00:00:08 Introducción a Flowcasting y sus orígenes.
00:02:04 Contraste de Flowcasting con técnicas de suministro tradicionales.
00:04:40 Relevancia y desafíos de Flowcasting en la actualidad.
00:06:06 Análisis del fracaso de Flowcasting y las ideas necesarias.
00:07:06 Cómo la estocasticidad puede causar fallas en Flowcasting.
00:08:06 Limitaciones de la previsión de la demanda fraccionada.
00:10:15 Implementación práctica y fallas de Flowcasting.
00:11:13 Ideas positivas de Flowcasting: datos de demanda desagregados.
00:13:46 Enfoque holístico de Flowcasting para la optimización de la cadena de suministro.
00:15:14 Diferencia entre Flowcasting y el enfoque de Lokad.
00:17:31 Complejidades de escenarios específicos de la cadena de suministro.
00:19:37 Predicciones sobre las tendencias futuras en implementaciones de IA.
00:21:43 Valor del libro de Flowcasting a pesar de sus fallas.
Resumen
En la entrevista, Joannes Vermorel, el fundador de Lokad, analiza las fortalezas y debilidades de Flowcasting, un método de planificación de la cadena de suministro. Aprecia su enfoque en la previsión desagregada y centrada en la demanda, así como la automatización, pero critica su enfoque determinista por no considerar la aleatoriedad de la cadena de suministro. Lokad intenta gestionar estas complejidades con un lenguaje de programación llamado Envision, pero Vermorel reconoce que ningún sistema puede encapsular completamente las complejidades de la cadena de suministro. Vermorel también es escéptico sobre el papel de la IA en la gestión de la cadena de suministro, estableciendo una distinción entre la IA como un término de moda y las técnicas algorítmicas reales. A pesar de sus limitaciones, reconoce el valor de las ideas proporcionadas por Flowcasting en la gestión de la cadena de suministro minorista.
Resumen Extendido
En la entrevista, el presentador Kieran Chandler y Joannes Vermorel, el fundador de Lokad, discuten la técnica de Flowcasting en el contexto de la planificación de la cadena de suministro basada en la demanda. Introducido en un libro de 2006 con el mismo nombre, Flowcasting es considerado el ‘Santo Grial’ de este campo, ya que promete una eficiencia óptima al solo necesitar pronosticar en el punto de venta.
Flowcasting se enfoca en las redes minoristas. Vermorel desglosa su premisa principal de la siguiente manera: pronosticar cada producto en cada ubicación, todos los días, y apuntar a la mayor precisión posible. La imagen completa obtenida a partir de estos pronósticos permite la reconstrucción de todas las decisiones de la cadena de suministro necesarias. La visión de Flowcasting proporciona ideas valiosas, enfatizando estar lo más cerca posible de la demanda, un factor que no se ha priorizado en técnicas anteriores. También valora evaluar cada producto individual por tienda, en lugar de agrupaciones agregadas, lo cual es un enfoque más desagregado en comparación con el pronóstico por categoría predominante en ese momento.
La implementación de Flowcasting, sin embargo, resulta ser una historia diferente. Vermorel observa que “nunca funciona” como se espera. Las redes minoristas que intentan llevar este concepto teórico a la realidad lo encuentran “brutalmente disfuncional”. La causa raíz se identifica como la completa falta de consideración del concepto de “estocasticidad” - la aleatoriedad inherente en las ventas de productos a nivel de tienda.
Flowcasting se basa en pronósticos deterministas, presumiendo que se puede predecir con certeza absoluta la cantidad exacta de un producto que se venderá en el futuro. No logra acomodar la aleatoriedad inherente de las ventas minoristas del mundo real y la demanda fraccionada a nivel de producto y día. Este enfoque irrealista hace que los pronósticos sean ineficaces. Más críticamente, lleva a la omisión de los impulsores económicos, cruciales para equilibrar los riesgos, de los procesos de optimización de la cadena de suministro, lo que desestabiliza aún más la estrategia.
Cuando se le pregunta sobre las consecuencias prácticas de implementar Flowcasting, Vermorel admite que, en su experiencia, las redes minoristas con las que está familiarizado nunca avanzan realmente más allá de la etapa de prototipo debido a las complicaciones mencionadas. Por lo tanto, aunque Flowcasting sigue ofreciendo ideas valiosas, la entrevista enfatiza la necesidad de enfrentar sus limitaciones inherentes y las realidades de la estocasticidad de la cadena de suministro para operacionalizarlo de manera efectiva en un entorno minorista del mundo real.
