Valor Agregado al Pronóstico

El valor agregado al pronóstico¹ (FVA) es una herramienta simple para evaluar el rendimiento de cada paso (y contribuyente) en el proceso de pronóstico de la demanda. Su objetivo final es eliminar el desperdicio en el proceso de pronóstico eliminando los puntos de contacto humanos (anulaciones) que no aumentan la precisión del pronóstico. FVA se basa en la idea de que vale la pena buscar una mayor precisión en el pronóstico y que es deseable identificar las anulaciones que la aumentan y eliminar aquellas que no lo hacen. A pesar de las intenciones positivas, FVA demuestra una utilidad limitada a corto plazo y, si se implementa de manera continua, presenta una multitud de inconvenientes, incluyendo suposiciones matemáticas defectuosas, conceptos erróneos sobre el valor intrínseco de una mayor precisión en el pronóstico y la falta de una perspectiva financiera sólida.

Resumen de Valor Agregado al Pronóstico

El valor agregado al pronóstico tiene como objetivo eliminar el desperdicio y aumentar la precisión del pronóstico de la demanda al fomentar y evaluar las aportaciones de múltiples departamentos (incluidos los equipos que no se dedican a la planificación de la demanda, como Ventas, Marketing, Finanzas, Operaciones, etc.). Al evaluar el valor de cada punto de contacto humano en el proceso de pronóstico, FVA proporciona a las empresas datos accionables sobre las anulaciones que empeoran el pronóstico, lo que les brinda la oportunidad de identificar y eliminar esfuerzos y recursos que no contribuyen a una mayor precisión en el pronóstico.

Michael Gilliland, cuyo libro The Business Forecasting Deal llamó la atención del público en general sobre esta práctica, argumenta²:

“FVA ayuda a asegurar que cualquier recurso invertido en el proceso de pronóstico, desde hardware y software informático hasta el tiempo y la energía de los analistas y la dirección, esté mejorando el pronóstico. Si estos recursos no ayudan a pronosticar, se pueden redirigir de manera segura a actividades más valiosas”.

Se identifican las actividades y los recursos que ayudan a través de un proceso de pronóstico en varias etapas, donde se genera un pronóstico estadístico utilizando el software de pronóstico existente de la empresa. Este pronóstico estadístico luego se somete a cambios manuales (anulaciones) por parte de cada departamento seleccionado. Este pronóstico ajustado se compara luego con un pronóstico ingenuo de referencia (sin cambios, actuando como un placebo) y la demanda real observada.

Si los cambios realizados por los departamentos mejoraron el pronóstico estadístico (en comparación con el pronóstico estadístico sin cambios), contribuyeron con un valor positivo. Si empeoraron el pronóstico, contribuyeron con un valor negativo. De manera similar, si el pronóstico estadístico fue más preciso que el placebo, agregó un valor positivo (y lo contrario si fue menos preciso).

FVA es, por lo tanto, “[una medida] del cambio en una métrica de rendimiento de pronóstico que se puede atribuir a un paso o participante específico en el proceso de pronóstico”².

Los defensores del valor agregado del pronóstico argumentan que es una herramienta esencial en la moderna gestión de la cadena de suministro. Al identificar qué partes del proceso de pronóstico son beneficiosas y cuáles no lo son, las organizaciones pueden optimizar la precisión de sus pronósticos. La razón fundamental es que una mejor precisión en los pronósticos conduce a una mejor gestión de inventario, una planificación de producción más fluida y una asignación de recursos más eficiente.

Esto, en consecuencia, debería reducir costos, minimizar los faltantes de stock y disminuir los excesos de inventario, todo ello mientras se aumenta la satisfacción del cliente y se genera un ethos de pronóstico y corporativo más inclusivo. El proceso ha demostrado ser notablemente popular, con FVA aplicándose en varias empresas destacadas de industrias excepcionalmente competitivas, como Intel, Yokohama Tire y Nestlé³.

Realización de un Análisis de Valor Agregado del Pronóstico

Realizar un análisis de valor agregado del pronóstico implica varios pasos intuitivos, típicamente una versión cercana de los siguientes:

• Definir el proceso identificando los pasos o componentes individuales, es decir, la lista de departamentos que serán consultados, el orden de consulta y los parámetros específicos que cada contribuyente utilizará para modificar el pronóstico inicial.

