Factores Económicos

Desde la perspectiva de la Supply Chain Cuantitativa, los factores económicos representan la cuantificación financiera de los resultados positivos y negativos de una decisión de la cadena de suministro. Los factores económicos dan forma a los desafíos de optimización de la cadena de suministro en problemas de optimización manejables, donde la métrica de optimización resulta ser financiera. A través de la cuantificación de los factores económicos, es posible evaluar los dólares de error asociados con decisiones imperfectas, originalmente basadas en datos imperfectos como pronósticos de demanda. Estos factores económicos se presentan como un contrapunto a las métricas agnósticas al negocio que siguen siendo ampliamente utilizadas, como el MAPE (error porcentual absoluto medio). Estas métricas agnósticas al negocio son frecuentemente perjudiciales, porque “disfrazan” los problemas de la cadena de suministro como problemas de optimización numérica, mientras se basan en criterios de optimización en gran medida arbitrarios.

Los pronósticos estadísticos son unilaterales

Las herramientas y métodos de pronóstico de la demanda tienen un objetivo claro: calcular pronósticos más precisos. Los pronósticos se consideran precisos según diversas métricas conocidas y seleccionadas por sus propiedades matemáticas y estadísticas. Si bien estas métricas pueden ser excelentes desde una perspectiva matemática, son fundamentalmente agnósticas al dominio y, por diseño, ignoran cualquier factor o restricción específica del negocio.

Aunque pueda parecer contraintuitivo, los pronósticos estadísticos están impulsados fundamentalmente por la métrica de error elegida. Elegir el MSE (error cuadrático medio) en lugar del MAE (error absoluto medio) tiene consecuencias drásticas en la precisión de un modelo dado. A primera vista, puede parecer que la métrica de error tiene poco impacto. Después de todo, un modelo de pronóstico produce el mismo pronóstico de demanda sin importar qué métrica se utilice posteriormente para evaluar su resultado. Sin embargo, cualquier empresa que se base en pronósticos estadísticos está destinada a tomar decisiones, con frecuencia decisiones implícitas, sobre qué modelos de pronóstico se utilizan; y tan pronto como se introducen medidas de precisión, la empresa comienza a favorecer los modelos que se comportan mejor en relación con las métricas mencionadas anteriormente.

Las métricas estadísticas genéricas (por ejemplo, MAPE, MAE, MSE, etc.) no tienen ninguna afinidad con el negocio. En pocas palabras, estas métricas ponen énfasis en los porcentajes de error en lugar de los dólares de error. Si bien minimizar los porcentajes de error puede ser algo bueno, desafortunadamente hay demasiados contraejemplos de esto. Las métricas estadísticas no proporcionan ningún tipo de garantía de que el resultado financiero de una decisión derivada de un pronóstico vaya a ser óptimo, o incluso rentable. A veces, los factores económicos resultan estar solo débilmente correlacionados con las métricas estadísticas genéricas, pero esto ocurre por “casualidad”, y confiar en la casualidad no es una metodología adecuada para la optimización de la cadena de suministro. En la práctica, este problema se amplifica típicamente por la naturaleza contraintuitiva de la mayoría de las situaciones en las que las métricas puramente estadísticas divergen de las métricas de rendimiento empresarial.

Ejemplo: Consideremos un producto que se vende en una tienda con un promedio de 1 unidad vendida por semana, con un tiempo de entrega de 1 día (reposición diaria). El mejor pronóstico de demanda mediana para este producto para cualquier día dado es cero unidades. Un pronóstico promedio podría haber producido una cantidad fraccionaria de 1/7, pero el pronóstico mediano simplemente indica cero. Si bien la demanda de 1 día a cubrir es muy cercana a cero, es probable que se necesite un stock real mucho mayor; es probable que se requieran 2 o 3 unidades para satisfacer las expectativas de los clientes en términos de calidad de servicio. El problema aquí no es que el pronóstico sea inexacto, porque si la demanda es estacionaria y verdaderamente aleatoria, entonces los pronósticos que acabamos de mencionar son perfectamente precisos, desde una perspectiva estadística. El problema es que se han ignorado los factores específicos del negocio.

Desacoplar el pronóstico de la optimización de la cadena de suministro

Los factores económicos representan una descomposición específica de los desafíos de optimización de la cadena de suministro, donde los aspectos específicos del negocio, es decir, los factores económicos, se desacoplan de los aspectos puramente estadísticos del negocio, es decir, los pronósticos. En esta sección, revisamos brevemente los beneficios de esta descomposición, así como sus limitaciones.