Un punto crítico de la conversación involucra el ‘flowcasting’, una técnica de cadena de suministro bien conocida. A pesar de los desafíos, Vermorel reconoce que el flowcasting proporciona ideas valiosas. Él enfatiza el enfoque de la técnica de acercarse lo más posible a la demanda a nivel más desagregado. El nivel más desagregado, afirma Vermorel, no es por producto, por tienda, sino por cada unidad vendida a clientes individuales. Esta idea, sostiene, da lugar al concepto de gráficos de tiempo sobre series de tiempo, reconociendo las identidades de los clientes y sus comportamientos de compra.
Además, Vermorel aprecia el énfasis del flowcasting en la automatización, insistiendo en que Lokad también adopta esta estrategia. Explica los beneficios de las actualizaciones diarias de datos, afirmando que no hacerlo resulta en una complejidad innecesaria y oportunidades perdidas, ya que se estaría trabajando con datos desactualizados. Esta complejidad innecesaria, dice, no tiene sentido y es un desperdicio de recursos.
La siguiente idea que Vermorel extrae del flowcasting es la idea de la sincronicidad y la necesidad de una visión holística de la cadena de suministro. Al examinar toda la red y todos sus flujos, desde la producción hasta la demanda del cliente final, sugiere que los problemas de la cadena de suministro se pueden resolver de manera más efectiva, en lugar de simplemente desplazarlos. Esto contrasta con el enfoque más común de optimizar cada etapa de manera independiente, lo que puede pasar por alto impactos interconectados.
La crítica de Vermorel al flowcasting se centra en su simplificación excesiva. Aunque la simplicidad generalmente es un objetivo admirable, advierte que no debe llevar a una representación matemática ingenua de una realidad compleja. Si bien el flowcasting se promociona como algo simple como Excel, Vermorel argumenta que simplifica en exceso las complejidades de las cadenas de suministro.
El enfoque de Lokad difiere del flowcasting en su aceptación de la complejidad inherente de las cadenas de suministro, según Vermorel. Él enfatiza que las cadenas de suministro son inherentemente desordenadas y complicadas. El modelo de Lokad abraza la incertidumbre, que él considera irreducible. Como tal, su enfoque implica un álgebra probabilística, que, aunque más complicada, conduce a resultados más realistas. Por lo tanto, la metodología de Lokad no intenta eliminar la incertidumbre, sino que la reconoce y trabaja con ella.
Complicando aún más la gestión de la cadena de suministro, Vermorel detalla los numerosos casos particulares que existen, como las demandas diferentes de embalaje o formatos de productos específicos en tiendas y clientes individuales. Tales variaciones, argumenta Vermorel, requieren soluciones matizadas y flexibles que tengan en cuenta estas complejidades en lugar de un enfoque único para todos.
Para abordar estas complejidades, Lokad desarrolla un lenguaje de programación llamado Envision, diseñado para mantener la simplicidad sin comprometer las realidades de la gestión de la cadena de suministro. Este sistema proporciona una mejor aproximación de la realidad, pero Vermorel admite que ningún sistema puede capturar completamente las complejidades de las cadenas de suministro del mundo real.
Durante la discusión, se examina el concepto de Flowcasting, una metodología de cadena de suministro. Vermorel especula que Flowcasting podría haber tenido un mejor desempeño si hubiera incorporado alguna forma de álgebra probabilística. Señala que a pesar de sus deficiencias, Flowcasting fue una visión audaz para su época.
Cambiando el enfoque a las tecnologías emergentes, Vermorel expresa escepticismo sobre el uso de la inteligencia artificial (IA) en la gestión de la cadena de suministro. Sostiene que la IA, aunque a menudo se elogia como una solución mágica, probablemente decepcionará a muchas empresas, que descubrirán que los impresionantes avances tecnológicos en áreas como el reconocimiento de imágenes no se traducen directamente en la resolución de problemas de la cadena de suministro.