• Generar un pronóstico de referencia. Este pronóstico de referencia típicamente toma la forma de un pronóstico ingenuo. También se genera un pronóstico estadístico, según el proceso de pronóstico normal dentro de la empresa, utilizando el mismo conjunto de datos utilizado en la generación del pronóstico de referencia. Este pronóstico estadístico sirve como base para todos los ajustes posteriores.

• Recopilar información de los contribuyentes designados, siguiendo los parámetros exactos definidos en el primer paso. Esto puede incluir información sobre tendencias del mercado, planes promocionales, restricciones operativas, etc.

• Calcular el FVA para cada contribuyente comparando la precisión del pronóstico estadístico antes y después de la aportación de ese contribuyente. A su vez, se contrasta la precisión del pronóstico estadístico con la del pronóstico de referencia simple. Las contribuciones que mejoran la precisión del pronóstico reciben un FVA positivo, mientras que aquellas que disminuyen la precisión reciben un FVA negativo.

• Optimizar mejorando o eliminando las contribuciones con FVA negativo, al tiempo que se preservan o mejoran las contribuciones con FVA positivo.

Estos pasos forman un proceso continuo que se mejora de manera iterativa en busca de una mayor precisión en los pronósticos. El proceso de FVA, y cómo difiere de un proceso de pronóstico tradicional, se ilustra a continuación.

La Figura 2 se basa en los procesos descritos por Gilliland^{2 3} y Chybalski⁴. A diferencia de la Figura 1, hay múltiples etapas de anulación humana (EO1, EO2 y CF). Los procesos de FVA pueden incluir incluso más etapas de intervención humana, incluida una fase final de anulación de la alta dirección².

En la Tabla 1⁵, la métrica de evaluación es MAPE (error porcentual absoluto medio). Este ejemplo indica que el Pronóstico Estadístico mejoró la precisión del pronóstico (agregando valor al reducir el error de pronóstico en un 5%) en comparación con el Pronóstico Ingenuo. Además, la anulación humana no fue útil, ya que introdujo un aumento significativo en el error de pronóstico en la etapa de Anulación por Expertos 2.

Consideremos un vendedor de manzanas. Paul (Planificación de la Demanda) informa a la dirección que la empresa vendió 8 manzanas en cada uno de los últimos 3 meses. El pronóstico ingenuo dice que la empresa venderá 8 nuevamente el próximo mes, pero Paul tiene un software estadístico avanzado que predice que se venderán 10 manzanas (pronóstico estadístico). John (Marketing) interviene y dice que tiene la intención de lanzar un nuevo eslogan llamativo este mes⁶ y es probable que las ventas sean más altas este mes gracias a su ingenio. George (Ventas) tiene la intención de agrupar las manzanas y bajar ligeramente los precios, estimulando aún más las ventas y aumentando la demanda. Richard (Operaciones) está inicialmente desconcertado, pero luego revisa la demanda pronosticada para reflejar un tiempo de inactividad próximo en la maquinaria crucial de clasificación de manzanas que cree que afectará negativamente la capacidad de la empresa para satisfacer la demanda. El pronóstico estadístico ha sido ajustado manualmente tres veces. Los departamentos se reúnen a continuación para llegar a un consenso verbal sobre el pronóstico.

Un mes después, la empresa realiza una prueba retrospectiva para confirmar cuán grande fue el delta⁷ en cada paso de este relevo de pronóstico, es decir, cuán “equivocada” fue la contribución de cada departamento. Esto no es difícil ya que ahora poseen los datos reales de ventas del mes anterior y Paul puede aislar, paso a paso, cuánto error fue introducido por John, George y Richard, respectivamente, así como la etapa de pronóstico de consenso⁸.

La Perspectiva Matemática del Valor Agregado del Pronóstico

Bajo el capó, el valor agregado del pronóstico es un proceso notablemente sencillo y deliberadamente sencillo. A diferencia de los procesos de pronóstico que requieren un conocimiento avanzado de matemáticas y razonamiento estadístico, el VAP “es un enfoque de sentido común que es fácil de entender. Expresa los resultados de hacer algo versus no haber hecho nada”³.

