Planificación de Ventas y Operaciones (S&OP)

Sales and Operations Planning (S&OP) es una práctica corporativa destinada a ofrecer una ejecución superior de supply chain al aprovechar una alineación más profunda con otras divisiones más allá de supply chain - sobre todo ventas, finanzas y producción. La práctica generalmente gira en torno a un proceso mensual que comienza con los forecast de ventas y termina con planes de producción cuantificados. Esta práctica surgió en los años 80, junto con ERPs y MRPs que proporcionaron los números sobre los cuales se basaron los forecast.

El origen y la motivación detrás de S&OP

La economía de posguerra de los años 50 y 60 fue, en muchos aspectos, sencilla: mantener las ofertas limitadas, aumentar el rendimiento de producción, bajar precios mediante economías de escala, y finalmente aumentar la demanda a través de los medios masivos. Sin embargo, hacia el final del siglo XX, las supply chain habían superado este modelo: gamas de productos más extensas, más ubicaciones geográficas, más escalones. Como resultado, aparecieron numerosas ineficiencias, y la noción de supply chain emergió como una práctica distinta de la logística. En este contexto, el término S&OP se acuñó en los años 80 cuando las empresas comenzaron a darse cuenta de que los desalineamientos internos eran suficientes para generar considerables sobrecostes financieros. Tanto S&OP ¹ como los silos informativos ² se formalizaron en 1988.

A nivel sintomático, en los años 80, las grandes empresas se dieron cuenta de que una serie de problemas se habían vuelto prevalentes en sus supply chain:

• al mismo tiempo, la empresa podía enfrentarse tanto a sobrestocks considerables como a bajos niveles de servicio.
• equipos de ingeniería sobredimensionados terminaron por descartar la mayoría de las iniciativas de I+D, pero se demoraron en la entrega de productos que importan.
• los equipos de marketing terminaron amplificando tanto problemas de sobreproducción como de subproducción al canalizar sus esfuerzos hacia los productos equivocados.

Frente a estos problemas, S&OP introdujo una respuesta distintiva de doble vertiente. Primero, la alineación a nivel de toda la empresa, desde la I+D temprana hasta los impulsos de marketing, debía convertirse en responsabilidad directa de la alta dirección - incluyendo a los CEOs. Esta alineación se crearía siguiendo un proceso específico delineado por S&OP. Segundo, el proceso se volvería, de forma explícita y cuantitativa, impulsado por datos, una novedad relativa de finales de los 80 que se hizo posible a medida que los niveles de stock electrónicos y los movimientos electrónicos de stock se convirtieron en algo común mediante la adopción de ERPs.

Los 5 pasos de S&OP

El proceso de S&OP es cíclico, pasando por una serie de pasos cada año, trimestre y/o mes dependiendo de las decisiones tomadas por la empresa. Se espera que el CEO de la compañía se responsabilice del proceso y se asegure de que las diversas partes interesadas dediquen los recursos suficientes a la iniciativa de S&OP para ofrecer los beneficios previstos a nivel de toda la empresa. Se supone que el proceso deberá seguir los siguientes pasos:

• Pronóstico de ventas: Se consolidan los datos históricos de ventas, así como los insights cuantitativos de los equipos de ventas, típicamente siguiendo un proceso ascendente, comenzando con los empleados de ventas. Se producen forecast de demanda.
• Planificación de la demanda: Evaluación y validación de los forecast de demanda. Adición de insights estructurales sobre future demand, e identificación de riesgos estratégicos, que pueden no estar reflejados en los forecast sin procesar, tales como fuentes de variabilidad esperada (p.ej., acciones de marketing).
• Planificación de la oferta: Evaluación y validación de las capacidades proyectadas requeridas para cumplir con la demanda, teniendo en cuenta las variabilidades proyectadas tanto en el lado de la demanda como en el de la oferta. Priorización y programación de las operaciones necesarias.
• Reconciliación de planes: Reconciliación del plan de demanda con el plan de oferta, y evaluación del desempeño financiero global de la compañía (márgenes brutos, flujos de caja, retención de clientes a largo plazo, etc).
• Finalización de planes: Finalización del plan y publicación para hacerlo ampliamente accesible dentro de la compañía y permitir que las partes involucradas procedan con sus respectivas contribuciones al plan.

El proceso de S&OP implica una serie de reuniones destinadas a fomentar el enfoque, la alineación y la sincronización entre todas las funciones de la organización. Esas reuniones suelen ser la oportunidad para “re-planificar”, aprovechando el plan anterior como punto de partida de la discusión y dirigiendo los esfuerzos hacia donde las correcciones sean más urgentes.

A nivel de software, S&OP se apoya en la columna vertebral transaccional de la compañía - es decir, el ERP (Enterprise Resource Planning), el MRP (Material requirements planning), el WMS (Warehouse Management System), el TMS (Transportation Management System) - para obtener los datos históricos relevantes, pero usualmente delega la carga analítica a componentes de software dedicados, típicamente un APS (Advance Planning and Scheduling). El APS soporta explícitamente S&OP tanto desde una perspectiva numérica - para calcular los statistical forecasts - como desde una perspectiva de workflow - para permitir a los usuarios corregir y validar las cifras.