Sin embargo, Vermorel diferencia entre la palabra de moda de la IA y las técnicas algorítmicas fundamentales, como el deep learning y la programación diferenciable. Estas, dice, podrían ser increíblemente útiles si se alinean cuidadosamente con los desafíos únicos de la gestión de la cadena de suministro.
Volviendo al Flowcasting, Vermorel afirma que a pesar de sus deficiencias matemáticas, el libro subyacente sigue siendo una lectura valiosa, principalmente debido a sus ideas útiles sobre la gestión de la cadena de suministro en el comercio minorista. Si bien muchos de sus conceptos aún no se han utilizado completamente, estas ideas siguen siendo válidas y valiosas hasta el día de hoy.
Finalmente, la conversación destaca que el mundo de la gestión de la cadena de suministro es complejo, sin una solución única y sencilla. Enfatizando la importancia de sistemas flexibles y adaptables que puedan aproximar mejor las complejas realidades de la dinámica de la cadena de suministro, Vermorel concluye promoviendo un enfoque integral y matizado.
Transcripción completa
Kieran Chandler: Hoy, en Lokad TV, vamos a aprender más sobre esta técnica y discutir si todavía es relevante hoy en día. Entonces, Joannes, tal vez deberíamos comenzar explicando un poco más sobre qué es exactamente el flowcasting y cómo funciona?
Joannes Vermorel: Flowcasting fue un término acuñado con la publicación de un libro en 2006, también titulado “Flowcasting”. Es una técnica dedicada a las redes minoristas que ofrece optimización de la cadena de suministro para dichas redes. El libro presenta muchas ideas interesantes y recetas sobre cómo implementarlo. En pocas palabras, la idea es seleccionar cada producto en cada ubicación, pronosticar cada día por adelantado, idealmente con pronósticos muy precisos, y luego obtener una imagen completa de todo lo que va a suceder, impulsado por las ventas de sus clientes. Luego puede reconstruir todas las decisiones de la cadena de suministro que necesita tomar tomando estos pronósticos súper desagregados que están a nivel de producto por ubicación diariamente y reagregando estos datos. Esto le permite reconstruir todas las decisiones de la cadena de suministro simplemente retrocediendo desde estos pronósticos, desde la tienda hasta el almacén, hasta los proveedores.
Kieran Chandler: Interesante. Entonces, ¿qué fue tan diferente acerca de esta visión? ¿En qué se diferenciaba de algunas de las técnicas que existían en ese momento?
Joannes Vermorel: Se diferenciaba en su serie de ideas muy agudas, especialmente en la importancia de estar lo más cerca posible de la demanda. Esto no fue un descubrimiento nuevo, pero según mi conocimiento, fue uno de los primeros libros que enfatizó la necesidad de estar muy cerca de la mejor señal de demanda que tiene: sus ventas al final de la cadena. Esto difiere de muchas cadenas de suministro donde, típicamente, una sola jerarquía solo mira lo que está sucediendo en la siguiente jerarquía. Por ejemplo, como proveedor, mirarías lo que está sucediendo en el almacén que te compra, pero no mirarías lo que está sucediendo en las tiendas. Flowcasting, en este sentido, fue muy coherente. Abogó por acercarse a la señal de demanda y sugirió que había valor en mirar el nivel más desagregado, producto por tienda, en lugar de simplemente reagregar todo por semana por producto, solo porque es numéricamente más fácil de procesar.
Kieran Chandler: Entonces, ¿con “desagregado” te refieres a desglosar esto hasta cada nivel de SKU en cada tienda?
Joannes Vermorel: Exactamente. Eso es algo que sugiere Flowcasting y difiere de la mayoría de las técnicas de la época. Típicamente, las personas estaban haciendo pronósticos de arriba hacia abajo, donde pronosticaban por categorías, lo dividían por subcategorías, luego por regiones, y así sucesivamente. Al final, es posible que tenga un par de grupos de tiendas típicas y diga: “bueno, si tengo el tipo de tienda A, tipo B, tipo C, simplemente voy a asignar según el perfil de la tienda”, y así sucesivamente. Este método evita lidiar con la etapa más desagregada, que es cada producto individual en cada ubicación, donde la cantidad de datos simplemente explota.
Kieran Chandler: Entonces, ¿por qué estamos hablando de esto hoy? ¿No hay técnicas más modernas que han reemplazado esto? ¿Por qué sigue siendo relevante?