Sin embargo, expresar los resultados de haber hecho algo versus nada todavía requiere intervención matemática, y esto generalmente toma la forma de una simple serie de tiempo - la columna vertebral de los métodos tradicionales de pronóstico. El objetivo principal del análisis de series de tiempo es representar de manera conveniente e intuitiva la demanda futura como un único valor accionable. En el contexto del VAP, la serie de tiempo de referencia sirve como un placebo o control, contra el cual se comparan todas las anulaciones del analista (detalladas en la sección anterior). Una serie de tiempo de referencia se puede generar mediante varios métodos, comúnmente incluyendo varias formas de pronóstico ingenuo. Estos se evalúan comúnmente utilizando métricas como MAPE, MAD y MFE.

Elección de un Pronóstico de Referencia

La elección del pronóstico de referencia variará según los objetivos o restricciones de la empresa en cuestión.

• Pronóstico Ingenuo y Pronósticos Ingenuos Estacionales se eligen a menudo por su simplicidad. Son fáciles de calcular y entender, ya que se basan en la suposición de que los datos anteriores se repetirán en el futuro. Proporcionan una línea de base sensata en muchos contextos, especialmente cuando los datos son razonablemente estables o parecen demostrar un patrón claro (tendencia, estacionalidad, etc.).

• Random Walk y Random Walk Estacional se utilizan típicamente cuando los datos demuestran una aleatoriedad o variabilidad significativa, o cuando parece haber un fuerte patrón estacional que también está sujeto a fluctuaciones aleatorias. Estos modelos agregan un elemento de imprevisibilidad al concepto de pronóstico ingenuo, en un intento de reflejar la incertidumbre inherente de pronosticar la demanda futura.

Evaluación de los Resultados del Valor Agregado del Pronóstico

• MFE (Error Medio de Pronóstico) se puede utilizar para evaluar si un pronóstico tiende a sobreestimar o subestimar los resultados reales. Esto podría ser una métrica útil en una situación en la que es más costoso sobrepronosticar que subpronosticar, o viceversa.

• MAD (Desviación Media Absoluta) y MAPE (Error Porcentual Absoluto Medio) proporcionan medidas de precisión del pronóstico que consideran tanto la sobrepronosticación como la subpronosticación de la demanda. Podrían utilizarse como indicadores de precisión cuando es importante minimizar el tamaño general de los errores de pronóstico, independientemente de si resultan en sobrepronosticación o subpronosticación.

Aunque MAPE es comúnmente presentado en fuentes relacionadas con el VAP, existe una variación en cuanto a qué configuración de métricas de pronóstico utilizar en un análisis de VAP^{2 4 9}.

Limitaciones del VAP

El valor agregado del pronóstico, a pesar de su enfoque inclusivo, nobles objetivos y baja barrera de entrada, está sujeto a una amplia gama de limitaciones y premisas falsas. Estas deficiencias abarcan una amplia gama de campos, incluyendo matemáticas, teoría moderna de pronósticos y economía.

El pronóstico no es colaborativo

El valor agregado del pronóstico se basa en la idea de que el pronóstico colaborativo es bueno, en el sentido de que las anulaciones humanas múltiples (e incluso el consenso) pueden agregar valor positivo. El VAP también cree que este valor positivo del pronóstico se distribuye en toda la empresa, ya que los empleados de diferentes departamentos pueden tener ideas valiosas sobre la demanda futura del mercado.

Por lo tanto, el problema según el VAP es que este enfoque colaborativo viene con ineficiencias molestas, como algunos puntos de contacto humanos que contribuyen con valor negativo. Por lo tanto, el VAP busca filtrar a través de los colaboradores de pronóstico ineficientes en busca de los buenos.

Desafortunadamente, la idea de que el pronóstico es mejor como un proceso colaborativo y multidisciplinario es contraria a lo que demuestra el pronóstico estadístico moderno, incluso en situaciones minoristas.

