decir, involucra una intervención subjetiva humana), entonces se vuelve impráctico “simular”. Por lo tanto, se debe utilizar un sistema automatizado de toma de decisiones con fines de simulación.

1.4 ¿Calculan Safety Stock, niveles Min/Max, Reorder Level y EOQ (cantidad económica de pedido) teniendo en cuenta la política de compra?

Sí, la plataforma de Lokad facilita la implementación de un enfoque de supply chain mainstream/clásico, que incluye safety stocks, niveles min/max, puntos de reorden y EOQs. Además, es sencillo actualizar todos estos elementos de manera completamente automatizada. Sin embargo, este enfoque de supply chain está obsoleto, ya que arroja resultados pobres en la práctica. Además, implica extensas y continuas correcciones manuales para arreglar resultados subóptimos que el “sistema” sigue generando.

En contraste, Lokad recomienda un enfoque enormemente superior que consiste en evaluar los rendimientos económicos unidad por unidad para la compra de cada unidad adicional de stock. Este cálculo se basa tanto en los forecast probabilísticos que genera la plataforma de Lokad, como en un modelado económico explícito de las consecuencias de las decisiones de compra. Este enfoque abarca los impulsores económicos que subyacen a las decisiones de compra.

Como resultado, mitigar los costos generales de compra es algo dado: las órdenes son optimizadas económicamente, eliminando la necesidad de introducir fórmulas obsoletas como la fórmula de Wilson (tradicionalmente usada para los cálculos de EOQ). Además, activar la orden de compra se convierte en una cuestión de equilibrar el costo del faltante de stock frente al costo del exceso de stock, eliminando la necesidad de safety stocks, niveles min/max y puntos de reorden.

Además, el enfoque de Lokad se presta muy bien para abordar cuestiones cross-SKU (stock keeping unit). Estas cuestiones incluyen la canibalización, la sustitución, los MOQs a nivel de proveedor (cantidades mínimas de pedido), las capacidades de almacén o tienda, y múltiples escalones. El enfoque de supply chain mainstream/clásico está rígidamente adherido a una perspectiva mono-SKU estricta. Como resultado, esas cuestiones se descartan por diseño. No importa cuán sofisticado pueda ser un cálculo de safety stock (por ejemplo), no puede abordar ninguna de esas cuestiones cross-SKU, ya que la fórmula (o más bien la clase de fórmulas) implica procesar las SKUs de forma aislada.

1.5 ¿Cómo diferencian su enfoque para artículos de alto valor?

El enfoque de Supply Chain Quantitativa de Lokad recomienda encarecidamente optimizar cada decisión de supply chain con respecto a sus impulsores económicos (individuales e interdependientes); así, los artículos de alto y bajo valor se optimizan de la misma manera—aunque, naturalmente, los detalles de los cálculos varían.

Los impulsores económicos relevantes incluyen, naturalmente, entre otras cosas, los costos y el margen bruto de los artículos de inventario que se están optimizando. Los artículos de alto valor están naturalmente asociados con altos costos y altos márgenes, al menos en términos absolutos. La optimización llevada a cabo por Lokad maximiza el retorno dólar por dólar de las inversiones en inventario: en términos simples, por cada 1 USD que se puede invertir, Lokad elige el artículo que ofrece la mayor tasa de retorno (piense en ROI).*

Más allá de la evaluación económica pura, existen otras restricciones que impactan en la generación de decisiones de inventario, tales como los MOQs (cantidades mínimas de pedido). Sin embargo, la plataforma de Lokad incluye todas las capacidades numéricas necesarias para incorporar ambas clases de preocupaciones en su optimización. Todos los impulsores económicos —y los consiguientes factores financieros— son propuestos por Lokad y, finalmente, validados por el cliente.

Esta perspectiva unificada y orientada financieramente a la optimización significa que los expertos ya no tienen que navegar a través de una gran cantidad de casos límite regidos por diferentes políticas y preocupaciones. Cada artículo—alto valor, bajo valor, errático, etc.— es optimizado en términos del impacto financiero que tendrá cada unidad adicional para el cliente.

*A gran escala, Lokad prepara una lista ordenada de decisiones de compra, no solo una recomendación única. La lista se ordena en orden descendente, comenzando con el artículo que ofrece el mayor retorno financiero de la inversión. Consulte nuestro tutorial de la cuenta demo pública para una explicación detallada de cómo se hace esto.

1.6 ¿Incluyen los costos de gestión de PO (Orden de Compra) (por ejemplo, pedidos, facturación)?

Sí, Lokad recomienda una perspectiva financiera en la que cada decisión de supply chain (incluidas las órdenes de compra) se optimiza con respecto a todos sus impulsores económicos relevantes. En particular, todos los gastos generales asociados con la ejecución de las decisiones, como los costos de gestión, se integran en esta lista de impulsores económicos. Los Supply Chain Scientists de Lokad son responsables de asegurar que el modelo económico, tal como se implementa en la receta numérica, refleje todas las oportunidades y gastos generales del cliente.

La plataforma de Lokad es notablemente expresiva y programática, lo que nos permite desarrollar soporte para prácticamente cualquier tipo de costo y/o descuento que pueda surgir en el ejercicio de la ordenación, por ejemplo, escalas de precios. Además, la optimización estocástica de Lokad nos permite optimizar decisiones a pesar de las no linealidades que esos costos (u oportunidades) suelen representar. Por ejemplo, los costos de gestión pueden variar poco dependiendo de la cantidad ordenada, lo que, todo lo demás igual, debería empujar el proceso de ordenación optimizado hacia órdenes (ligeramente) mayores y (ligeramente) menos frecuentes a medida que aumentan los costos de gestión. Las escalas de precios también tienden a empujar la optimización hacia órdenes mayores y menos frecuentes.

1.7 ¿Puede el equipo de compras simular el efecto de las estrategias de reposición sobre los requisitos de capital? ¿Pueden proyectar los niveles de inventario?

Sí, la plataforma de Lokad ha sido diseñada para soportar la proyección, en un sentido muy amplio, de las condiciones futuras de supply chain bajo políticas variables. Las condiciones futuras incluyen los niveles de inventario futuros, pero también todas las otras condiciones críticas futuras de la supply chain, tales como la saturación de las capacidades (por ejemplo, transporte, manipulación, almacenamiento, etc.). Las políticas variables incluyen estrategias de reposición alternativas, pero también todo tipo de decisiones que rigen la ejecución de la supply chain (asignaciones de stock, órdenes de producción, devoluciones, cambios de precio, etc.).

Además, Lokad considera fundamental implementar un proceso que se incline fuertemente hacia una toma de decisiones completamente automatizada (para aquellas decisiones de supply chain repetitivas y mundanas). Es irrazonable esperar que una “simulación” pueda producir cifras sensatas si, en la práctica, la ejecución real de la supply chain depende de intervenciones subjetivas (y manuales) regulares por parte de los profesionales de supply chain. Por diseño, la simulación desconoce completamente estas intervenciones.

El forecast probabilístico general — no solo los demand forecasts — es otro ingrediente crítico para lograr tal simulación. Los tiempos de entrega futuros, las devoluciones futuras y muchos otros factores que contribuyen a la incertidumbre futura deben ser objeto de forecast. De lo contrario, la simulación operará bajo la premisa de números erróneos y poco confiables (es decir, datos que ignoran otras fuentes cruciales de incertidumbre). La integración del forecast probabilístico generalizado nos permite construir simulaciones significativas que proporcionan la granularidad e insight necesarios en la supply chain del cliente.

Consulte Probabilistic Forecasting para obtener más información sobre la perspectiva de forecasting de Lokad.

1.8 ¿Puede describir los indicadores económicos que utiliza para respaldar las recomendaciones de compra?

Resumen ejecutivo: La plataforma programática de Lokad permite incorporar una amplia gama de impulsores económicos en las recomendaciones de compra, incluidos tanto los directos (de primer orden), como el margen bruto y los costos de envío, como los indirectos (de segundo orden), tales como las penalizaciones por faltante de stock y la buena voluntad del cliente. Esta programabilidad supera al software empresarial tradicional, que a menudo limita a los usuarios a un conjunto predefinido de indicadores económicos de primer orden y carece de la flexibilidad para abordar las complejidades de las supply chain del mundo real.

Recomendamos tener en cuenta todos los impulsores económicos relevantes, que tienden a variar (en cierta medida) de un cliente a otro. En general, los impulsores pertinentes se dividen en dos grandes categorías: los impulsores de primer y segundo orden. Los impulsores de primer orden incluyen todos los beneficios y costos que se pueden leer más o menos directamente de los libros contables del cliente: margen bruto, costo de envío, costo de mantenimiento, costo de pedido, etc. Los impulsores de segundo orden son más matizados, menos directos y están completamente ausentes en el software empresarial tradicional. Estos incluyen el costo de no tener algo en los estantes cuando un cliente lo desea (penalización por faltante de stock), la buena voluntad o lealtad de la base de clientes, la importancia relativa de segmentos de clientes o geografías, etc.

La plataforma de Lokad ha sido diseñada para hacer posible incorporar prácticamente cualquier impulsor económico; si tal impulsor puede expresarse en una hoja de cálculo, entonces puede expresarse a través de la tecnología de Lokad. En la práctica, los Supply Chain Scientists de Lokad son responsables de proponer una lista exhaustiva de los impulsores económicos relevantes para el cliente. Esta lista es posteriormente validada y/o modificada por el cliente.

Esta extensa programabilidad supera con creces la funcionalidad que se encuentra en el software empresarial, donde al cliente se le presenta una lista predefinida y codificada de indicadores económicos de primer orden para apoyar las recomendaciones de compra. Dichas herramientas son, en la práctica, incapaces de hacer frente a las sutilezas y a la variedad de situaciones que surgen en las supply chain del mundo real. Como resultado, cuando el software empresarial se basa en tales métodos, los profesionales de supply chain recurre invariablemente a métodos anteriores (típicamente hojas de cálculo) en un intento de incorporar un impulsor que estaba ausente en la lista del ERP.

En lo que respecta a los indicadores económicos, no existe una solución alternativa a las capacidades programáticas completas. Aunque las hojas de cálculo son de hecho programáticas, carecen de la corrección por diseño y de la escalabilidad de la plataforma de Lokad.

Consulte The Quantitative Supply Chain in a nutshell para obtener más información sobre la filosofía de supply chain de Lokad, así como este resumen para obtener más información sobre los impulsores de primer versus segundo orden.

1.9 ¿Proporcionan informes de inventario con causas raíz?

Sí, la plataforma de Lokad tiene amplias capacidades para identificar las causas raíz del estado actual del inventario del cliente.

Vale la pena destacar que identificar las ‘causas raíz’ es una tarea nada trivial. Invariablemente requiere un trabajo extenso por parte de los Supply Chain Scientists de Lokad para identificar correctamente algo que genuinamente califique como causa raíz. Por ejemplo, los excesos de stock pueden rastrearse hasta MOQs excesivos (cantidades mínimas de pedido). Esto, a su vez, puede explicarse por términos mal negociados por parte del equipo de compras. Sin embargo, los términos subóptimos podrían ser el resultado de expectativas infladas de demanda basadas en una evolución esperada de la oferta del cliente, aunque dicha evolución se haya pospuesto debido a retrasos por parte del equipo de marketing. Como tal, puede ser muy difícil separar la correlación de la causalidad, particularmente en supply chain.

Afortunadamente, la plataforma de Lokad es programática. Este es un requisito crítico al enfrentar desafíos abiertos como la identificación de causas raíz. Fallos en el sistema que producen datos defectuosos, profesionales que ignoran o modifican manualmente las recomendaciones, productos mal categorizados asignados al perfil estacional incorrecto, y errores humanos básicos (entre otros) pueden calificar como causas raíz. Sin capacidades programáticas, no hay esperanza de poder abordar tales investigaciones.

Muchos softwares empresariales presumen de tener capacidades o informes de RCA (análisis de la causa raíz), pero, de hecho, generalmente identifican síntomas obvios y no las verdaderas causas raíz. Por ejemplo, si el software identifica una orden de compra excesiva como la causa raíz de un exceso de stock, esto no es especialmente útil si el software recomendó la orden de compra en primer lugar. Esto es particularmente perjudicial si se espera implícitamente que los profesionales anulen manualmente las órdenes de compra defectuosas generadas por el software.

En contraste, cualquier causa raíz que se remonte a la receta numérica que Lokad generó para su cliente desencadenaría de inmediato una intervención por parte del Supply Chain Scientist a cargo de la cuenta, normalmente a través de una reescritura correctiva. Esta funcionalidad de reescritura solo es posible porque la plataforma de Lokad es programática.

1.10 ¿Qué capacidades de analítica e informes tienen para seguir el rendimiento y las tendencias del inventario?

La plataforma de Lokad cuenta con amplias capacidades analíticas e informativas programáticas. Esto significa que cualquier análisis—y en particular el análisis del rendimiento del inventario—que se pueda realizar en una hoja de cálculo o en una herramienta de business intelligence, también se puede realizar en la plataforma de Lokad.

Además, la plataforma de Lokad es escalable y rentable al escalar. Esto significa que es posible para nosotros historicizar todo, incluidos los datos que no siempre se historicizan en los sistemas empresariales (por ejemplo, los niveles históricos de stock y los precios históricos). La plataforma también adopta una postura predictiva con respecto al rendimiento del inventario. De hecho, decidir si hay demasiado o muy poco inventario depende de las expectativas de demanda futura. Estas capacidades predictivas también son programáticas, lo que significa que pueden adaptarse según sea necesario.