Joannes Vermorel: Bueno, hace diez años, Flowcasting era la sensación, y he visto al menos media docena de grandes redes minoristas interesarse mucho en sus ideas. Sin embargo, nunca funcionó en la práctica. Era como un libro lleno de ideas aparentemente excelentes, pero cuando la gente intentaba implementarlo, fallaba por completo. Era brutalmente disfuncional, lo cual era inesperado dado lo simples que parecían las ideas. El libro hacía parecer que se podía hacer fácilmente con pronósticos diarios, y daba algunas recetas simples para producir esos pronósticos y aprovecharlos después para tomar decisiones de la cadena de suministro. Resultó que cuando intentabas ponerlo en práctica, simplemente no funcionaba. La razón por la que Flowcasting falló es que se perdió algunas cosas supercríticas. Sin embargo, la mayoría del mercado y la mayoría de los actores todavía desconocen esas ideas. Flowcasting ha pasado de moda después de una década, pero las razones de su fracaso aún no son bien conocidas. Esto significa que a menos que muchos actores actualicen su comprensión, se enfrentarán a los mismos problemas.
Kieran Chandler: Entonces, a primera vista, parece lógico mirar un punto de venta, pronosticar allí y hacer que fluya hacia toda su cadena de suministro. Entonces, ¿dónde se desmorona todo?
Joannes Vermorel: Se desmorona debido a la estocasticidad o incertidumbre. Las ventas a nivel de tienda son altamente erráticas y aleatorias. Sí, es posible que estés vendiendo alrededor de una unidad por semana, pero nunca sabes qué día de la semana. Flowcasting se basaba en un pronóstico determinista donde podías decir con precisión perfecta que vas a vender exactamente una botella de champú dentro de dos días para una referencia determinada. Sin embargo, eso no es realista debido a la aleatoriedad inherente en las ventas minoristas.
Kieran Chandler: Y ahí es donde todo realmente se desmorona. Esos pronósticos no tienen forma de reflejar ningún tipo de incertidumbre. Ahí es donde los pronósticos se desmoronan por completo: la incertidumbre está ausente. Por lo tanto, debido a que la incertidumbre está ausente y asumes que tus pronósticos son precisos, tus pronósticos no logran reflejar con precisión el futuro. No son pronósticos probatorios. Cuando se trata de la optimización de la cadena de suministro, actúas como si tus pronósticos fueran correctos, y así ignoras lo que llamamos impulsores económicos, equilibrando todos esos riesgos. Básicamente, tienes un problema que ignora la incertidumbre y, como consecuencia, también ignoras los impulsores económicos que son fundamentales para optimizar bajo incertidumbre. Entonces, si hubo tantos problemas con este enfoque, ¿qué sucedió realmente cuando los minoristas intentaron implementarlo? ¿Hubo algún desastre generalizado?
Joannes Vermorel: Las redes minoristas con las que estuve en contacto nunca pasaron realmente de la etapa de prototipo. Fueron cautelosos, lo probaron a muy pequeña escala. Pero en realidad, los números que salieron eran tan absurdos que los profesionales de la cadena de suministro decían: no, no podemos enviar eso a la tienda. Era demasiado poco, demasiado poco o demasiado. Literalmente no tenía sentido. Hasta donde yo sé, ninguna red minorista a gran escala llegó siquiera a la etapa de prototipo que fuera más que solo unas docenas de productos en unas pocas tiendas, algo muy pequeño y se terminó muy rápidamente porque funcionaba de manera brutalmente disfuncional.
Kieran Chandler: Entonces no todo puede ser malo. Flowcasting era una técnica bastante conocida, tenía una buena reputación. ¿Cuáles son algunas de las ideas buenas que nos dieron?
Joannes Vermorel: Hubo varias ideas interesantes. Sugirieron acercarse lo más posible a la demanda y que el nivel más desagregado sea por tienda, por producto. Estoy de acuerdo con la idea de que necesitas ser lo más desagregado posible, pero no estoy de acuerdo en que por producto, por tienda sea el nivel más desagregado. El nivel más desagregado es directamente cada unidad vendida a cada cliente. Hoy en día, la mayoría de las redes minoristas tienen seguimiento de clientes a través de programas de lealtad. Entonces, no solo sabes que has vendido este producto en esta ubicación en este día, sino que también sabes a quién le has vendido este producto. Por lo tanto, debes pensar no solo en términos de series de tiempo, como se describe en flowcasting, sino como un gráfico de tiempo donde sabes exactamente a quién le estás vendiendo. Eso contiene aún más información. Sin embargo, la idea clave de flowcasting de llegar al nivel más desagregado es profundamente correcta.