Una extensa revisión de la quinta competencia de pronóstico de Makridakis¹⁰ demostró que “todos los 50 métodos de mejor rendimiento se basaron en ML (aprendizaje automático). Por lo tanto, M5 es la primera competencia M en la que todos los métodos de mejor rendimiento fueron tanto métodos de ML como mejores que todos los otros puntos de referencia estadísticos y sus combinaciones” (Makridakis et al., 2022)¹¹. La competencia de precisión M5 se basó en pronosticar las ventas utilizando datos históricos de la empresa minorista más grande del mundo en términos de ingresos (Walmart).

De hecho, según Makridakis et al. (2022), “el modelo ganador [en el M5] fue desarrollado por un estudiante con poco conocimiento de pronósticos y poca experiencia en la construcción de modelos de pronóstico de ventas”¹¹, lo que pone en duda cuán vitales son realmente las ideas del mercado de diferentes departamentos en un contexto de pronóstico.

Esto no significa que los modelos de pronóstico más complejos sean inherentemente deseables. Más bien, los modelos sofisticados a menudo superan a los modelos simplistas, y el pronóstico colaborativo del VAP es un enfoque simplista para un problema complejo.

Ignora la incertidumbre futura

El VAP, al igual que muchas herramientas y técnicas relacionadas con el pronóstico, presume que el conocimiento del futuro (en este caso, la demanda) se puede representar en forma de una serie temporal. Utiliza un pronóstico ingenuo como referencia (normalmente una copia de cortar y pegar de las ventas anteriores) y los colaboradores redondean manualmente los valores en un pronóstico estadístico. Esto es defectuoso por dos razones.

En primer lugar, el futuro, ya sea en términos generales o de pronóstico, es inherentemente incierto. Como tal, expresarlo como un valor único es un enfoque inherentemente equivocado (incluso si se complementa con una fórmula de stock de seguridad). Ante la incertidumbre irreducible del futuro, el enfoque más sensato es determinar un rango de valores futuros probables, evaluados con respecto al retorno financiero potencial de cada uno. Esto supera, desde una perspectiva de gestión de riesgos, intentar identificar un valor único como en una serie temporal tradicional, lo cual ignora por completo el problema de la incertidumbre futura.

En segundo lugar, las ideas (por útiles que parezcan) de los colaboradores suelen ser del tipo que no se pueden traducir fácilmente (si es que se pueden traducir) en un pronóstico de series temporales. Consideremos una situación en la que una empresa sabe de antemano que un competidor está a punto de ingresar al mercado. Alternativamente, imaginemos un mundo en el que el conocimiento competitivo indica que el competidor más feroz está planeando lanzar una impresionante nueva línea de ropa de verano. La idea de que este tipo de ideas se puedan integrar colaborativamente por no especialistas en un valor único expresado en una serie temporal es fantasiosa.

En realidad, cualquier similitud con las ventas futuras reales (valor agregado positivo) será completamente accidental, en el sentido de que las anulaciones humanas (ya sea redondeando la demanda hacia arriba o hacia abajo) son expresiones iguales de la misma entrada defectuosa. Una persona que contribuye con un valor negativo no es más “correcta” o “incorrecta” - desde una perspectiva lógica - que la persona que contribuye con un valor positivo.

En su esencia, FVA intenta imponer propiedades tridimensionales (ideas humanas) en una superficie bidimensional (una serie temporal). Puede parecer correcto desde cierto ángulo, pero eso no significa que sea correcto. Esto le da a FVA una apariencia bastante engañosa de rigor estadístico.

Incluso si la empresa utiliza un proceso de pronóstico tradicional con un mínimo de puntos de contacto humanos (como se muestra en la Figura 1), si el pronóstico estadístico subyacente que se analiza mediante FVA es una serie temporal, el análisis en sí mismo es un ejercicio inútil.

Ironicamente Desperdiciador

Como una demostración única de exceso de confianza y toma de decisiones sesgada, FVA tiene utilidad. Se han otorgado premios Nobel por la profundidad, amplitud y duración de los sesgos cognitivos en la toma de decisiones humanas^{12 13}, sin embargo, es completamente concebible que algunos equipos no acepten cuán defectuosa suele ser la anulación humana hasta que se les muestre enfáticamente.

Sin embargo, como herramienta de gestión continua, FVA es inherentemente defectuosa y posiblemente contradictoria. Si los pronósticos estadísticos son superados por un pronóstico ingenuo y la manipulación colaborativa, uno debería considerar seriamente la siguiente pregunta:

¿Por qué los modelos estadísticos están fallando?