En cuanto a la optimización numérica, existe un principio general que establece que siempre es preferible optimizar el problema en su conjunto, en lugar de optimizar partes del problema de forma aislada. Sin embargo, este punto solo sigue siendo cierto siempre y cuando abordar el desafío de optimización desde una perspectiva monolítica siga siendo técnicamente factible. Sin embargo, la mayoría de la literatura de la cadena de suministro -incluido este libro- tiende a estar de acuerdo en que el pronóstico de la demanda es una tarea complicada que combina estadísticas, algoritmos, ingeniería de software y posiblemente computación distribuida cuando se involucra una plataforma de computación en la nube. Por lo tanto, aislar el aspecto del pronóstico de la demanda del desafío ofrece la posibilidad de ofrecer pronósticos de demanda avanzados, sin cargar la tecnología con una miríada de consideraciones específicas del dominio.

De manera similar, se obtiene una ventaja similar al aislar la lógica de optimización de la cadena de suministro de la lógica de pronóstico de la demanda, ya que la optimización de la cadena de suministro permanece “protegida” de las cuestiones técnicas involucradas en el pronóstico de la demanda. Esto permite adentrarse mucho más en los detalles más finos de los factores económicos: límites en el espacio de almacenamiento, descuentos de precios, costos variables de faltante de stock, costos variables de obsolescencia, etc. Tener una comprensión más detallada de los factores económicos genera mejores decisiones, que están más alineadas con los riesgos y oportunidades de una empresa.

Ejemplo: Consideremos una empresa que tiene dos almacenes y sirve exactamente las mismas piezas desde ambos almacenes. Los dos almacenes están ubicados cerca, pero por costumbre, todos los clientes tienden a pedir siempre las piezas que necesitan desde el mismo almacén. Cuando una pieza ya no está disponible en este almacén específico, el personal del almacén llama al otro almacén para investigar la disponibilidad de la pieza allí, y si la pieza está disponible allí, se envía al almacén que se encuentra sin stock.

Un caso para el pronóstico probabilístico

Como hemos visto en la sección anterior, separar el pronóstico de la demanda de la optimización del negocio ofrece la posibilidad de ejecutar una estrategia de optimización de la cadena de suministro que aprovecha tanto el análisis de pronóstico avanzado como una visión detallada del propio negocio. Sin embargo, debe tenerse en cuenta que al producir pronósticos de demanda, el motor de pronóstico no sabe nada acerca de los factores específicos del negocio que son relevantes desde una perspectiva de optimización de la cadena de suministro. Sin embargo, los escenarios comerciales que tienen el mayor impacto financiero suelen ser los escenarios extremos, “extremos” desde una perspectiva estadística. Por ejemplo, es la demanda inesperadamente alta la que suele causar faltantes de stock, mientras que es la demanda inesperadamente baja la que suele causar la eliminación de inventario.

Las herramientas de pronóstico clásicas ponen gran énfasis en los pronósticos de media o mediana; esto pasa por alto por completo el punto de vista empresarial. No importa cuán precisos puedan ser este tipo de pronósticos, si el escenario comercial de interés se encuentra en el extremo estadístico, entonces la herramienta de pronóstico no podrá proporcionar la proyección estadística relevante para evaluar cuantitativamente la producción financiera probable del escenario comercial. En cambio, las herramientas de pronóstico probabilístico evalúan las respectivas probabilidades para todos los posibles niveles de demanda, lo que a su vez ofrece la posibilidad de evaluar todos los posibles escenarios comerciales.

No sorprende que los pronósticos probabilísticos requieran muchos más recursos informáticos que sus contrapartes clásicas de un solo valor, porque, de alguna manera, los pronósticos probabilísticos están “atacando” el desafío del pronóstico. Dado que el motor de pronóstico no conoce los escenarios comerciales relevantes que deben tenerse en cuenta, simplemente produce una respuesta estadística de largo alcance que cubre (aproximadamente) todos los escenarios posibles. En la práctica, gracias a la capacidad de acceder a vastos recursos informáticos a precios muy bajos a través de plataformas de computación en la nube, los mayores requisitos informáticos necesarios para generar pronósticos probabilísticos son en su mayoría insignificantes, siempre que la tecnología adecuada esté disponible.