Más allá de estas capacidades brutas de la plataforma, el enfoque recomendado de Lokad en lo que respecta al rendimiento de inventario es doble. Primero, el rendimiento debe rastrearse hasta las decisiones originales de supply chain que generaron el stock (o la falta de stock). Más que una causa raíz, los niveles de stock son un síntoma de la acción tomada por el cliente (y su proveedor de software de apoyo), independientemente de si la acción es correcta o incorrecta. Segundo, el rendimiento debe evaluarse en términos de impacto financiero (por ejemplo, en euros o dólares), en lugar de porcentajes determinados arbitrariamente conectados a KPIs (por ejemplo, nivel de servicio).

Las evaluaciones basadas en lo financiero son críticas para equilibrar efectivamente los numerosos factores que contribuyen a cada decisión de supply chain. La plataforma de Lokad simplifica estas prácticas, facilitando a los analistas del cliente comprender su rendimiento de inventario—aprovechando la cantidad de tableros personalizables disponibles a través de su cuenta de Lokad.

1.11 ¿Proporcionan listas TOP P/N (números de parte) por categoría para resaltar dónde se encuentra el mayor potencial de mejora?

Resumen ejecutivo: Sí, la plataforma de Lokad puede generar listas Top P/N por categoría, región y periodo de tiempo, y evaluar el potencial de mejora en términos monetarios, enfatizando llamadas a la acción ejecutables sobre una simple priorización de SKU. Sin embargo, Lokad recomienda no enfocarse únicamente en la mejora del rendimiento a nivel de SKU, prefiriendo la mejora sistemática de las recetas numéricas que rigen las decisiones de supply chain, con informes a nivel de SKU como herramienta de apoyo.

Con la plataforma de Lokad, es muy sencillo generar listas Top P/N de números de parte (o SKUs—stock keeping units) por categoría, región, periodo de tiempo, etc. Dado que la solución de Lokad es programática, cualquier lista que pueda elaborarse en una hoja de cálculo o en una herramienta de inteligencia empresarial también puede hacerse en la plataforma de Lokad. Además, al combinar nuestras capacidades predictivas con nuestra perspectiva financiera, el potencial de mejora puede evaluarse en términos monetarios (por ejemplo, euros o dólares) en lugar de porcentajes determinados arbitrariamente conectados a KPIs (por ejemplo, nivel de servicio).

El enfoque preferido de Lokad consiste en calcular llamadas a la acción priorizadas, con prioridades expresadas en dólares o euros ganados si se lleva a cabo el ítem propuesto. Estas llamadas a la acción son diversas y pueden incluir agilizar o posponer una orden de compra, identificar un proveedor alternativo, aumentar el surtido con más variantes, eliminar productos del surtido, etc. A diferencia de una simple priorización de P/N, una priorización de llamadas a la acción es, por diseño, completamente ejecutable. La llamada a la acción no se expresa necesariamente a nivel de P/N. Lokad es capaz de expresar llamadas a la acción muy diversas en cualquier granularidad, no solo en P/N.

Sin embargo, detrás de esta pregunta, existe una perspectiva que Lokad no recomienda para supply chain. La intención de buscar la mejora del rendimiento a nivel de SKU es priorizar la atención de los profesionales de supply chain en un contexto en el que se espera que los SKUs sean revisados manualmente. Este enfoque es obsoleto y no hace un uso adecuado del tiempo de los profesionales de supply chain. Los problemas de inventario encontrados con un SKU dado casi invariablemente no son específicos de ese SKU. En cambio, hay algo incorrecto en la receta numérica en general, y a menos que se aborde este problema más general, la próxima vez el problema se manifestará a través de otro SKU.

Por lo tanto, el tiempo de los expertos debe invertirse en las mejoras sistemáticas de las recetas numéricas que rigen las decisiones de supply chain. Aunque las capacidades de informes a nivel de SKU son importantes, en su mayoría importan como instrumentos de apoyo para la mejora continua de las recetas numéricas, y no como herramientas de priorización de atención.

2. Niveles de stock y niveles de servicio

2.1 ¿Proporcionan informes de stock disponible?

Sí, la plataforma de Lokad facilita la obtención de un informe que cubra los niveles de stock disponible. Lokad es capaz de procesar datos relacionales del sistema empresarial del cliente para generar dichos informes. Además, la plataforma de Lokad puede manejar también las sutilezas asociadas a los niveles de stock disponible, tales como el stock reservado o el stock en backorder. Todos esos datos pueden ser historizados por Lokad, incluso si estos datos no han sido historizados en los sistemas empresariales originales. Finalmente, esta información puede presentarse ya sea en unidades individuales o en unidades monetarias de acuerdo con las reglas de valoración que prefiera el cliente. Los informes de stock disponible se basan en la última sincronización incremental con los sistemas empresariales.

Sin embargo, tal funcionalidad no es la principal aplicación de Lokad. Aunque Lokad puede verificar los niveles de stock disponible en tiempo real para cualquier SKU, nuestra tecnología está diseñada como una capa analítica sobre los sistemas empresariales transaccionales. Esos sistemas siguen siendo responsables de ‘gestionar’ el stock para todas las operaciones transaccionales rutinarias, mientras que Lokad está diseñado para optimizar la inteligencia en la toma de decisiones de inventario.

2.2 ¿Cómo calculan y optimizan el nivel de servicio de inventario?

Resumen ejecutivo: Lokad ofrece niveles de servicio de inventario optimizados al integrar forecast probabilístico con optimización estocástica. Este enfoque permite que las decisiones de supply chain se hagan a la medida de criterios cuantitativos específicos, tales como equilibrar altos niveles de servicio con un stock mínimo y un ROI maximizado.

Lokad optimiza el nivel de servicio de inventario combinando capacidades de forecast probabilístico y optimización estocástica. Esto nos permite optimizar las decisiones de supply chain para reflejar cualquier criterio cuantitativo que pudiera expresarse en Excel, pero mejor. En particular, optimizar las decisiones de reposición de stock en línea con ciertos niveles de servicio—mientras se minimiza la cantidad de stock y se maximiza el ROI— es muy sencillo.

Los forecast probabilísticos son extremadamente poderosos para asegurar que las decisiones de supply chain reflejen verdaderamente el nivel de servicio intencionado, incluso cuando los niveles de servicio son muy altos (por ejemplo, 98% y superiores). Los forecast clásicos de series temporales (es decir, no probabilísticos) y sus métodos clásicos de inventario (por ejemplo, stocks de seguridad) fallan sistemáticamente bajo estas condiciones, ya que los supuestos del modelo subyacente (es decir, distribuciones normales para la demanda y los tiempos de entrega) son sistemáticamente violados por las condiciones reales del supply chain. Lokad puede, y ocasionalmente lo hace, optimizar los niveles de servicio. Para ello, introducimos los impulsores económicos relevantes: costos de carrying, costos de capital, penalizaciones por faltante de stock, margen bruto, etc. Luego, calculamos los niveles de servicio que maximizan los dólares de retorno por cada dólar gastado por el cliente.

Una vez hecho esto, nuestros clientes usualmente se dan cuenta de que los niveles de servicio pueden, de hecho, ser completamente ignorados. Lokad tiene la capacidad de aprovechar los impulsores económicos mencionados para optimizar directamente las decisiones de supply chain (en lugar de KPIs de supply chain algo arbitrarios). Así, el inventario termina teniendo niveles de servicio que reflejan la estrategia más rentable para la empresa. Esto es cierto a pesar de que Lokad optimiza directamente los dólares de retorno por cada dólar gastado en lugar de porcentajes conectados a KPIs arbitrarios.

“KPI arbitrarios” no es una hipérbole. Primero, el nivel de servicio se predica típicamente sobre satisfacer las solicitudes del cliente de forma aislada, en lugar de satisfacer las solicitudes del cliente de la manera más rentable posible. Esto último es una perspectiva mucho más matizada que tiene en cuenta los costos asociados a intentar alcanzar altos niveles de servicio para SKUs que, por sí solos, podrían no ser especialmente rentables. Ignorar esta perspectiva garantiza la continuación de costos innecesarios de inventario (y bajas de inventario). Esto se debe a que niveles de servicio arbitrariamente altos generan, por diseño, un flujo constante de inventario muerto.

Segundo, el nivel de servicio—un porcentaje arbitrario y burocrático—no equivale a “calidad de servicio” para los clientes. Los niveles de servicio ignoran, por diseño, todas las canibalizaciones y sustituciones que existen en una oferta. A la inversa, los niveles de servicio también ignoran, por diseño, todas las dependencias que existen dentro de la oferta, donde obtener el producto A solo tiene sentido si el producto B está disponible conjuntamente.

Tercero, incluso desde la perspectiva de un solo SKU, los niveles de servicio no abordan los pedidos al por mayor—situaciones en las que un cliente espera que esté disponible cierta cantidad para la compra. En este caso, tanto las estanterías vacías como las insuficientemente abastecidas son amenazas a la calidad de servicio.

En resumen, el nivel de servicio es un instrumento obsoleto de supply chain, que no debe confundirse con ‘calidad de servicio’, la cual sigue siendo tan importante como siempre. Lokad reconoce que una gestión del cambio oportuna puede requerir un período de transición con dichos KPIs; sin embargo, a largo plazo recomendamos encarecidamente la perspectiva económica superior que optimiza los dólares de retorno por cada dólar gastado.

Consulta La Supply Chain Quantitativa en Pocas Palabras para obtener más información sobre la perspectiva financiera de Lokad.

2.3 ¿Cómo optimizan los niveles de stock y reducen los costos de carrying?

Resumen ejecutivo: Lokad sigue un proceso de dos etapas. Primero, establecemos un modelo predictivo probabilístico. El modelo predictivo es una versión generalizada de los antiguos modelos de forecast de series temporales (ya obsoletos), ya que cubre todas las fuentes de incertidumbre, no solo la demanda. Segundo, aplicamos una optimización estocástica. La optimización estocástica es el proceso que genera las decisiones de supply chain de interés, p.ej., cantidades de reposición. Se dice que la optimización es ‘estocástica’ porque el criterio de optimización es ruidoso/randomizado, algo que refleja las condiciones inciertas futuras del supply chain.

El criterio de optimización preferido por Lokad refleja los impulsores económicos del cliente. Así, al optimizar el inventario de un cliente, Lokad cuantifica explícitamente los diversos costos (por ejemplo, costos de carrying, costos de capital de trabajo, costos por bajas, etc.) así como los beneficios (por ejemplo, margen bruto, penalizaciones por faltante de stock, etc.) para maximizar la rentabilidad. De este modo, ajustamos los niveles de stock para minimizar los costos de carrying, pero solo en la medida en que esas ganancias no sean compensadas por pérdidas derivadas de una calidad de servicio degradada.

Aunque el criterio de optimización preferido por Lokad se basa en la meticulosa cuantificación de los impulsores económicos del cliente, podemos ajustar nuestros criterios para reflejar cualquier número de factores alternativos. La plataforma de Lokad es programática, lo que significa que puede adaptarse para satisfacer cualquier criterio que el cliente desee, incluyendo aquellos que podrían expresarse en una hoja de cálculo tradicional de Excel.

Consulta Impulsores Económicos en Supply Chain y La Supply Chain Quantitativa en Pocas Palabras para obtener más información sobre la perspectiva financiera de Lokad.

2.4 ¿Cómo optimizan los stocks de seguridad para minimizar los faltantes de stock mientras controlan los costos de mantenimiento?

Resumen ejecutivo: Las decisiones ajustadas por riesgo de Lokad minimizan cuidadosamente el riesgo financiero real de los faltantes de stock elevando el(los) nivel(es) de stock hasta el punto en que los costos marginales de mantenimiento sean mayores que el costo de un evento de faltante de stock. Dado que la optimización debe enfrentarse a una incertidumbre ambiental constante—el futuro es incognoscible—se requiere una optimización estocástica. Los métodos tradicionales de forecast y optimización (es decir, modelos deterministas) no pueden manejar las variables futuras ruidosas/randomizadas—los forecast probabilísticos con optimización estocástica sí pueden.

Lokad optimiza todos los stocks—incluidos los stocks de seguridad—aprovechando los forecast probabilísticos combinados con una optimización estocástica. Los forecast probabilísticos incluyen la demanda futura y los tiempos de entrega futuros, así como cualquier otra fuente relevante de incertidumbre. La optimización estocástica puede ajustarse para adaptarse a cualquier criterio numérico, incluyendo la minimización de los faltantes de stock bajo una restricción máxima de costos de mantenimiento.

Los forecast probabilísticos son especialmente hábiles para abordar las condiciones inusuales que generan faltantes de stock en primer lugar. Si ocurre un faltante de stock, típicamente es porque la demanda o el tiempo de entrega han aumentado inesperadamente—posiblemente ambos. Los modelos clásicos de forecast de series temporales (es decir, no probabilísticos) solo identifican un único valor futuro (por ejemplo, X), descartando por completo lo que consideran los valores alternativos menos probables—aunque lejos de ser improbables—(por ejemplo, X+1, X-1, etc.).

Como resultado, los forecast clásicos de series temporales son en gran medida ciegos a la hora de evaluar cuantitativamente eventos poco probables, como aquel que ocasionaría un faltante de stock. Cuando una empresa busca tener una frecuencia de faltantes de stock de menos del 1% del tiempo (por ejemplo, por trimestre), los faltantes de stock que aún ocurren son, por diseño, parte del 1% de las situaciones más extremas.