Otro aspecto en el que acertaron fue la idea de automatizar todo con actualizaciones diarias. Eso es exactamente lo que Lokad sugiere hasta ahora. Si no tienes automatización completa, obteniendo los datos del último día, procesándolos y actualizando todas tus previsiones y decisiones basadas en tu pronóstico, entonces estás dejando mucho dinero sobre la mesa. Solo porque si estás utilizando datos de la semana pasada, estás tratando de pronosticar las ventas de ayer. Pero no necesitas pronosticar las ventas de ayer. Ya las conoces. Por lo tanto, tener esas actualizaciones diarias es una buena práctica, de lo contrario, terminas utilizando datos de la semana pasada para predecir lo que sucedió ayer, lo cual no tiene sentido.
Otro buen insight de flowcasting es lo que llaman sincronicidad. Expresan la idea de que las cadenas de suministro necesitan una visión holística en todos tus niveles. Eso es lo que hicimos con el caso de Bridgestone que discutimos en un episodio anterior. Si quieres optimizar tu cadena de suministro, necesitas tener una perspectiva holística de toda la red y todos los flujos, desde la demanda del cliente final hasta la producción. Si no tienes este tipo de perspectiva holística, simplemente estás desplazando problemas en lugar de resolverlos. Por lo tanto, Flowcasting tuvo este insight muy correcto de que necesitas abarcar la red en su conjunto, en lugar de hacer una optimización por etapas, donde optimizas el almacén sin considerar nada más que el almacén.
Kieran Chandler: Entonces, lo que estás diciendo es que Flowcasting tenía bastantes ideas valiosas que compartimos aquí en Lokad. Entonces, ¿cuáles son las diferencias clave entre el enfoque de Flowcasting y lo que hacemos aquí en Lokad? ¿Qué es lo que hacemos mucho mejor en tu opinión?
Joannes Vermorel: Uno de los principios clave de Flowcasting era que se podía hacer extremadamente simple, simple como Excel, con fórmulas muy sencillas que se pueden combinar en Excel. La simplicidad es muy buena. Sin embargo, cuando modelas un sistema complejo, como las cadenas de suministro, debes asegurarte de que tu modelo no sea simplista. Tu modelo no debe traicionar las realidades que estás tratando de representar al tener una representación matemática muy ingenua de una realidad que no es tan simple.
En Lokad, hemos tratado de abrazar el hecho de que la realidad en las cadenas de suministro es muy desordenada y a menudo complicada. Eso significa que la incertidumbre está aquí para quedarse. Si dices “solo necesitamos pronósticos precisos”, eso es pensar de forma ilusoria. Existe una cantidad irreducible de incertidumbre. Necesitas un sistema que acepte el hecho de que la incertidumbre está aquí para quedarse. Terminas con un álgebra probabilística, que es mucho más complicada. Pero es lo que se necesita; de lo contrario, tus resultados no tienen sentido.
Y si quieres extraer la mayor cantidad de información posible del nivel más desagregado, que son los gráficos de tiempo incluso de los clientes, quién está comprando qué producto, dónde y cuándo, entonces de repente no puedes extraer toda la información que deberías de estos datos solo con series de tiempo. Sí, es un gráfico de tiempo, y es más complicado, pero esa es la realidad.
Kieran Chandler: Tienes mucha más información en este gráfico de tiempo. Eso es lo que quieres aprovechar. Entonces, tal vez otra perspectiva es en lugar de tratar de vender simplicidad, quieres tener un sistema que sea lo más simple posible, pero nunca más simple de lo que la realidad realmente requiere.
Joannes Vermorel: Sí, en efecto. Podría profundizar en el hecho de que hay muchos casos límite, particularmente desafiantes, en las cadenas de suministro. Por ejemplo, considera un almacén que envía paquetes de botellas a las tiendas, pero en las tiendas, se venden las botellas individuales porque a veces los clientes desempacan las botellas. Y luego tienes casos en los que algunos clientes específicamente quieren comprar un paquete de botellas. No puedes simplemente contar las botellas y asumir que esa es la solución. Algunos clientes son muy exigentes e insisten en tener un paquete de seis botellas. Si eso no está disponible, prefieren comprar en otro lugar. Estas cosas son bastante complicadas.