Desafortunadamente, FVA no tiene respuesta para esto porque fundamentalmente no está diseñada para eso. No proporciona información sobre por qué los modelos estadísticos pueden tener un rendimiento inferior, simplemente que tienen un rendimiento inferior. Por lo tanto, FVA no es tanto una herramienta de diagnóstico como una lupa.

Si bien una lupa puede ser útil, no proporciona información práctica sobre cuáles son los problemas subyacentes con el software de pronóstico estadístico. Comprender por qué los pronósticos estadísticos tienen un rendimiento inferior tiene un valor directo e indirecto mucho mayor, y es algo en lo que FVA no se enfoca.

No solo el software de FVA no proporciona esta información importante, sino que también formaliza el desperdicio de otras formas. Gilliland (2010) presenta una situación teórica en la que un pronóstico de consenso tiene un rendimiento inferior en 11 de las 13 semanas (una tasa de falla del 85%), con un promedio de 13.8 puntos porcentuales de error. En lugar de justificar su discontinuación inmediata, el consejo es

“llevar estos hallazgos a la gerencia e intentar comprender por qué el proceso de consenso tiene este efecto. Puedes comenzar a investigar la dinámica de la reunión de consenso y las agendas políticas de los participantes. En última instancia, la gerencia debe decidir si el proceso de consenso se puede corregir para mejorar la precisión del pronóstico, o si debe eliminarse.”²

En este escenario, no solo el software de FVA no diagnostica el problema subyacente del rendimiento del pronóstico estadístico, sino que la capa de instrumentación de FVA simplemente aumenta la burocracia y la asignación de recursos al analizar actividades que manifiestamente no aportan valor.

Como tal, instalar una capa de software de FVA asegura que uno continúe obteniendo imágenes de baja resolución similares de un problema en curso y dirige recursos valiosos a comprender entradas defectuosas que podrían haberse ignorado desde el principio.

Esto, sin duda, no es la asignación más prudente de los recursos de la empresa que tienen otros usos alternativos.

Sobreestima el Valor de la Precisión

En su esencia, FVA presume que vale la pena buscar una mayor precisión en el pronóstico de forma aislada, y procede sobre esta base como si esto fuera evidentemente cierto. La idea de que una mayor precisión en el pronóstico es deseable es comprensiblemente atractiva, pero desde una perspectiva empresarial, esto presume que una mayor precisión se traduce en una mayor rentabilidad. Esto no es evidentemente cierto.

Esto no significa que no valga la pena tener un pronóstico preciso. Más bien, un pronóstico preciso debe estar estrechamente vinculado a una perspectiva puramente financiera. Un pronóstico puede ser un 40% más preciso, pero el costo asociado significa que la empresa obtiene un 75% menos de ganancias en general. El pronóstico, aunque apreciablemente más preciso (valor agregado positivo), no ha reducido los dólares de error. Esto viola el principio fundamental de los negocios: ganar más dinero, o al menos no desperdiciarlo.

En términos de FVA, es completamente concebible que el valor agregado positivo de un departamento sea una pérdida neta para una empresa, mientras que el valor agregado negativo de otro sea imperceptible. Si bien Gilliland reconoce que algunas actividades pueden aumentar la precisión sin agregar valor financiero, este enfoque no se sigue hasta su punto lógico: una perspectiva puramente financiera. Gilliland utiliza el ejemplo de un analista que aumenta la precisión del pronóstico en un solo punto porcentual:

“El simple hecho de que una actividad del proceso tenga un FVA positivo no significa necesariamente que deba mantenerse en el proceso. Necesitamos comparar los beneficios generales de la mejora con el costo de esa actividad. ¿La precisión adicional está aumentando los ingresos, reduciendo los costos o haciendo que los clientes estén más satisfechos? En este ejemplo, la anulación del analista redujo el error en un punto porcentual. Pero tener que contratar a un analista para revisar cada pronóstico puede ser costoso, y si la mejora es solo de un punto porcentual, ¿realmente vale la pena?”²

En otras palabras, un aumento del 1% puede que no valga la pena perseguirlo, pero un mayor aumento en la precisión del pronóstico podría valer la pena. Esto presume que el valor financiero está vinculado a una mayor precisión del pronóstico, lo cual no es necesariamente cierto.