El proceso de optimización estocástica es esencial para transformar los forecast probabilísticos originales en decisiones de supply chain, como las reposiciones de stock. La preferencia de Lokad es un enfoque puramente económico, donde el costo de los faltantes de stock se expresa en dólares (o euros), junto con los demás costos, tales como los costos de mantenimiento (carrying).

En la estimación de Lokad, el modelo de stock de seguridad es un concepto obsoleto, aunque puede incluirse en nuestra plataforma a solicitud del cliente. Recomendamos encarecidamente adoptar por completo la perspectiva de supply chain cuantitativa, en lugar de depender de métodos que no son adecuados para el propósito. Por ejemplo, posiblemente el mayor defecto de los modelos de stock de seguridad es que (por diseño) no pueden priorizar, en el caso de dos SKUs al borde de un evento de faltante de stock, cuál es el más importante. Esta perspectiva trata a los SKUs en estricta aislamiento, lo que derrota el intento de optimizar el supply chain en su conjunto.

Consulta Por qué el stock de seguridad no es seguro y Asignación de inventario al detalle con pronósticos probabilísticos para obtener más información sobre estos puntos.

2.5 ¿Calculan y ajustan dinámicamente los niveles de stock de seguridad a nivel de tienda/almacén?

Resumen ejecutivo: Sí, la plataforma de Lokad permite que todo el proceso de optimización de inventario se actualice cada vez que se proporcionen nuevos datos de entrada—típicamente a diario. Como regla general, mantenemos todos los cálculos por debajo de 60 minutos, incluyendo la actualización de todos los forecast y decisiones para cada SKU en cada ubicación—incluyendo tiendas y almacenes. Este enfoque flexible y escalable solo es posible gracias a las decisiones de ingeniería específicas.

La plataforma de Lokad enfatiza un diseño “sin estado” para la optimización de supply chain. No reciclamos cálculos previos, sino que recalculamos todo cada vez que recibimos datos de entrada sin procesar. Aunque esto puede aumentar los recursos de computación, es el único método efectivo (actualmente disponible) para garantizar la integridad del procesamiento de datos—algo que se compromete sin el diseño sin estado de Lokad. La alternativa es permitir que el entorno de producción del cliente se convierta en el campo de pruebas para datos semi-verificados—algo que Lokad no recomienda.

Estas actualizaciones abarcan todos los ajustes que rigen la optimización de supply chain que Lokad ofrece. Si el cliente lo desea, las actualizaciones pueden incluir forecast de series temporales, safety stocks y niveles de service optimizados. Sin embargo, Lokad recomienda encarecidamente que los clientes no dependan de estos métodos obsoletos y adopten por completo el superior poder de optimización del forecast probabilístico y la optimización estocástica.

Por favor, consulte Refresh Everything Every Day para obtener más detalles sobre este tema.

Véase también Stock levels & service levels 2.4 en estas FAQs.

2.6 ¿Evalúa el impacto de los niveles/fórmulas de safety stock en el mantenimiento de los niveles de service deseados?

Sí, a través de la plataforma de Lokad, un profesional de supply chain puede evaluar el impacto de un safety stock determinado en el nivel de service. En otras palabras, se puede elegir un nivel de safety stock y observar el correspondiente nivel de service. La plataforma también permite que el profesional de supply chain evalúe otros factores, tales como los costos de mantenimiento esperados (o al menos la duración de tenencia si no se han proporcionado las características económicas de los stocks) y/o el riesgo de dead stock.

Sin embargo, los safety stocks y los service levels son, en gran medida, conceptos obsoletos. A pesar de poder incluirlos en nuestra plataforma, Lokad no los recomienda. El forecast probabilístico y la optimización estocástica—la piedra angular de la optimización de Lokad—representan una alternativa superior en todas las dimensiones.

Por favor, consulte Retail Stock Allocation with Probabilistic Forecasts para obtener más detalles sobre este tema.

Véase también Stock levels & service levels 2.4 en estas FAQs.

2.7 ¿Permite Lokad la implementación de estrategias de inventario variadas, cada una con niveles de service específicos e intervalos de confianza, diferenciadas a través de múltiples dimensiones organizacionales (por ejemplo, por SKU, categoría de producto y/o región)?

Resumen ejecutivo: Sí, la plataforma de Lokad soporta la diferenciación de estrategias o políticas de inventario a nivel de SKU. Dichas estrategias pueden reflejar ajustes diferenciados—a nivel de SKU—teniendo en cuenta objetivos de service variables, intervalos de confianza variables (para safety stocks), etc. Estas estrategias también pueden diferenciarse en cualquier granularidad intermedia (no solo a nivel de SKU). Por ejemplo, es posible aplicar ajustes de forma selectiva por región, por categorías de producto o por atributo del artículo (por ejemplo, un umbral sobre el peso del artículo).

La plataforma de Lokad es programática, por lo que podemos implementar cualquier estrategia de inventario que se pueda expresar en una hoja de cálculo, sin importar lo arbitraria o inusual que pueda ser dicha estrategia. Los Supply Chain Scientists de Lokad llevan a cabo estas tareas y aseguran que el resultado refleje fielmente la intención original de la empresa cliente.

Aunque la plataforma de Lokad se puede utilizar para perseguir service levels, recomendamos encarecidamente no hacerlo. La plataforma de Lokad está mejor dedicada a optimizar el retorno en dólares por cada dólar gastado, y no porcentajes conectados a KPIs arbitrarios. De hecho, existen dos amplias objeciones a la noción misma de “service level”.

Primero, a pesar de un nombre similar, la conexión entre service level y quality of service—tal como la percibe el consumidor—es tenue. Muchos libros de texto de supply chain, y consecuentemente muchos softwares de supply chain, confunden falsamente ambas nociones. Los service levels ignoran por completo el rango de todas las posibles sustituciones, así como todas las posibles dependencias entre productos. Por ello, los service levels son un proxy deficiente para una comprensión real de la quality of service.

Segundo, los service levels, por diseño, contribuyen a la generación continua de descargos de inventario. Esto se debe a su enfoque singular en el lado positivo (es decir, en satisfacer la demanda), lo que en última instancia significa que es ciego al lado negativo (es decir, quedar con unidades de stock que nunca se venden, solicitan o consumen).

2.8 ¿Pueden hacerse cumplir los service level y los inventory turns por SKU o por P/N (Número de Parte)?

Sí, la plataforma de Lokad nos permite ajustar el proceso de optimización de inventario hacia un service level/inventory turn determinado, hasta el nivel de SKU, o a cualquier nivel de granularidad intermedio (P/N, marca, ubicación, categoría, punto de precio, etc.). En este sentido, la plataforma de Lokad puede orientar las decisiones de inventario para reflejar cualquier(s) objetivo(s) cuantitativo(s) que el cliente desee.

Sin embargo, ningún proveedor puede prometer que sus ajustes serán “aplicados”, al menos no en un SKU dado. Fundamentalmente, tanto los service levels como los inventory turns dependen del comportamiento de los clientes. Si hay un repentino aumento de interés por un producto, la demanda resultante puede superar ampliamente los niveles de stock, y no se cumplirá el objetivo de service level. De igual forma, si se produce una disminución del interés, tampoco se cumplirán los objetivos de inventory turn.

La tecnología de forecast probabilístico de Lokad asegura que, en promedio, a lo largo de muchos SKUs (es decir, miles) y durante un período considerable (es decir, semanas), los service levels y los inventory turns observados reflejan los ajustes deseados por el cliente. Esto es, en términos prácticos, lo “más cercano” que se puede conseguir razonablemente a “aplicar” ajustes que, en última instancia, son determinados por el(los) cliente(s).

Véase también Stock levels & service levels 2.7 en estas FAQs.

3. Overstocks

3.1 ¿Cómo integran el riesgo de descargo de inventario?

Los forecast probabilísticos utilizados por Lokad son un ingrediente crítico en la evaluación del descargo de inventario. A través de forecast probabilísticos, Lokad evalúa todos los futuros posibles, incluyendo aquellos menos probables, en lugar de basar todo el análisis en un único valor futuro determinado (es decir, forecast de puntos/series temporales clásicos). En realidad, es la brusca caída esperada (poco probable, pero no imposible) de la demanda lo que provoca el descargo de inventario, algo que los forecast probabilísticos están diseñados para cuantificar explícitamente de antemano.

Una vez establecidos los forecast probabilísticos, Lokad produce decisiones de supply chain ajustadas por riesgo. Estas decisiones se optimizan con respecto a los impulsores económicos relevantes, de los cuales la posibilidad de descargo de inventario es uno. La decisión (por ejemplo, un reabastecimiento de inventario) se ajusta por riesgo al equilibrar el lado positivo de un mejor servicio a los clientes con el lado negativo de la posible acumulación de dead stock posteriormente. Además, Lokad puede reflejar la opción intermedia que pueda estar disponible para la empresa cliente, como canales de venta secundarios que puedan absorber el stock extra, aunque a precios severamente descontados.

Véase también Stock levels & service levels 2.3 en estas FAQs.

3.2 ¿Cómo gestionan y optimizan el inventario muerto y/o inactivo?

Lokad aborda de forma proactiva el inventario muerto al eliminar, o al menos reducir drásticamente, las decisiones de supply chain que, en última instancia, lo generan. Este mecanismo proactivo se basa extensamente en los forecast probabilísticos que genera Lokad.

A diferencia de los forecast de series temporales clásicos que identifican un único valor futuro—ignorando así todas las alternativas—Lokad evalúa cuantitativamente todos los futuros posibles a través de sus respectivas probabilidades. Mediante esta evaluación, cuantificamos el riesgo de generar dead stock para cada decisión de supply chain (por ejemplo, ordenar 5 unidades en lugar de 4). Si se considera que una decisión de supply chain (por ejemplo, pedir 5 unidades adicionales) es demasiado arriesgada en términos de inventario muerto, entonces dicha decisión se ajusta para disminuir el riesgo. Naturalmente, el riesgo de descargo de inventario no se puede eliminar por completo, pero, una vez evaluado adecuadamente, la frecuencia de descargos de inventario puede ser reducida drásticamente.

En lo que respecta al inventario inactivo, a menos que este inventario sirva para un propósito muy específico (como puede ocurrir en entornos industriales donde las piezas de repuesto atienden fallos poco comunes pero críticos), Lokad recomendaría típicamente bajar el precio para impulsar la demanda. Esto, en última instancia, liquidaría lo que queda del inventario. La plataforma de Lokad es capaz de producir un proceso conjunto de optimización de inventario y precios para este mismo propósito.

Véase también Overstocks 3.1 en estas FAQs.

3.3 ¿Identifican el inventario que no rinde, por ejemplo, E&O (exceso y obsoleto) y dead stock?

Resumen ejecutivo: Sí. Utilizando forecast probabilísticos, Lokad identifica y cuantifica los ciclos de vida de las unidades en inventario para cada SKU. Para cada unidad en inventario, se estima la probabilidad de que dicha unidad sea solicitada (o servida o consumida) dentro de cualquier horizonte temporal. Por ejemplo, al considerar un SKU con exceso de inventario, podemos evaluar qué fracción del stock está en riesgo de convertirse en dead stock y qué fracción está en riesgo de volverse inventario depreciado (que requiere reducciones para incentivar las ventas). Este es el mismo enfoque que aplicamos respecto al inventario en exceso y obsoleto, y es un ingrediente principal en la generación de nuestras decisiones de supply chain recomendadas.

La perspectiva del forecast probabilístico permite a Lokad considerar todos los valores futuros posibles (por ejemplo, de la demanda), en lugar de confiar en uno solo (como en un forecast de series temporales tradicional). Esta perspectiva es crítica para abordar todas las sutilezas que existen al intentar mitigar los riesgos de inventario. Considerar el dead stock es algo que solo se puede prevenir (en lugar de gestionarlo después del hecho); el desafío es establecer un proceso que reduzca efectivamente la probabilidad de acumular dead stock desde el principio. Dicho proceso requiere cuantificar de manera precisa la probabilidad de que una decisión de supply chain genere inventario en exceso/obsoleto/muerto/depreciado.

Los modelos de forecast de series temporales son, por diseño, incapaces de este tipo de evaluación de riesgo. Una razón principal es que los forecast de series temporales solo consideran un único valor futuro (por ejemplo, la demanda). Este nivel de simplicidad permite que los SKU se descompongan ordenadamente en categorías limpias (como las clases A/B/C en un Análisis ABC). Sin embargo, esta simplicidad significa que no es posible una evaluación de riesgo detallada, dado que una lista ordenada de decisiones ajustadas por riesgo para cualquier SKU requiere datos para múltiples escenarios futuros (es decir, vender 1/2/3/4/5/etc. unidades del mismo SKU).

En resumen, adoptar un enfoque probabilístico al forecast (en este caso, de la demanda) se presta a una estrategia efectiva y proactiva que mitiga la generación de inventario que no rinde, en lugar de intentar gestionarlo después del hecho—momento en el cual no queda otra opción que desecharlo.

3.4 ¿Tienen KPIs para rastrear el inventario activo vs inactivo vs nuevo?

Resumen ejecutivo: Sí. La plataforma de Lokad es programática—lo que significa que podemos diseñar el tipo de KPI que deseemos—y nuestros Supply Chain Scientists llevan a cabo la construcción e implementación de los KPIs del cliente (en conjunto con su aportación). Lokad proporciona KPIs a medida que reflejan genuinamente las particularidades del inventario del cliente. Además, Lokad puede reproducir cualquier KPI que el cliente haya utilizado previamente y desee conservar, aunque típicamente estos serán menos útiles que los diseñados a medida por Lokad para el proyecto.