Una breve revisión de los factores económicos comunes

Los factores económicos definen los resultados positivos y negativos de una decisión de la cadena de suministro. El cálculo de estos resultados requiere la observación real de la demanda aún no observada, pero si hay un pronóstico de demanda disponible, los resultados se pueden simular a su vez. Los factores económicos están destinados a cubrir todas las ramificaciones comerciales que resultan de una decisión, y no solo los resultados financieros a corto plazo. En la práctica, establecer factores económicos a menudo se asemeja a realizar cálculos rápidos que tienen en cuenta varios escenarios comerciales.

Una de las decisiones más comunes en la cadena de suministro consiste en pedir una unidad más de un artículo. Si hay demanda inmediata para la unidad pedida, la empresa atenderá la unidad con ganancias. Esto representa la ganancia asociada con la decisión de pedido. Si no hay demanda inmediata para el artículo, la empresa tendrá que incurrir en los costos de almacenamiento de esta unidad adicional. Esto representa el costo asociado con la decisión de pedido. Establecer los factores económicos para una decisión de pedido consiste en escribir tanto las ganancias resultantes como los costos resultantes de la decisión para un escenario de demanda dado.

Además de las ganancias y los costos, las restricciones también determinan el rango de decisiones aceptables en la cadena de suministro:

Capacidad de almacenamiento: Las tiendas y almacenes tienen capacidades máximas, lo que impide cualquier pedido adicional que vaya más allá de una cierta cantidad de stock.
MOQs: Los proveedores solo aceptan pedidos que superen las cantidades mínimas de pedido, expresadas, por ejemplo, en número de unidades o cantidad pedida. Esas MOQs también se pueden interpretar y modelar como costos fijos en los pedidos de compra a proveedores.
Costos de capital: La empresa tiene un acceso limitado a la liquidez y, por lo tanto, necesita limitar su asignación de capital de inventario. Obtener más capital puede llevar mucho tiempo para la dirección de la empresa y puede no estar alineado con sus orientaciones estratégicas.
Capacidad de transporte: Al importar mercancías desde el extranjero, los pedidos deben tener un tamaño adecuado para que puedan caber exactamente en un contenedor. Los contenedores tienen tanto un peso máximo como un volumen máximo. Los contenedores también se pueden interpretar como una forma de costo fijo en los pedidos de compra.

Los factores económicos deben tener en cuenta todas las restricciones mencionadas anteriormente y muchas más en la práctica. Si no se tienen en cuenta las restricciones, es probable que el sistema que combina los pronósticos de demanda con los factores económicos sugiera decisiones que no se puedan ejecutar en realidad, como intentar llenar un almacén más allá de su capacidad de almacenamiento.

La perspectiva de Lokad sobre los factores económicos

Lokad proporciona un motor de pronóstico probabilístico. Aunque los datos deben ser adecuadamente calificados y depurados antes de ser inyectados en el motor de pronóstico, nuestro motor de pronóstico permitirá automatizar la operación de pronóstico estadístico en su totalidad sin necesidad de configuración estadística. El motor de pronóstico de Lokad funciona de manera inmediata para numerosos sectores (comercio, fabricación, aeroespacial…).

Sin embargo, los factores económicos son increíblemente diversos. Para gestionar tal diversidad, Lokad ha introducido Envision, un lenguaje de programación específico del dominio dedicado a la optimización de la cadena de suministro. La salida visible de Envision consiste en producir paneles de control, sin embargo, la función principal de Envision es incorporar factores económicos en los pronósticos a través de scripts para que las decisiones optimizadas, por ejemplo, las cantidades que se deben volver a pedir hoy, se puedan calcular automáticamente.

La combinación adecuada de factores económicos y pronósticos probabilísticos requiere políticas que puedan aprovechar esos datos. Por ejemplo, la política de pedido prioritario es particularmente adecuada para entregar cantidades que se deben pedir y que equilibren completamente los riesgos del inventario comercial con los pronósticos de demanda.

En la práctica, revisar y formalizar los factores económicos, combinar estos factores con pronósticos probabilísticos, calificar y depurar los datos históricos, generar decisiones optimizadas que se ajusten al conjunto exacto de restricciones comerciales aplicables; todas estas tareas son realizadas por el equipo de Lokad a través de una suscripción mensual a un servicio de optimización de inventario.