Antipatterns de S&OP

A pesar de las afirmaciones de múltiples proveedores de que las empresas “best-in-class” operan bajo S&OP, la mayoría de las implementaciones sufren de fallas similares, que son inherentes a la propia naturaleza de S&OP, a saber:

• Algunas de las partes involucradas tienen incentivos estructurales para distorsionar el proceso de S&OP de maneras que no pueden contrarrestarse sin introducir otros problemas. Por ejemplo, “sandbagging” se refiere a la práctica extendida de presentar objetivos altamente conservadores para luego “superar las expectativas”; lo cual es, típicamente, el principal impulsor de promotion / bonificaciones dentro de la compañía.
• El elevado número de partes involucradas en S&OP suele llevar a situaciones de “diseño por comité” en las que la compañía es incapaz de tomar acciones decisivas que pueden ser esenciales para su supervivencia, ya que tales decisiones pueden antagonizar fuertemente a muchos participantes.
• Incluso en las situaciones más favorables, el proceso de S&OP es invariablemente demandante en tiempo para los equipos de gestión de la compañía. El hecho de que la sobrecarga de S&OP sea un mal necesario es discutible, pero siempre es un proceso pesado.
• Los forecast siempre son incorrectos hasta cierto punto y siempre son fuente de controversia entre las partes. Los intentos por mejorar la forecasting accuracy casi siempre resultan en una mayor complejidad del software - a costa de la fiabilidad del mismo. El forecast estadístico tiende a ser opaco para la mayoría de las partes involucradas - incluyendo, con frecuencia, al propio proveedor de software.

También es notable que la mayoría de las críticas - válidas o no - expresadas contra S&OP se desestimen con la falacia del “No true Scotsman”. El profesor de filosofía Bradley Dowden ofrece la siguiente versión simplificada de la falacia:

Person A: “Ningún Scotsman pone azúcar en su porridge.”

Person B: “Pero mi tío Angus es Scotsman y pone azúcar en su porridge.”

Person A: “Pero ningún verdadero Scotsman pone azúcar en su porridge.”

De hecho, en la mayoría de las compañías que enfrentan dificultades con su proceso de S&OP, el consenso es que es su versión imperfecta de S&OP la que tiene la culpa, en lugar de considerar la perspectiva alternativa: aunque S&OP podría ser un ingrediente necesario para operar la compañía, viene acompañado de inconvenientes previsibles.

Los límites de S&OP

Como la mayoría de las ideas, S&OP es un producto de su tiempo: los 80. Desde esa década, la práctica de la predictive optimization de supply chains ha evolucionado de maneras que no eran del todo concebibles en ese entonces. Por lo tanto, se podría argumentar que:

• S&OP enfatiza una perspectiva simplista del “futuro”, es decir, forecast clásicos de time series que intentan reflejar la demanda futura esperada. Los forecast probabilísticos no existen en S&OP. Los riesgos de cola, asociados a proveedores o competidores, tampoco son parte del modelo.
• S&OP es lento porque enfatiza una perspectiva de “humans-in-the-loop”. Muchas compañías nunca logran operar la versión mensual de S&OP y se quedan atrapadas con revisiones trimestrales del plan. En contraste, las supply chains modernas ahora operan con decisiones impulsadas por máquinas entregadas con latencias insignificantes (minutos o menos).
• S&OP no está orientado a vastos paisajes aplicativos interconectados que incluyen marketplaces digitales tanto en el lado de la demanda como en el de la oferta, donde las compañías buscan no solo una alineación interna, sino también una alineación a nivel de mercado (p.ej., aprovechando datos de inteligencia competitiva).
• S&OP minimiza las deseconomías de escala que no se comprendían completamente en los 80 y que han empeorado sustancialmente en un mundo donde las supply chains son ahora mucho más complejas, no solo a nivel físico (más productos, más escalones, más transportistas, etc.), sino también a nivel de TI (traceability, compliance, cyber risk, etc).

En conclusión, S&OP identifica correctamente muchos de los desafíos que permanecen en el núcleo de las supply chains actuales, como la necesidad de una alineación a nivel de toda la compañía y la importancia de las decisiones basadas en datos. Sin embargo, las recetas ofrecidas por los procesos usualmente denominados S&OP están desfasadas.

La visión de Lokad sobre S&OP

Las mejores prácticas son objetivos en constante movimiento. Nuestra crítica global es que S&OP no es acumulativo : los recursos humanos requeridos por el proceso de S&OP son consumidos en lugar de ser invertidos. Sin embargo, las supply chains ahora se rigen por numerical recipes entregadas a través de sistemas de software. S&OP se centra en mejorar los resultados finales, lo cual es un proceso interminable ya que los datos de entrada se actualizan continuamente. En contraste, los enfoques actuales se centran en mejorar las propias numerical recipes - que típicamente involucran varias modalidades de estadísticas de alta dimensión (p.ej., machine learning) - y luego, permiten que esas numerical recipes operen sin intervenciones manuales adicionales.

Referencias