No solo puede Lokad rastrear la edad exacta de cada unidad en inventario, sino que, gracias a nuestros forecast probabilísticos, evaluamos la probabilidad de que la unidad permanezca en inventario durante cualquier período dado (1 semana, 1 mes, 1 año, etc.). Calificar el inventario como activo vs inactivo no es simplemente una cuestión de visualizar datos históricos. Más bien, implica una proyección de la demanda futura. Así, los “KPIs” son predictivos. Como resultado, dependen implícitamente de la idoneidad del modelo predictivo subyacente para realizar tal tarea. En este sentido, los forecast de demanda probabilísticos son muy adecuados para evaluar los riesgos asociados con una caída perjudicial de la demanda.

En contraste, algunos proveedores de software empresarial tratan los KPIs de inventario como si fueran un reflejo directo de los datos históricos. Sin embargo, el aspecto “predictivo” no se puede evitar. Más a menudo de lo que ocurre, esos proveedores no se dan cuenta de que dependen implícitamente de un forecast de demanda basado en un “promedio móvil”, lo que da la ilusión de que no se realiza ningún forecast. A su vez, esos KPIs inadecuados resultan perjudiciales para la empresa, ya que simplemente distraen a los profesionales de supply chain.

Véase también Overstocks 3.3 en estas FAQs.

3.5 ¿Cómo integran, monitorean y optimizan las depreciaciones mensuales de inventario? ¿Cómo manejan la variabilidad en el propio proceso de depreciación?

Resumen ejecutivo: Lokad aborda la depreciación de inventario mediante un enfoque integral que implica el seguimiento de la composición del inventario, la modelación de mecanismos de depreciación y la generación de decisiones de supply chain ajustadas por riesgo. Al mantener registros detallados de los niveles y edades del inventario, utilizar modelos predictivos para anticipar la composición futura del inventario y emplear capacidades programáticas para reflejar diversos mecanismos de depreciación, Lokad gestiona de manera efectiva tanto los factores internos como externos de depreciación. La plataforma de Lokad aprovecha la optimización estocástica para tomar decisiones de supply chain que consideran todos los impulsores económicos, incluidos los costos de depreciación, mitigando de forma proactiva los riesgos de depreciación de inventario y equilibrándolos con otras consideraciones operativas.

Abordar las depreciaciones de inventario implica atender una serie de subproblemas. El primer problema consiste en llevar un registro de la composición exacta del inventario—no solo de los totales expresados en unidades de stock. Por ejemplo, la edad de cada unidad importa. El segundo problema consiste en modelar el mecanismo de depreciación en sí mismo. Puede ser un fenómeno puramente endógeno, en el que los bienes se degradan con el tiempo, o un fenómeno exógeno, en el que las condiciones del mercado cambian y devalúan los bienes en el proceso. El tercer problema es generar decisiones de supply chain ajustadas por riesgo con respecto a la depreciación potencial.

Primero, a través de la plataforma de Lokad, hacemos seguimiento no solo de los niveles de stock, sino también de la antigüedad del stock de cada unidad en inventario (tanto pasado como futuro). Este proceso es un modelo predictivo por sí mismo. Incluso al observar datos históricos (obtenidos de sistemas empresariales), la composición en edades de las unidades en stock usualmente no se registra, solo se puede inferir. Hay una excepción notable para el inventario serial, donde cada unidad en stock se rastrea por su número de serie; en este caso, no es necesario un modelo predictivo para el pasado, pero aún necesitamos uno para el futuro. El modelo predictivo para la composición del inventario puede basarse en una suposición FIFO (primero en entrar, primero en salir) para el consumo del inventario, y en algunos patrones más matizados.

Por ejemplo, en una tienda minorista, los clientes pueden a veces adoptar un comportamiento adversario, como seleccionar únicamente los productos de mejor aspecto (o elegir según las fechas de caducidad, si están disponibles), convirtiendo en cierta medida el consumo del inventario en un modelo LIFO (último en entrar, primero en salir). Lokad puede gestionar tanto FIFO como LIFO, así como todo el espectro intermedio.

Segundo, a través de las capacidades programáticas de la plataforma de Lokad, podemos reflejar cualquier mecanismo de depreciación. Por ejemplo, Lokad puede reflejar una depreciación exponencial en la que los productos pierden una pequeña fracción de su valor en cada período; o Lokad puede reflejar una depreciación escalonada en la que los productos pierden una fracción considerable de su valor en ciertos umbrales de antigüedad. Además, el mecanismo de depreciación puede involucrar dependencias entre productos. Por ejemplo, se puede esperar que los productos pierdan una porción considerable de su valor cuando se introducen productos rivales superiores—como ocurre frecuentemente en ciertos verticales (por ejemplo, electrónica de consumo).

La variabilidad del proceso de depreciación, que tiende a ser pronunciada cuando se consideran depreciaciones exógenas, se beneficia de modelos predictivos (probabilísticos) dentro de la plataforma de Lokad. No necesitamos saber exactamente cuándo se introducirá un producto rival; al observar los datos históricos, podemos modelar la tasa de reemplazo de productos y reflejar la probabilidad de que cualquier producto dado quede obsoleto en un horizonte de tiempo dado (por ejemplo, una semana, un mes, un año, etc.). Estos modelos probabilísticos se aprenden aprovechando los datos históricos disponibles para Lokad.

Tercero, las decisiones de supply chain ajustadas al riesgo son calculadas por Lokad, considerando todos los factores económicos relevantes. El proceso es una optimización estocástica, ya que la función de pérdida (es decir, costos y beneficios) es ruidosa/variable. Los costos de depreciación se incluyen junto con todos los otros impulsores relevantes. Dado que la plataforma de Lokad incorpora tanto paradigmas de aprendizaje programático como de optimización, podemos producir decisiones ajustadas al riesgo mientras se consideran (y combinan) tipos muy diversos de costos.

En conclusión, al producir decisiones de supply chain ajustadas al riesgo (por ejemplo, orden de compra, orden de producción, etc.) que tienen en cuenta la depreciación del inventario, Lokad mitiga proactivamente la cantidad de inventario que finalmente incurrirá en depreciación. Cada decisión se orienta suavemente para evitar el riesgo de depreciación, pero sin llegar a empeorar otro problema, como degradar la calidad del servicio más allá de lo que se gana con la depreciación reducida.

3.6 ¿Proporcionan un informe de inventario de exceso/sobrestock?

Executive summary: Sí. La plataforma de Lokad cuenta con tecnología de demand forecasting de última generación. Aprovechamos esta tecnología para evaluar cuánto tiempo tomará ciclar todo el stock comprometido, ya sea disponible o en orden. Además, nuestra tecnología soporta forecasts probabilísticos, lo que proporciona una evaluación cuantitativa directa de los riesgos de sobrestock. Al combinar forecasts probabilísticos con un modelo económico del inventario que refleja todos los impulsores económicos pertinentes, Lokad ofrece una evaluación cuantitativa de los riesgos del inventario expresada en términos de impacto monetario (por ejemplo, euros o dólares).

El stock siempre se considera ‘excesivo’ cuando se compara con un modelo predictivo de la demanda. No existe algo como ‘stock excesivo’ sin hacer una afirmación sobre la demanda futura (aunque esta afirmación puede ser implícita). Cualquier solución de software que genere un informe de sobrestock basado en reglas tales como ‘más de X meses de stock’ se basa, implícitamente, en un forecast de demanda de promedio móvil, lo cual resulta poco impresionante para la mayoría de los verticales.

Además, sin un modelo económico robusto que refleje la ecuación costo/beneficio del inventario, la empresa cliente se expone a errores importantes en el inventario. Una decisión impulsada financieramente respecto al inventario puede parecer extraña al principio, pero ser perfectamente sensata. Por ejemplo, si un artículo es muy barato, muy pequeño, se vende con un margen bruto cómodo, es absolutamente requerido por el cliente (en pequeñas cantidades) y solo puede adquirirse cumpliendo con MOQs (cantidades mínimas de pedido) muy grandes, podría ser razonable mantener en stock más de un año de suministro de este artículo. Aunque tener stock para más de 1 año podría parecer un error, el retorno de la inversión podría contar una historia completamente diferente.

Ver No1 al nivel de SKU en la competencia de forecast M5 para más información sobre cómo es la aproximación de Lokad al forecasting en la práctica.

4. Faltantes de stock

4.1 ¿Asignan inventario a los SKUs con riesgo de faltante de stock?

Sí, en términos generales, una de las consecuencias de la optimización de inventario de Lokad es que el inventario termina siendo asignado a los SKUs a medida que aumenta su riesgo de faltante de stock. A igualdad de condiciones, los SKUs al borde de un evento de faltante de stock reciben atención prioritaria.

Dicho esto, recomendamos adoptar una perspectiva económica de extremo a extremo para la optimización cuando se trata de faltantes de stock. Esto significa considerar el impacto financiero total de una decisión en la supply chain (por ejemplo, asignar stock para evitar un evento de faltante de stock). Ocasionalmente, evitar los faltantes de stock no siempre tiene sentido económico.

Por ejemplo, para las tiendas de moda es natural que al final de la temporada se permita progresivamente que los artículos de una colección pasada alcancen el estado de faltante de stock. Esto se hace intencionalmente para dejar lugar a la siguiente colección, más nueva. De manera similar, si un producto es sustituido por una alternativa superior, tiene sentido permitir que el producto obsoleto llegue a faltar en stock y luego retirarlo del surtido. Así, en términos generales, una optimización económica razonablemente diseñada intentaría evitar los eventos de faltante de stock.

Sin embargo, una optimización de este tipo también proporcionaría una respuesta mucho más granular y sofisticada a la hora de dimensionar adecuadamente las inversiones (por ejemplo, cuántas unidades se asignan a un SKU dado) en primer lugar, para mitigar el riesgo financiero.

4.2 ¿Cómo priorizan las POs (órdenes de compra)?

Executive summary: Lokad prioriza las órdenes de compra (POs) evaluando los retornos económicos de cada unidad de stock a ordenar, con el objetivo de maximizar el retorno por dólar gastado. Esta evaluación granular, integrada con restricciones entre SKUs como las cantidades mínimas de pedido, se guía mediante forecasts probabilísticos y optimización estocástica. Estas tecnologías evalúan los riesgos y retornos de cada unidad, considerando factores como la demanda, los plazos de entrega y los retornos, para crear órdenes de compra optimizadas financieramente que equilibran las restricciones y la viabilidad económica.

El enfoque de optimización de Lokad consiste en evaluar los retornos económicos de cada unidad de stock a ordenar. Esto se realiza para mitigar el riesgo maximizando los dólares de retorno por cada dólar gastado. Esta evaluación tan granular se aprovecha en un proceso de optimización que genera las órdenes de compra que reflejan correctamente todas las restricciones entre SKUs (por ejemplo, las cantidades mínimas de pedido a nivel de proveedor). Estas restricciones se superponen sobre los retornos económicos por unidad que guían la priorización general. Como resultado, las POs de Lokad están internamente correctamente priorizadas y cada una viene con su propia evaluación económica (es decir, los dólares de retorno). Esta evaluación económica se obtiene mediante la agregación de los retornos económicos de todas las unidades que se agrupan en la PO.

Esta priorización de las POs impulsada financieramente se basa en dos ingredientes tecnológicos clave: el forecasting probabilístico y la optimización estocástica. Ambos ingredientes tecnológicos forman parte de la plataforma de Lokad.

El forecasting probabilístico, que incluye predecir no solo la demanda futura sino todas las demás fuentes de incertidumbre como los plazos de entrega o los retornos, es crítico para evaluar los riesgos asociados con una orden de compra. Estos riesgos incluyen el potencial de ganancia (por ejemplo, reducir el riesgo de un evento de faltante de stock) y el potencial de pérdida (por ejemplo, aumentar el riesgo de stock muerto). Mediante el forecasting probabilístico y aprovechando los impulsores económicos relevantes (por ejemplo, margen bruto, costos de almacenamiento, etc.), Lokad genera el retorno de inversión ajustado al riesgo esperado para cada unidad de stock a ordenar, incluyendo los retornos decrecientes a medida que se ordenan más unidades.

El proceso de optimización estocástica permite la composición de las propias POs. En ausencia de restricciones, se trata de una simple priorización de las unidades a comprar—clasificadas por su respectiva tasa de retorno dólar por dólar. Sin embargo, cuando existen restricciones entre SKUs, se requiere un proceso de optimización estocástica para componer de manera exitosa y automática las POs que hagan cumplir todas esas restricciones, mientras se preserva la evaluación financiera subyacente unidad por unidad.

4.3 ¿Envían órdenes a los proveedores respecto a SKUs estratégicos/críticos?

Sí, las órdenes de compra generadas por la plataforma de Lokad integran todas las preocupaciones relevantes, incluida la importancia estratégica/crítica que tienen ciertos SKUs. Estas preocupaciones pueden incluir información explícita del cliente así como evaluaciones cuantitativas implícitas/inferidas descubiertas a través del análisis de Lokad.

Por ejemplo, un SKU podría ser “crítico” debido a que se vende o atiende principalmente a clientes grandes e importantes. Alternativamente, un SKU podría ser crítico al formar parte de un kit o una lista de materiales (BOM), lo que convierte a este SKU en un cuello de botella de cierto tipo. Para estas situaciones, es preferible aprovechar la plataforma de Lokad para inferir la importancia del SKU mediante un análisis directo de los datos.