Me temo que no hay un enfoque simple y definitivo para esto. En Lokad, nos dimos cuenta de este hecho y decidimos crear una herramienta, un lenguaje de programación llamado Envision. Lo diseñamos para que sea lo más simple posible, pero sin simplificar demasiado las realidades de las cadenas de suministro. Debo admitir que la realidad en las cadenas de suministro es realmente compleja. Todo lo que puedes esperar es una mejor aproximación. Nunca tendrás el mundo real completo modelado en tu sistema.
Kieran Chandler: Entonces, si Flowcasting hubiera tenido algo de ese álgebra probabilística detrás, podría haber funcionado un poco mejor en el pasado, pero en cierto modo probablemente fue diez años antes de su tiempo, ¿no?
Joannes Vermorel: Exactamente, creo que en efecto fue unos diez años antes de su tiempo. En ese entonces, no teníamos todos los ingredientes tecnológicos necesarios para ejecutar lo que aún es una visión relativamente audaz de la cadena de suministro.
Kieran Chandler: ¿Y qué hay del Flowcasting de 2019? ¿Hay algo que parezca muy bueno en la superficie, pero en realidad no funciona tan bien una vez que profundizas en ello? ¿Cuál será la próxima cosa que sea como Flowcasting y parezca prometedora, pero eventualmente se desmorone?
Joannes Vermorel: Creo que la mayoría de lo que se vende bajo el estandarte de la IA se desmoronará. No estoy diciendo que el aprendizaje profundo o incluso su descendiente, la programación diferenciable, no sean herramientas excelentes; de hecho, lo son. Sin embargo, si todo lo que tienes es la palabra de moda y solo tecnología cruda proveniente de dominios como el reconocimiento de imágenes que no son directamente aplicables a la cadena de suministro, entonces muchas empresas se darán cuenta de que la tecnología cruda, aunque impresionante y puede ganarle a un campeón de Go, no resuelve mágicamente sus problemas de cadena de suministro.
Sospecho que dentro de diez años, la situación de la IA será aún peor que la del Flowcasting. Incluso con el Flowcasting, diez años después, todavía había algunos aspectos interesantes en el libro. Por otro lado, anticipo que aproximadamente el 90% de lo que los proveedores están promoviendo actualmente será inútil para fines de la cadena de suministro en aproximadamente una década. Serán completamente olvidados. Pero me gustaría distinguir entre la palabra de moda de la IA, que creo que es solo eso, una palabra de moda, y técnicas algorítmicas fundamentales como el aprendizaje profundo y la programación diferenciable, que pueden ser muy útiles si se alinean cuidadosamente con los desafíos de tu cadena de suministro.
Kieran Chandler: Eso es sorprendente, considerando que la IA es actualmente una palabra de moda en la industria. Para concluir, ¿el Flowcasting sigue siendo relevante? ¿Vale la pena leer el libro? ¿Cuál es el mensaje clave para aprender hoy?
Joannes Vermorel: Sí, creo que el libro todavía vale la pena leerlo. Es una lectura agradable. El estilo es agradable y se lee rápidamente, tal vez en solo unas pocas horas. Muchos de los conocimientos siguen siendo correctos. Lo incorrecto son las matemáticas que ilustran a lo largo del libro. Los autores, al parecer, no eran matemáticos ni estadísticos, y se nota. Pero si ignoras las matemáticas y te enfocas en los conocimientos, verás que habían pensado seriamente en la cadena de suministro en el comercio minorista y sus implicaciones. Ahí es donde creo que el libro realmente brilla. Muchos de los conocimientos que señalaron hace diez años todavía son muy correctos y se utilizan muy poco. Las grandes redes minoristas todavía no están capturando la mayoría de los conocimientos descritos en este libro de Flowcasting.
Kieran Chandler: ¡Genial! Bueno, se nos acabó el tiempo por hoy, pero gracias por tu tiempo. Eso es todo por esta semana. Muchas gracias por sintonizar y nos vemos la próxima vez. Hasta luego.