Más en general, la perspectiva financiera que Lokad recomienda está bien diseñada para acomodar diversas preocupaciones y combinarlas con las decisiones de supply chain recomendadas. Esta perspectiva financiera enfatiza la integración de todos los impulsores económicos, incluidos aquellos menos evidentes, como el costo de un evento de faltante de stock, en el proceso de toma de decisiones de la supply chain.

4.4 ¿Cómo consolidan las POs críticas (órdenes de compra) en una lista corta crítica para proveedores clave?

Executive summary: El enfoque de Lokad es cuantificar el impacto económico de cada decisión de supply chain. En la práctica, esto implica evaluar el impacto financiero (medido por el retorno dólar por dólar) de ordenar cada unidad adicional de stock. Al generar una lista que clasifica los ítems en términos de su retorno dólar por dólar, Lokad genera automáticamente listas que reflejan el mejor estado financiero posible para el cliente con respecto a sus impulsores económicos y KPIs (incluido el nivel de servicio). Esto elimina la necesidad de métodos tradicionales, como min/max, stocks de seguridad, etc., que en última instancia carecen de una dimensión financiera robusta.

El enfoque de forecasting probabilístico de Lokad nos permite generar POs ajustadas al riesgo que consolidan todas las unidades que se pueden ordenar de manera rentable (clasificadas de forma unitaria). Esto facilita refinar la PO aislando, dentro de la misma, las unidades que exceden un determinado nivel de retorno económico. Estas unidades de alto retorno son la esencia de la lista corta que se comunicará a los proveedores clave. El retorno económico refleja la penalización por faltante de stock (un impulsor económico menos común pero crítico que mide el impacto financiero de un evento de faltante de stock) de una forma u otra. Todo esto se realiza para evaluar adecuadamente la importancia de cada unidad cuando se trata de la calidad de servicio prevista.

Algunos métodos antiguos (ya obsoletos) (aún presentes en algunos software empresariales) consisten en evaluar las POs en relación con objetivos de nivel de stock (por ejemplo, min/max, stocks de seguridad, objetivos de cobertura, objetivos de reserva, etc.). Sin embargo, todos estos métodos carecen de mecanismos para cuantificar la importancia de cada unidad en estricta aislamiento de las demás unidades.

En realidad, dichos métodos no reflejan la influencia de los retornos decrecientes que se encuentran en la supply chain. Típicamente, la primera unidad ordenada vale más (tanto para la empresa cliente como para sus clientes) que la segunda unidad. Dado que los métodos tradicionales no cuantifican los retornos de inventario de manera unitaria, son incapaces de extraer un subconjunto verdaderamente crítico de unidades para ser enviado a los proveedores clave.

Componer una lista corta verdaderamente crítica requiere, por diseño, una tecnología que pueda cuantificar los retornos económicos de manera unitaria al ordenar, tecnología que Lokad posee.

4.5 ¿Cómo comunican una lista corta crítica, entre las POs (órdenes de compra) pendientes, a los proveedores?

Lokad prefiere comunicar las POs—incluidas las listas cortas críticas—a través de sistemas empresariales transaccionales (por ejemplo, un ERP u otro software empresarial similar). Las POs suelen tener la forma de exportaciones en archivos planos. Lokad podría utilizar el correo electrónico, pero nuestra preferencia es mantener toda la comunicación transaccional dentro del sistema empresarial del cliente (por ejemplo, ERP).

Ver también Control de Inventario para más información sobre la distinción entre sistemas analíticos (de los que Lokad es fundamentalmente) y sistemas transaccionales como los ERPs.

Ver también Faltantes de stock 4.4 en esta FAQ.

4.6 ¿Proporcionan un informe de faltante de stock?

Executive summary: Sí, la plataforma de Lokad es capaz de presentar un informe de faltante de stock que cubre no solo el estado actual del inventario, sino también una vista histórica de faltantes de stock previos. Esto nos permite identificar patrones pasados y factorizar ellos en la receta numérica que genera las POs optimizadas financieramente del cliente, reduciendo así la probabilidad de futuros eventos de faltante de stock.

Aunque es fácil contar el número de SKUs (stock keeping units) que tienen stock cero, esto no dice mucho sobre el impacto para el negocio de la empresa cliente: se debe cuantificar la pérdida neta de demanda. Por esta razón, Lokad recomienda abordar el problema mediante una evaluación financiera directa del costo de (la falta de) calidad del servicio. Ocasionalmente, por ejemplo, es razonable aceptar una baja calidad de servicio para productos no estratégicos que se están eliminando gradualmente de la oferta. Hacer lo contrario garantizaría una generación continua de dead stock. La plataforma de Lokad posibilita evaluar la pérdida, expresada en términos monetarios, en lugar de simplemente contar los SKUs con stock cero.

La pérdida cuantificada debe ser ‘neta’ de canibalización, sustitución y consumo retrasado por parte de los clientes. En la mayoría de los verticales existen varias opciones para satisfacer lo que el cliente quiere o necesita. Así, mientras una de esas opciones esté disponible, el cliente podría quedar muy satisfecho con el servicio. No considerar estos factores cross-SKU conduce a sobreabastecer SKUs que fundamentalmente sirven a la misma demanda, a expensas de otros SKUs que atienden segmentos completamente diferentes. Por el contrario, a veces un SKU con faltante de stock impide el consumo de otro SKU dependiente. Los clientes esperan que ambos SKUs estén disponibles y, de lo contrario, no consumen ninguno. La plataforma de Lokad puede usarse para modelar estas preocupaciones cross-SKU y su impacto (financiero) en la calidad del servicio percibida por los clientes.

Dependiendo del vertical, puede haber sutilezas más importantes a considerar. Por ejemplo, en una tienda de bricolaje, es poco probable que un cliente que busca 4 interruptores idénticos compre alguno si solo hay 3 unidades disponibles en la estantería. Así, aunque los interruptores no tengan faltante de stock, desde la perspectiva de algunos clientes, efectivamente lo tienen.

Otro ejemplo sería un supermercado que vende fruta. Ciertas frutas—por ejemplo, las fresas—son altamente perecederas, por lo que la tienda suele intentar deliberadamente provocar el faltante de stock antes de cerrar. Sin embargo, si el faltante de stock se produce demasiado temprano en el día (por ejemplo, si unos pocos individuos compran más de lo habitual), la mayoría de los clientes no queda adecuadamente atendida.

Estos ejemplos destacan la sutileza detrás de la naturaleza y las consecuencias de los eventos de faltante de stock. Los costosos síntomas de dichos eventos (por ejemplo, la pérdida de ventas potenciales) pueden manifestarse incluso en ausencia de la condición subyacente (por ejemplo, un faltante de stock real). La plataforma de Lokad puede utilizarse para modelar todas las sutilezas críticas en las que la calidad del servicio no puede inferirse mediante una inspección ingenua del nivel de stock.

4.7 ¿Identifican los productos con faltante de stock esperado y alertan a los usuarios?

Resumen ejecutivo: Sí, la plataforma de Lokad utiliza un avanzado forecast de demanda para identificar situaciones potenciales de faltante de stock y sugiere acciones correctivas en lugar de limitarse a emitir alertas. Estas acciones incluyen agilizar pedidos, utilizar proveedores alternativos, ajustar promociones, puntos de precio, promover sustitutos y organizar transferencias de inventario (etc.).

La plataforma de Lokad cuenta con una tecnología de forecast de demanda de última generación que puede utilizarse para identificar próximos eventos de faltante de stock. También es sencillo usar la plataforma de Lokad para generar alertas de stock para los supply chain practitioners. Sin embargo, no recomendamos el uso de alertas, ya que este enfoque no aprovecha bien el tiempo, sobre todo cuando las respuestas oportunas suelen ser críticas. En cambio, recomendamos utilizar la plataforma de Lokad para identificar próximos eventos de faltante de stock y proponer acciones correctivas proactivas.

Dependiendo del vertical, las acciones correctivas pueden incluir (a) recontactar a los proveedores para agilizar las órdenes de compra pendientes; (b) emitir órdenes de compra complementarias de proveedores alternativos (más cercanos); (c) cancelar promociones próximas en artículos que están a punto de quedarse sin stock; (d) aumentar el punto de precio de los artículos que están a punto de tener faltante de stock; (e) promover productos alternativos, considerados sustitutos relevantes, con antelación para aprovechar un efecto de canibalización; (f) organizar transferencias de inventario para reubicar el inventario inactivo. Estas son solo algunas de las acciones correctivas que la plataforma de Lokad puede recomendar de inmediato.

El software empresarial típico (como los ERPs) aún presenta alertas, un patrón de diseño que invariablemente conduce a una baja productividad de los empleados. Si hay algo que hacer respecto al próximo faltante de stock, el software debería recomendar directamente las acciones dentro de su lote normal de recomendaciones. Si no hay nada que hacer ante el próximo faltante de stock, la alerta se convierte en una distracción inútil. Históricamente, el software empresarial ha usado alertas como mecanismos poderosos para desviar la culpa de los malos resultados hacia los usuarios finales. Este enfoque es, en efecto, un intento de aislar al proveedor de software empresarial de las críticas; si la decisión de inventario recomendada fue buena, el software ha funcionado de maravilla; si fue pobre, el software queda exento de culpa debido a la alerta que emitió. Esto, por definición, traslada la “culpa” al usuario final. Lokad, por el contrario, asume la plena responsabilidad por la calidad de nuestras recomendaciones de inventario y las acciones correctivas sugeridas.

Ver No1 at the SKU-level in the M5 forecasting competition para obtener más información sobre cómo es el enfoque de Lokad hacia el forecast en la práctica.

5. Complicaciones

5.1 ¿Proponen parámetros de stock para nuevos productos?

Resumen ejecutivo: Sí, la plataforma de Lokad automatiza las decisiones de inventario para nuevos productos utilizando forecast de demanda probabilístico basado en atributos, analizando datos de productos lanzados previamente. Este enfoque se centra en decisiones directas como las cantidades a ordenar y las asignaciones, en lugar de los parámetros de stock tradicionales. Además, Lokad considera el impacto de los nuevos productos en el inventario existente, ayudando a evitar potenciales eventos de dead stock. Lokad soporta tanto el forecast de demanda como la optimización estocástica para las órdenes iniciales de inventario, teniendo en cuenta restricciones cross-SKU y capacidades logísticas.

La plataforma de Lokad automatiza todo el proceso de toma de decisiones de inventario para nuevos productos. Esto abarca los ‘parámetros de stock’, aunque normalmente no abordamos el desafío desde este ángulo. Los nuevos productos se benefician de forecast de demanda probabilístico basado en atributos. Es aquí donde Lokad analiza todos los productos lanzados previamente y cómo se desempeñaron en función de sus configuraciones de lanzamiento (por ejemplo, promociones y surtidos), además de las cualidades intrínsecas del propio producto (por ejemplo, tamaño, color y precio). Por lo tanto, el forecast para nuevos productos se automatiza, al igual que el forecast de los productos más antiguos.

Además, al considerar nuevos productos, tenemos en cuenta el stock disponible de inmediato para empezar a atenderlos, y el stock que aún está por llegar. También consideramos el impacto en los stocks existentes y las posibles consecuencias negativas de introducir (demasiado pronto) una nueva alternativa, posiblemente más atractiva, algo que potencialmente podría causar una situación inmediata de dead stock para otro producto.

En lugar de los típicos ‘parámetros de stock’, Lokad recomienda encarecidamente abordar el desafío mediante decisiones directas y financieramente optimizadas. Estas decisiones incluyen las cantidades a ordenar inicialmente y, posteriormente, las cantidades a asignar (SKU por SKU) para todas las ubicaciones. Las preocupaciones cross-SKU o de productos deben abordarse en esta etapa para aprovechar al máximo la capacidad logística finita del cliente.

Estas capacidades son con frecuencia insuficientes para hacer frente al potencial — y a menudo sorprendente — de los efectos de la novedad. Sin embargo, al distribuir la carga de trabajo a lo largo del tiempo, anticipando eficazmente el lanzamiento de nuevos productos, el problema se aborda sin estresar innecesariamente la capacidad logística del cliente.

La plataforma de Lokad proporciona todos los instrumentos numéricos necesarios para respaldar este proceso, incluyendo los forecast de demanda probabilísticos para los nuevos productos y la optimización estocástica para las órdenes y asignaciones iniciales de inventario. Este soporte abarca todas las restricciones relevantes cross-SKU.

5.2 ¿Pueden gestionar la asignación de inventario durante las fases promocionales (apoyando la actividad promocional)?

Resumen ejecutivo: Sí, la plataforma de Lokad está diseñada para gestionar la asignación de inventario durante las fases promocionales, alineando el stock con el aumento esperado de la demanda futura. Este proceso implica anticipar la demanda promocional, integrar datos de diversas fuentes como sistemas ERP y hojas de cálculo de marketing, y perfeccionar modelos predictivos que contemplen las diversas estrategias promocionales. Los Supply Chain Scientists de Lokad implementan estos modelos, considerando no solo los efectos inmediatos de la promoción, sino también el riesgo de overstock y las restricciones logísticas. La plataforma utiliza optimización estocástica para tomar decisiones de inventario ajustadas al riesgo, equilibrando la necesidad de contar con stock promocional suficiente con el riesgo de exceso de inventario tras la promoción.

El principio general de Lokad para la asignación del stock es alinear dichas asignaciones con la demanda futura esperada. En particular, un aumento esperado en la demanda futura, como es el caso de una promoción próxima, generalmente requiere un aumento correspondiente en la asignación de inventario. Además, la asignación normalmente debe realizarse con suficiente antelación al evento promocional, ya que se deben considerar las restricciones logísticas. Por ejemplo, la red podría no ser capaz de hacer frente al aumento de movimientos de inventario si todo el stock se mueve en el último momento. La plataforma de Lokad ha sido diseñada para soportar toda esta clase de problema y todas sus variantes.

Los Supply Chain Scientists (SCS) de Lokad son responsables de la implementación de las recetas numéricas que aseguran que las asignaciones de inventario reflejen adecuadamente las actividades promocionales planificadas.

Primero, esta responsabilidad incluye recopilar/organizar los datos que describen los planes de promoción. Estos datos rara vez se encuentran en una forma estructurada dentro de los sistemas empresariales (ERP); con frecuencia, solo se hallan en hojas de cálculo mantenidas por el departamento de marketing. La plataforma de Lokad está diseñada para integrar múltiples fuentes de información, incluyendo ese tipo de hojas de cálculo ad-hoc.

Segundo, la responsabilidad de un SCS abarca refinar el modelo predictivo para la demanda futura con el fin de reflejar la diversidad de mecanismos promocionales. Fundamentalmente, las promociones no se tratan solo de bajar precios. Normalmente implican destacar los productos mediante exhibiciones promocionales (por ejemplo, góndolas) u otros medios de comunicación (por ejemplo, newsletters). Además, algunos mecanismos reflejan dinámicas cross-product (por ejemplo, compra un producto y obtén un 50% de descuento en otro) que también deben abordarse. La plataforma de Lokad cuenta con amplias capacidades de modelado predictivo para soportar todo lo anterior.

Tercero, los SCS también están a cargo de generar decisiones ajustadas al riesgo que asignen suficiente inventario para satisfacer la demanda promocional, reduciendo al mismo tiempo el riesgo de overstock tras el fin de la promoción. Cuando las restricciones logísticas no son demasiado estrictas, también consideramos la oportunidad de aprovechar reposiciones durante la promoción para mitigar la exposición del cliente al riesgo de sobreasignación inicial (si la promoción resulta menos exitosa de lo anticipado). Una vez más, la plataforma de Lokad cuenta con amplias capacidades de optimización estocástica para calcular estas complejas decisiones ajustadas al riesgo.

5.3 ¿Cómo gestionan, visualizan y distinguen los diferentes tipos de promociones/recompensas para los titulares de tarjetas de fidelidad, incluyendo folletos, descuentos porcentuales, descuentos monetarios y promociones exclusivas?

La plataforma de Lokad cuenta con un amplio soporte de modelado para todos los mecanismos de precio y promoción que se presentan en el retail. Nuestra plataforma es programática, lo que significa que se puede ajustar para reflejar cualquier número de mecanismos promocionales — hasta ahora hemos identificado más de 50 ejemplos diferentes. Dado que nuestra plataforma también es capaz de procesar datos relacionales arbitrarios, podemos importar esta información exactamente tal como aparece originalmente en los sistemas empresariales transaccionales subyacentes.

Esto nos permite preservar la semántica original de los datos, en lugar de reformatearlos forzosamente según alguna plantilla definida por el proveedor. Además, nuestra plataforma ofrece capacidades programáticas para sus funciones predictivas/de machine learning. A través de estas capacidades, nuestros Supply Chain Scientists pueden crear modelos predictivos de demanda que reflejen los mecanismos en juego en la oferta promocional/recompensa del cliente.

Nota: Lokad solo se ocupa de la parte analítica de este problema; de identificar todos los patrones que configuran la demanda asociada a los mecanismos promocionales de un cliente. Lokad no está destinado a gestionar promociones, por ejemplo, en colaboración con el departamento de marketing del cliente. Aunque teóricamente es posible, es mejor mantener una separación entre las capas de software transaccional y analítico. Esto es Ver también #promotions

Ver también Differentiable Programming para obtener más información sobre los detalles matemáticos de nuestra tecnología.

Ver también Complicaciones 5.2 en estas FAQ.

5.4 ¿Gestionan la conversión de UoM (unidad de medida)?

Sí, la plataforma de Lokad soporta completamente todas las conversiones de UoM. También soportamos operar con UoMs (múltiples) inconsistentes, como sucede a veces cuando Lokad procesa datos de diferentes sistemas empresariales. Generalmente resolvemos cualquier incompatibilidad de UoM durante la fase de preparación de datos. Además, podemos optimizar el inventario mientras las restricciones se expresan mediante UoMs distintas. Por ejemplo, un Full Truck Load (FTL) viene con capacidades tanto de volumen como de peso.

Nota: Para el caso especial de la conversión entre divisas, la plataforma de Lokad también cuenta con capacidades integradas, como la función forex que abarca docenas de divisas ampliamente utilizadas. Esta función forex ofrece la posibilidad de aplicar conversiones históricas de divisas para reflejar los impulsores económicos tal como eran en el pasado. Esto permite a Lokad optimizar aún más la toma de decisiones al analizar el impacto económico real de las fluctuaciones históricas de las divisas y, así, refinar aún más la receta numérica del cliente.

5.5 ¿Gestionan las conversiones de Kit?

Resumen ejecutivo: Sí, Lokad soporta conversiones de kits y optimización de inventario, incluyendo el ensamblaje proactivo de kits y la reserva de stock. Nuestros forecast de demanda tienen en cuenta los elementos de kit vendidos por separado o en múltiples kits, considerando distintos ciclos de vida del kit. La optimización financiera de Lokad refleja el costo real de los faltantes de stock, reconociendo el valor y el impacto en el margen bruto de los elementos de kit críticos para múltiples kits de alto valor.

La plataforma de Lokad soporta conversiones de kits y también apoya la optimización de inventario en presencia de kits. Los kits son usualmente una versión simplificada de la BOM (listas de materiales), y se encuentran rutinariamente en el negocio retail (tanto online como offline). La optimización de inventario llevada a cabo por Lokad en presencia de kits incluye la capacidad de decidir cuándo reservar unidades de stock para kits y cuándo ensamblar proactivamente los kits, si el proceso de kitting tiene su propio límite de capacidad.

Además, los forecast de demanda generados por Lokad incorporan adecuadamente la realidad de que los elementos de kit también pueden venderse/servirse por separado, no solo como parte de un kit. Estos forecast también respaldan el caso en que los mismos elementos de kit se comparten entre varios kits—naturalmente, también apoyamos escenarios en los que los kits no comparten el mismo ciclo de vida, con kits que entran y salen de la oferta del cliente en diferentes plazos. Todos estos factores se reflejan adecuadamente en nuestra evaluación cuantitativa de la necesidad próxima de elementos de kit.

Finalmente, cuando se trata de optimizar las decisiones de inventario en presencia de kits, la perspectiva financiera recomendada por Lokad refleja adecuadamente las dependencias que existen entre los elementos de kit y los propios kits. Por ejemplo, un elemento puede ser económico y venderse con muy poco margen bruto, pero si este elemento es necesario para varios kits que tienen un valor y margen bruto mucho más altos, entonces un eventual faltante de stock de este elemento de kit resultaría mucho más costoso de lo que su propio valor sugiere. Esto se debe a que el valor indirecto del elemento podría ser significativamente superior al valor directo inmediatamente obvio.

Así, Lokad refleja mediante su optimización el costo real (teniendo en cuenta las dependencias de kit) de no poder atender los kits debido al faltante de stock de uno de sus elementos.

5.6 ¿Tiene en cuenta la vida útil de un artículo (o shelf life) en la decisión de realizar pedidos y la vida útil restante de los productos ya en el supply chain?

Resumen ejecutivo: Sí, la plataforma de Lokad lo logra rastreando el ciclo de vida de cada unidad de stock, incluyendo aquellas que están a punto de ser pedidas. Su diseño central incluye escalabilidad, eficiencia en el procesamiento de datos a nivel de unidad, manejo de datos relacionales para tener en cuenta las particularidades del ciclo de vida específico de cada producto, y forecast probabilístico para abordar las incertidumbres en los ciclos de vida de los productos y en los comportamientos de los clientes. Este enfoque optimiza las órdenes de compra, las asignaciones de stock y las estrategias de precios.

La plataforma de Lokad ha sido diseñada para poder rastrear cada unidad de stock a lo largo del tiempo, reflejando su propio ciclo de vida específico. De manera similar, el mismo patrón se aplica también a las unidades de stock potenciales, como aquellas que están a punto de ser pedidas. Al adoptar este análisis de alta granularidad, las órdenes de compra, las asignaciones de stock y los descuentos en precios optimizados por Lokad reflejan el(los) ciclo(s) de vida específicos de cada unidad que circula por la red.

Lokad’s platform makes this possible through several key aspects of its core design:

Primero, nuestra plataforma no solo es altamente escalable, sino también altamente eficiente. Modelar el flujo, unidad por unidad, es más intensivo que modelarlo a nivel de SKU (unidad de mantenimiento de stock); sin embargo, si el desafío se aborda simplemente arrojando toneladas de recursos de computación, la solución resultará ser muy costosa para la empresa cliente.

Segundo, la plataforma de Lokad cuenta con capacidades programáticas orientadas al procesamiento de datos relacionales. Los detalles específicos del ciclo de vida de los productos varían mucho de un producto a otro. Los productos agrícolas y los químicos ambos tienen shelf-life, pero sus detalles respectivos son muy diferentes. Lokad abraza estas especificidades para elaborar un modelo que refleje genuinamente lo que ocurre dentro del supply chain del cliente.

Tercero, la plataforma de Lokad cuenta con capacidades generales de forecast probabilístico. El(los) ciclo(s) de vida de los productos pueden venir acompañados de su propio conjunto de incertidumbres. Por ejemplo, en las tiendas retail, los clientes pueden priorizar la selección de artículos con el shelf-life restante más largo. Suponer que el flujo se ajusta a un comportamiento estricto FIFO (primero en entrar, primero en salir) sería un grave error. Las capacidades predictivas de la plataforma de Lokad se utilizan para forecast adecuadamente estos comportamientos sutiles pero inmensamente trascendentales.

5.7 ¿Identifica las expiraciones esperadas del inventario? ¿Proporciona un informe de alerta/advertencia de shelf-life?

Resumen ejecutivo: Sí, la plataforma de Lokad rastrea todo el ciclo de vida del inventario, incluso sin el seguimiento por número de serie, y puede incluso implementar modelado probabilístico para situaciones ambiguas como el retail B2C. Puede identificar expiraciones y depreciaciones potenciales, emitiendo alertas si se desea. Sin embargo, Lokad prefiere decisiones proactivas en el supply chain para evitar estos problemas, recomendando acciones como descontar o reasignar stock para gestionar los artículos en riesgo de expiración.

La plataforma de Lokad es capaz de rastrear el(los) ciclo(s) de vida específico(s) de cada unidad que circula a través de la red del supply chain del cliente. Nuestra plataforma es capaz de hacer esto incluso si las unidades no se rastrean a nivel de S/N (número de serie). Cuando hay ambigüedad respecto al orden de servicio o consumo de las unidades, como puede ocurrir en las tiendas retail B2C (de negocio a consumidor), Lokad aprovecha el modelado probabilístico para reflejar los estados probables del inventario. Esta información detallada sobre el estado del inventario puede utilizarse para identificar expiraciones y/o depreciaciones probables y reaccionar en consecuencia, posiblemente emitiendo alertas dirigidas a los equipos relevantes (si se desea).

Sin embargo, en lugar de alertas, Lokad recomienda aprovechar la información detallada que tenemos sobre el estado probable del inventario—hasta e incluyendo la fecha de expiración esperada de cada unidad en stock—para ajustar proactivamente cualquier decisión en el supply chain recomendada (calculada por Lokad). Por ejemplo, podemos recomendar descontar o promocionar un producto que esté en riesgo de sufrir expiraciones. Alternativamente, podemos recomendar activar la liquidación de los productos a través de un canal de ventas secundario (también a un precio descontado). Otra opción es asignar más stock, ya que reconocemos que el stock actual pronto se agotará, no por la demanda de los clientes, sino por expiración.

Fundamentalmente, si hay algo que se pueda hacer respecto a la expiración potencial identificada, Lokad asume la responsabilidad de presentar este llamado a la acción. Por el contrario, si no hay nada que se pueda hacer (por ejemplo, si el stock lamentablemente expirará y ya no hay ninguna medida correctiva disponible), entonces esas alertas solo serán una distracción para los equipos que no podrán hacer nada al respecto.

No hay nada más fácil para un proveedor de software empresarial que producir docenas (o incluso miles) de alertas, y para muchos proveedores incompetentes, es lo único que saben hacer. El verdadero desafío es producir llamados a la acción, algo que requiere que los proveedores (Lokad, en este caso) distingan lo que es accionable de lo que no lo es.

Ver también Complicaciones 5.6 en estas FAQ.

5.8 ¿Puede optimizar el EOQ (Cantidad Económica de Pedido) considerando los costos de pedido, los costos de entrada, el almacenamiento de inventario y los costos de vinculación de capital?

Resumen ejecutivo: Sí, la plataforma de Lokad puede optimizar el EOQ considerando diversos costos como los de pedido, envío, mantenimiento, capital de trabajo y costos de oportunidad—y varios otros menos evidentes. Utilizamos un enfoque más avanzado que la anticuada fórmula de Wilson, que resulta inefectiva debido a sus supuestos excesivamente simplificados y a la incapacidad de abordar los riesgos de baja de inventario. Lokad recomienda integrar los impulsores económicos en cada decisión de compra en lugar de centrarse únicamente en la cantidad de pedido.

La plataforma de Lokad ha sido diseñada para la optimización económica de las decisiones en el supply chain. En particular, es sencillo reflejar todos los gastos generales asociados con una orden de compra, incluidos los costos de pedido, de envío, de mantenimiento, el costo del dinero (capital de trabajo) y los costos de oportunidad. Además, las capacidades programáticas de Lokad también facilitan abordar todos los costos especializados que puedan ser relevantes para el negocio del cliente más allá de la lista reducida mencionada anteriormente. Sin embargo, recomendamos internalizar los impulsores económicos en cada decisión de compra, en lugar de destacar una cantidad a pedir, como se hace en el EOQ.

La teoría clásica del supply chain propone usar la fórmula de Wilson para el EOQ (cantidad económica de pedido). Este enfoque presenta un defecto grave e inmediato: impone un redondeo burdo que resulta ineficaz la mayor parte del tiempo. Por diseño, el EOQ no puede abordar el riesgo de baja de inventario. Así, aunque pueda ser algo ineficiente pedir una cantidad por debajo del EOQ teórico, en la práctica, frecuentemente es una opción mucho mejor en lugar de pedir más y generar inmediatamente una baja considerable.

Ver también Costes de inventario para obtener más información sobre el enfoque de Lokad en cuanto a evaluar, categorizar y optimizar los costos de inventario.

5.9 ¿Dispone de KPIs para el inventario en estado de “No Conformity”?

Sí, la plataforma de Lokad puede proporcionar fácilmente un dashboard y/o KPIs de “No Conformity”. Dado que nuestra plataforma es programática, cualquier dato que pueda extraerse del sistema de negocio transaccional puede mostrarse. Esto también significa que no hay limitación en el cálculo/presentación de los KPIs—pueden diseñarse completamente de acuerdo con las especificaciones/reglas del cliente. Una plataforma programática es necesaria aquí porque no existe una definición estándar de la falta de conformidad entre las empresas.

La plataforma de Lokad también es capaz de producir un modelo predictivo de estos eventos de no conformidad aprovechando datos históricos. Por ejemplo, algunos proveedores pueden tener problemas de calidad, y una fracción de su envío puede no pasar siempre la inspección. Como resultado, las cantidades efectivamente disponibles para atender a los clientes del cliente pueden ser frecuentemente menores que las originalmente pedidas. Al modelar estas incidencias con un modelo de forecast probabilístico, Lokad puede producir decisiones de pedido ajustadas al riesgo que también tengan en cuenta esta incertidumbre.

5.10 ¿Proporciona un informe sobre materiales críticos?

Sí, la plataforma de Lokad puede generar fácilmente un informe sobre cualquier material que el cliente considere ‘crítico’.

Para Lokad, este es un concepto vago ya que no existe una definición fija de lo que constituye un ‘informe de materiales críticos’. Según nuestra experiencia, esto varía de un sector a otro. Para FMCGs (bienes de consumo de rápida rotación), los ‘materiales críticos’ suelen ser aquellos que tienen mayor rotación, con los volúmenes más altos tanto en unidades como en términos monetarios. Para la aviación, la ‘criticality’ se refiere a las piezas que pueden causar un incidente AOG (aircraft on ground) si se quedan sin stock. Para las tiendas de mercancía general, la ‘criticality’ frecuentemente se refiere a productos que los clientes esperan encontrar en la tienda.

Las capacidades programáticas de Lokad son esenciales para abordar este tipo de requerimientos. A través de estas capacidades, cualquier regla que se pueda implementar en una hoja de cálculo o en una herramienta de inteligencia de negocios también puede implementarse mediante nuestra plataforma. No disponer de tales capacidades programáticas obligaría a los profesionales del supply chain a recurrir a hojas de cálculo, ya que no pueden permitirse una aproximación vaga de lo que la empresa considere ‘crítico’. La capa analítica (Lokad en este caso) debe ser capaz de adherirse completamente a las complejidades del negocio, de ahí la necesidad de una funcionalidad y libertad programáticas completas.

6. Informes

6.1 ¿Dispone de KPIs para la cantidad total de inventario? Específicamente, ¿cubren estos los índices de rotación y de cobertura? Además, ¿se pueden segmentar estos KPIs según el número de parte (P/N), la plataforma de producto y la calidad del producto, así como proporcionar un informe de progreso mensual a través de diferentes actividades y sectores basado en la calidad de los productos?

Resumen ejecutivo: Sí, Lokad ofrece amplias capacidades de informes, incluyendo KPIs personalizables para la gestión de inventario, adaptables a requerimientos específicos del cliente como número de parte, plataforma de producto y calidad del producto. Nuestro lenguaje específico de dominio (Envision) simplifica la visualización de datos y la creación de dashboards, abordando las estructuras de datos únicas de cada empresa sin la necesidad de formatos de datos estándar, evitando así largos proyectos de integración comunes en el software empresarial tradicional. Este enfoque garantiza alta productividad, fiabilidad y escalabilidad en la generación de informes a medida y en la gestión de la optimización del supply chain.

La plataforma de Lokad cuenta con amplias capacidades de informes integradas. Como regla general, cualquier informe que se pueda producir con una hoja de cálculo o con una herramienta de inteligencia de negocios también puede ser producido por Lokad. Lokad ha diseñado un DSL (lenguaje de programación específico de dominio) dedicado a la optimización predictiva del supply chain (llamado ‘Envision’). Como sugiere el nombre Envision, este DSL pone un énfasis importante en facilitar la visualización de datos. Los Supply Chain Scientists de Lokad son típicamente responsables de la configuración de todos los dashboards y KPIs relevantes. Además, la plataforma de Lokad ha sido diseñada para soportar renderizados en tiempo constante de dashboards complejos. Esto nos permite crear dashboards que reúnen todos los elementos relevantes en un solo lugar, aliviando la necesidad de que los profesionales del supply chain naveguen por un laberinto de pantallas/despliegues desconectados mientras intentan obtener la información que necesitan para su rutina diaria.

Todos los informes producidos por Lokad son “a medida” para la empresa cliente—a diferencia de lo que se encuentra típicamente en software similar. La realidad es que producir tales informes solo es posible utilizando una plataforma programática y flexible, dado que los informes—even “básicos”—dependerán completamente de los detalles únicos del cliente en cuestión (incluyendo su ecosistema de aplicaciones). En nuestra experiencia, no hay dos empresas iguales, incluso si usan el mismo software para organizar sus datos empresariales de la misma manera exacta.

En un entorno de producción, el “data plumbing” mundano representa más del 90% del trabajo invertido en generar dichos informes. Así, a través de Envision, Lokad aborda de frente el desafío de productividad asociado a este data plumbing. Además, este enfoque nos brinda la posibilidad de preservar todas las codificaciones, jerarquías y convenciones preexistentes en el(os) otro(s) sistema(s) de negocio del cliente. Por lo tanto, Lokad termina “hablando el mismo lenguaje” que el personal del cliente, en lugar de introducir otro conjunto de convenciones que los empleados deben descifrar.

El enfoque convencional en el software empresarial consiste en establecer un conjunto de requisitos de datos. Una vez que los datos de entrada cumplen esos requisitos, se desbloquean todas las funciones de reporte y análisis. Desafortunadamente, este enfoque funciona mal para cualquier empresa salvo las más pequeñas. Nunca existe una correspondencia uno a uno entre los sistemas empresariales originales (la fuente de los datos) y los sistemas analíticos empaquetados. Como resultado, la traducción de los datos es tanto increíblemente exigente como frustrante, ya que simplemente no es posible hacer que todo encaje. Lo que parecía ser una simple cuestión de “configuración” para importar los datos del negocio al sistema analítico empaquetado invariablemente se convierte en un proyecto de integración de un año. Esta es la consecuencia ineludible de intentar conciliar dos perspectivas complejas y distintas sobre supply chain. Las decisiones de diseño de la plataforma de Lokad eliminan este problema por completo.

6.2 ¿Tienen informes de salud y cobertura de inventario?

Resumen ejecutivo: Sí, Lokad proporciona informes de salud y cobertura de inventario a través de avanzados forecast probabilísticos y herramientas en su plataforma, permitiendo evaluaciones precisas de riesgo —típicamente expresadas en términos monetarios. Estas evaluaciones de riesgo financiero son los “riesgos de salud” fundamentales para el inventario del cliente. A diferencia de los forecast de series temporales tradicionales, que consideran solo un futuro, el enfoque de Lokad tiene en cuenta múltiples valores futuros posibles (p.ej., demanda), ofreciendo una visión más precisa y completa de los riesgos del inventario, ayudando así a evitar —o al menos reducir— los problemas de salud del inventario.

La práctica predeterminada de Lokad es proporcionar instrumentos de supervisión de inventario, tales como informes de salud y cobertura de inventario. Los Supply Chain Scientists de Lokad son responsables de generar dichos informes. La plataforma de Lokad viene con amplias capacidades de reporte programático. Esto incluye todas las herramientas necesarias para convertir forecast probabilísticos —en lo que respecta a la demanda, el lead time y todas las fuentes relevantes de incertidumbre— en proyecciones de alto nivel, idealmente reflejando dólares de costos de inventario, en oposición a porcentajes.

La “salud” del inventario es siempre relativa a las condiciones futuras esperadas del mercado. El número de unidades en stock solo se considera excesivo si está muy por encima de la demanda futura esperada, y no si excede la demanda observada en el pasado. Por ejemplo, la demanda pasada podría ser cero para un producto nuevo o para un producto que sufrió un faltante de stock duradero. Así, la clave del desafío es convertir las proyecciones/forecasts en informes.

Aquí, los forecast probabilísticos (preferidos por Lokad), que consideran todos los futuros posibles y les asignan probabilidades, son ideales. Esto se debe a que nos permiten evaluar con precisión los riesgos del inventario asignando probabilidades a la ocurrencia de un riesgo y, posteriormente, evaluando el impacto financiero potencial asociado a ese riesgo. Son estos riesgos, expresados en términos monetarios (p.ej., dólares o euros), los que se reflejan en los informes que proporciona Lokad.

En contraste, los forecast de series temporales clásicos —por diseño— solo consideran un único valor futuro posible (p.ej., demanda). Como tal, estos forecasts no son capaces de transmitir adecuadamente la amplia gama de riesgos financieros que el cliente podría enfrentar basándose en sus decisiones de inventario. La sofisticación de los forecast de series temporales es irrelevante: la forma/estructura del forecast no transmite la información requerida. Algunos intentos de evadir este problema han involucrado heurísticas crudas para evaluar los riesgos del inventario mediante una inspección directa del pasado reciente. Un ejemplo incluyó contar los SKU que tienen más de X semanas de inventario disponible (p.ej., 2 o 3). Sin embargo, estos métodos invariablemente producen indicadores de baja calidad que confunden a los profesionales de supply chain en lugar de ilustrarlos.

6.3 ¿Pueden alertar al equipo de adquisiciones cuando una PO (Purchase Order) necesita ser pospuesta o acelerada?

Resumen ejecutivo: Sí, Lokad puede emitir estas “alertas”, aunque preferimos el término “decisiones”. La plataforma de Lokad genera una lista automatizada de recomendaciones para la toma de decisiones, que incluye revisar de manera reactiva las órdenes de compra (POs) basándose en beneficios económicos y la cooperación del proveedor. Preferimos “decisiones” a “alertas”, ya que nuestras recomendaciones son llamadas directas a la acción (con costos y beneficios modelados), en lugar de simplemente informar al cliente de un problema potencial.

Lokad automatiza la generación de decisiones con una perspectiva que incluye posponer o acelerar las POs según sea necesario. Estas decisiones se priorizan en términos de recompensa económica (muy similares a las decisiones típicas de Lokad), y los factores incluyen los beneficios económicos asociados con una PO revisada. Estos factores pueden incluir goodwill negativo para reflejar la sobrecarga generada para el proveedor, y la probabilidad de que la revisión sea aceptada e implementada por el proveedor. De manera similar, Lokad puede sugerir revisar la cantidad de la PO hacia arriba o hacia abajo —suponiendo que el proveedor esté dispuesto a esta opción. Los Supply Chain Scientists de Lokad establecen los pormenores de las opciones disponibles en lo que respecta a las POs y luego automatizan la lógica que genera las “alertas” correspondientes —algo que Lokad preferiría llamar “decisiones”.

Lokad se refiere a las “alertas” como “decisiones” porque cada una de las recomendaciones tiene costos y beneficios potenciales, lo que conlleva consecuencias tangibles para la supply chain. En este sentido, las recomendaciones no son fundamentalmente diferentes de recomendar realizar una PO en primer lugar. La principal diferencia es la incertidumbre sobre la disposición (o capacidad) del proveedor para acomodar la corrección solicitada para la PO, pero en el caso de que el proveedor cumpla con la solicitud, esta recomendación es tan válida como una “orden”, al igual que la PO original.

Muchos software empresariales ofrecen una perspectiva antigua (ahora obsoleta) sobre las decisiones en supply chain, limitando dichas decisiones a situaciones estrechas, propias de los libros de texto, como la compra o el reequilibrio de stock. Este tipo de software ignora, por diseño, todas las opciones matizadas que pueden surgir con los proveedores. Por ejemplo, el proveedor puede tener la posibilidad de acelerar, posponer, inflar o deflactar su orden, e incluso, posiblemente, sustituir algunos productos por otros. A veces, el proveedor tiene la posibilidad de enviar una fracción de la PO de manera anticipada, si la empresa cliente está dispuesta a soportar la sobrecarga de múltiples envíos. Otras veces, los bienes intactos pueden ser devueltos al proveedor por un período de tiempo específico. Las capacidades programáticas de la plataforma de Lokad son un ingrediente tecnológico necesario para abordar estas opciones matizadas.

6.4 ¿Pueden alertar al equipo de adquisiciones cuando se alcanza o se retrasa una fecha de entrega esperada?

Sí, la plataforma de Lokad puede generar y emitir fácilmente alertas cuando una fecha de entrega esperada se retrasa. Nuestro enfoque de forecast probabilístico nos permite refinar estas alertas en presencia de lead times variados.

Un forecast probabilístico del lead time puede utilizarse para evaluar si un retraso dado es verdaderamente anómalo o simplemente parte de las variaciones intrascendentes cotidianas observadas en supply chain. Además, las alertas pueden priorizarse para reflejar el impacto económico esperado del retraso. Por ejemplo, si la demanda ha caído inesperadamente, el lead time extra podría resultar accidentalmente intrascendente, y por lo tanto no justificar la atención inmediata del equipo de adquisiciones. Fundamentalmente, cada parte móvil de la supply chain compite por la atención del equipo de adquisiciones. Esta atención es un recurso escaso y, en última instancia, es algo que Lokad pretende maximizar con las alertas que genera.

Fundamentalmente, nuestra postura es que emitir “alertas” (tal como se entienden popularmente) es un enfoque obsoleto, indicativo de un software empresarial mal diseñado. Las “alertas” normalmente llaman la atención del cliente sobre un problema, en lugar de proporcionar una recomendación o decisión accionable basada en una evaluación financiera clara de la situación. Lokad cree que es esencialmente nuestra responsabilidad generar decisiones ajustadas al riesgo para los clientes, en lugar de distraerlos con alertas básicas. Por ello, aunque las emitamos, nuestro uso de “alertas” debe entenderse como “acciones o medidas correctivas rentables en respuesta a un problema”.

Véase también Reporting 6.3 en estas FAQ.

7. Productividad

7.1 ¿Pueden los usuarios definir manualmente los umbrales de reposición y/o anular manualmente los parámetros de stock?

Resumen ejecutivo: Sí, la plataforma de Lokad permite a los usuarios establecer manualmente los umbrales de reposición y anular los parámetros de stock, incluyendo la adición de ajustes temporales. Sin embargo, desaconsejamos encarecidamente las anulaciones manuales frecuentes. En cambio, si existe algún problema con las decisiones que genera Lokad, preferimos actualizar o afinar la receta numérica subyacente (algoritmo) que las genera. Lokad —filosóficamente, tecnológicamente y metodológicamente— pretende superar los enfoques anticuados e ineficaces que dependen de intervenciones manuales, prefiriendo una automatización confiable y escalable.

La plataforma de Lokad es altamente configurable, por lo que el flujo de trabajo para la reposición de inventario puede incluir fácilmente entradas de datos o anulaciones manuales para los umbrales de reposición u otros parámetros de stock similares (p.ej., mínimo/máximo, stock de seguridad, etc.). Además, también es posible considerar variantes como asociar las entradas de datos manuales con ‘fecha(s) de expiración’ si los profesionales de supply chain esperan que la situación se normalice en unas pocas semanas o meses. Esto permitiría que la receta numérica regular recupere el control del proceso de reposición. Aunque un umbral fijado podría ser beneficioso a corto plazo, casi invariablemente resulta problemático a mediano plazo, ya que el umbral pierde su relevancia original.

Más en general, Lokad aboga firmemente por no depender de anulaciones manuales para gestionar las reposiciones rutinarias de inventario. Si la receta numérica que rige las reposiciones de inventario presenta problemas, entonces esa receta debe ser arreglada de manera urgente. Los Supply Chain Scientists de Lokad están entrenados para proporcionar las correcciones necesarias de manera oportuna. Optar por depender de anulaciones manuales equivale a que el personal del cliente utilice cinta adhesiva para soluciones a corto plazo. Esto es claramente ineficiente y contrario a una de las consecuencias centrales de la teoría de Supply Chain Quantitativa, a saber, redirigir el tiempo, los recursos y el ancho de banda hacia tareas de mayor valor.

El enfoque de Lokad se opone directamente a muchos proveedores de software empresarial que ofrecen tecnologías obsoletas y que obligan al consumidor a realizar anulaciones regulares —ineficientes. Esta dinámica se basa en la comprensión tácita de que el cliente es responsable de corregir la basura que produce el software. Con frecuencia, la responsabilidad se desvía del proveedor de software mediante la emisión de “alertas” que llaman la atención del cliente sobre una situación subóptima (sin proporcionar una acción correctiva útil). Como resultado, siempre que la reposición es incorrecta, la culpa se traslada al profesional que debería haber anulado manualmente el sistema. Lokad considera esta práctica indignante, precisamente por ello no la aplicamos.

7.2 ¿Pueden automatizar los parámetros de stock basándose en variables predefinidas o definidas por el usuario (p.ej., desempeño del proveedor, nivel(es) de servicio objetivo, variabilidad de la demanda, clase de SKU, vida útil, etc.)?

Resumen ejecutivo: Sí, Lokad automatiza las decisiones de inventario, incluidos los parámetros de stock, a través de un proceso diario completamente automatizado con mínima intervención manual. Esta automatización se adapta a grandes interrupciones según sea necesario. El proceso utiliza forecast probabilísticos para abordar incertidumbres como la variabilidad de la demanda y los lead times, y un robusto enfoque financiero (implementado a través de optimización estocástica) que considera la totalidad de los costos y restricciones. Esto permite a Lokad maximizar el servicio y minimizar los errores financieros en presencia de condiciones inciertas en supply chain.

El enfoque predeterminado de Lokad es automatizar todo el proceso que rige el cálculo de las decisiones de inventario, como las cantidades de reposición. Para Lokad, la norma es contar con un proceso diario completamente automatizado que no requiera intervención manual. La gran mayoría de nuestros clientes operan durante semanas sin intervención manual. Naturalmente, cuando ocurren interrupciones grandes e inéditas (p.ej., choques sistémicos como los lockdowns), los Supply Chain Scientists de Lokad están listos para intervenir y ajustar la(s) receta(s) numérica(s) para mitigar la interrupción. Sin embargo, creemos que las decisiones rutinarias y cotidianas deben estar completamente automatizadas, para redirigir el tiempo y el esfuerzo mental hacia tareas de mayor nivel (como la estrategia empresarial).

La automatización de la actualización de todos los parámetros de stock se efectúa en dos niveles: el modelo predictivo y la optimización estocástica.

Lokad utiliza forecast probabilísticos para todas las fuentes relevantes de incertidumbre, tales como los lead times, devoluciones, etc. Por ejemplo, en el escenario de lockdown mencionado anteriormente, el caso del desempeño del proveedor es implícitamente un problema de variabilidad del lead time que debe abordarse mediante forecast probabilísticos de lead time. La plataforma de Lokad no solo es capaz de producir todos esos forecast probabilísticos, sino también de combinarlos en una visión probabilística unificada del futuro de la empresa. Dentro de la plataforma de Lokad, típicamente aprovechamos la programación diferenciable y nuestro álgebra de variables aleatorias para este propósito.

Cuando se trata de la optimización en sí, debemos considerar todos los costos y restricciones relevantes. Por ejemplo, en el mismo escenario de confinamiento, la vida útil se referiría implícitamente a un tipo específico de costo de mantenimiento no lineal. Una de las razones por las que Lokad promueve un enfoque financiero para la optimización del inventario es que facilita la combinación de muchas preocupaciones aparentemente dispares en una perspectiva numérica unificada. Esta perspectiva numérica ayuda a Lokad a minimizar los dólares (o euros) de error en el inventario, mientras maximiza los dólares de retorno obtenidos al atender adecuadamente a los clientes. Con la plataforma de Lokad, normalmente aprovechamos nuestras capacidades generales de optimización estocástica para este fin. La parte ‘stochastic’ se refiere a la capacidad de Lokad para realizar una optimización bajo condiciones ruidosas/inciertas/aleatorias.

7.3 ¿Automatiza la emisión de PO (orden de compra)?

Resumen ejecutivo: Sí, Lokad automatiza la generación de órdenes de compra (PO), basándose en una canalización de datos automatizada para la entrada desde (y la salida hacia) los sistemas empresariales, asegurando órdenes actualizadas y sincronizadas. Funciona como una capa analítica sobre los sistemas transaccionales, calculando cantidades optimizadas pero sin ejecutar pasos transaccionales como la creación de PDF. Lokad también ofrece una opción semiautomatizada con flujos de trabajo de validación parcial, permitiendo la supervisión manual para órdenes críticas mientras automatiza las rutinarias.

Lokad automatiza la generación de órdenes de compra optimizadas. Esta automatización requiere una canalización de extracción de datos automatizada entre el cliente y la plataforma de Lokad. Idealmente, esta canalización de datos transmite actualizaciones diarias, asegurando que Lokad opere con datos frescos. Esto mantiene las órdenes de compra generadas sincronizadas con el estado del negocio. Esta automatización también requiere una canalización de exportación de datos automatizada desde Lokad hacia los sistemas empresariales originales, donde se pueden completar los pasos mundanos y puramente transaccionales del proceso de pedido.

Lokad no es un reemplazo de un sistema empresarial transaccional, como un ERP. Lokad es una capa analítica que opera sobre el sistema empresarial transaccional. Lokad calculará las cantidades optimizadas (es decir, cuánto se debe ordenar y cuándo) para cada orden de compra. Sin embargo, Lokad no generará un archivo de orden en PDF para ser enviado por correo electrónico al proveedor (por ejemplo). Estos pasos pertenecen al ámbito de los sistemas empresariales transaccionales. Por esta razón, Lokad genera archivos tabulares planos que contienen toda la información necesaria. Estos datos se exportan posteriormente al sistema empresarial del cliente para su ejecución.

Es posible para nosotros establecer un proceso semiautomatizado con un flujo de trabajo de validación parcial dentro de la plataforma de Lokad. Por ejemplo, la empresa cliente podría decidir que las órdenes de compra “triviales” se validen automáticamente (típicamente las pequeñas), mientras se solicita que un profesional de supply chain intervenga y valide manualmente las cantidades de pedido recomendadas sugeridas por Lokad por encima de cierto umbral/parámetro deseado. Estas reglas también pueden actualizarse con el tiempo. A medida que el proyecto avanza y los clientes perciben el valor generado, tiende a incrementarse el umbral para la validación manual. En última instancia, esto alivia la carga sobre el/los equipo(s) de supply chain del cliente.

7.4 ¿Dispone de una ventana para planificador/comprador que muestre el conjunto de tareas del día, organizadas por prioridad?

Resumen ejecutivo: Sí, la plataforma de Lokad proporciona un panel unificado especial, diseñado específicamente cada día para funciones corporativas de alto nivel. Esta ventana única organiza y muestra tareas, incluyendo llamados a la acción como la gestión de PO y la inspección de anomalías de datos, y las prioriza en términos de impacto monetario.

Al utilizar la plataforma de Lokad, recomendamos que cada función corporativa reúna en un único panel web (es decir, en una única ventana) todos los llamados a la acción ordenados por prioridad. La prioridad debe expresarse en términos monetarios (dólares o euros de impacto) que reflejen genuinamente lo que está en juego si el llamado a la acción no se procesa. Para un planificador de demanda y supply chain, este panel incluiría típicamente las nuevas órdenes de compra recomendadas (PO), así como cualquier orden de compra antigua que requiera mayor atención (por ejemplo, acelerar, posponer, inflar, reducir). Los Supply Chain Scientists de Lokad son típicamente responsables de organizar los paneles de manera que se alineen con la estructura corporativa única de cada cliente. Esto es crítico para dicho panel, dado que los límites entre los equipos de aprovisionamiento/planificación/gestión de inventario/compra/finanzas tienden a variar de una empresa a otra.

Estos llamados a la acción también pueden incluir la inspección de anomalías de datos que resulten ser relevantes para el cliente, tales como precios minoristas incorrectos, MOQs (cantidades mínimas de pedido) incorrectas, niveles de stock incorrectos, etc. Estos llamados a la acción también se priorizan en función de su impacto económico potencial. Más generalmente, Lokad evita dos inconvenientes que son demasiado comunes en el software empresarial. Primero, no distribuimos la carga de trabajo de un usuario dado a través de pantallas dispares (o ventanas/páginas web).

Por el contrario, la plataforma de Lokad ha sido diseñada específicamente para entregar paneles complejos en tiempo constante. Este detalle técnico resulta crítico a la hora de reunir numerosos elementos dispares en un único panel para beneficio del usuario final. Segundo, la plataforma de Lokad también ha sido diseñada específicamente para soportar un análisis económico de extremo a extremo, unificando así todos los llamados a la acción bajo una lógica de priorización común expresada en términos monetarios.

Notas


  1. Naked Forecasts (Supply Chain Antipattern) ↩︎

  2. No1 a nivel SKU en la competencia de forecast M5 ↩︎

  3. Conferencias de Supply Chain por Joannes Vermorel ↩︎

  4. En términos simples, esto se refiere al sofisticado algoritmo utilizado para generar las decisiones en la supply chain del cliente. Está diseñado para reflejar los objetivos particulares de supply chain del cliente, así como para considerar la totalidad de sus restricciones e impulsores. ↩︎

  5. Las decisiones recomendadas por Lokad suelen estar whiteboxed a través de sus impulsores económicos. La descomposición de factores (expresados en euros o dólares de impacto) explica el ‘por qué’ se recomienda una determinada decisión. Esta información se transmite a través de múltiples paneles personalizables. Consulta La Tecnología de Lokad para obtener más información sobre cómo los clientes interactúan con sus decisiones en la supply chain. ↩︎