Por lo tanto, hay una dimensión financiera ineludible en el pronóstico que está en el mejor de los casos subestimada en el FVA (y, en el peor de los casos, apenas se nota). Esta perspectiva puramente financiera realmente debería ser la base sobre la cual se construye una herramienta destinada a reducir el desperdicio.

Vulnerable a la manipulación

El FVA también presenta una oportunidad obvia para el juego y la manipulación de pronósticos, especialmente si la precisión del pronóstico se utiliza como medida del rendimiento del departamento. Este es el espíritu de la Ley de Goodhart, que establece que una vez que un indicador se convierte en la medida principal del éxito (accidental o deliberadamente), ese indicador deja de ser útil. Este fenómeno a menudo puede abrir la puerta a la interpretación errónea y/o manipulación.

Supongamos que se le asigna al equipo de ventas la tarea de hacer ajustes a corto plazo en el pronóstico de la demanda basados en sus interacciones con los clientes. El departamento de ventas podría ver esto como una oportunidad para señalar su valor y comenzar a hacer cambios en el pronóstico incluso cuando no sea necesario, en un intento de demostrar un FVA positivo. Podrían exagerar la demanda, lo que les haría parecer que están generando valor, o recalcular la demanda a la baja, lo que les haría parecer que están corrigiendo una proyección demasiado optimista de un departamento anterior. De cualquier manera, el departamento de Ventas puede parecer más valioso para la empresa. Como resultado, el departamento de marketing podría sentirse presionado a parecer estar generando valor, y el equipo comienza a hacer ajustes arbitrarios similares en el pronóstico (y así sucesivamente).

En este escenario, la medida del FVA, originalmente destinada a mejorar la precisión del pronóstico, se convierte simplemente en un mecanismo político para que los departamentos señalen valor en lugar de agregarlo, una crítica que incluso los defensores del FVA reconocen⁹. Estos ejemplos demuestran los peligros potenciales de la Ley de Goodhart cuando se trata del FVA¹⁴.

Los defensores del FVA podrían argumentar que estas críticas psicológicas son el punto principal del FVA, es decir, la identificación de entradas valiosas frente a entradas inútiles. Sin embargo, dado los sesgos asociados con la anulación humana en el pronóstico son tan bien comprendidos en la actualidad, los recursos gastados en analizar estas entradas sesgadas por sesgos serían mejor asignados a un proceso que evite (en la medida de lo posible) dichas entradas en primer lugar.

Solución local a un problema sistémico

Implícitamente, el intento de optimizar el pronóstico de la demanda de forma aislada presupone que el problema del pronóstico de la demanda es separado de otros problemas de la cadena de suministro. En realidad, el pronóstico de la demanda es complejo debido a la interacción de una amplia gama de causas sistémicas de la cadena de suministro, incluida la influencia de los diferentes tiempos de entrega de los proveedores, las disrupciones inesperadas en la cadena de suministro, las elecciones de asignación de stock, las estrategias de precios, etc.

Intentar optimizar el pronóstico de la demanda de forma aislada (también conocida como optimización local) es un enfoque equivocado dado que los problemas a nivel del sistema, es decir, las verdaderas causas raíz, no se comprenden ni se abordan adecuadamente.

Los problemas de la cadena de suministro, de los cuales el pronóstico de la demanda es ciertamente uno, son como personas paradas en un trampolín: mover a una persona produce desequilibrio para todos los demás¹⁵. Por esta razón, la optimización holística de extremo a extremo es mejor que intentar curar síntomas de forma aislada.

Opinión de Lokad

El valor agregado del pronóstico toma una mala idea (pronóstico colaborativo) y la sofistica, vistiendo la mala idea con capas de software innecesario y desperdiciando recursos que tienen mejores usos alternativos.

Una estrategia más sofisticada sería mirar más allá del concepto completo de precisión del pronóstico y optar en su lugar por una política de gestión de riesgos que reduzca los dólares de error. En conjunto con un enfoque de pronóstico probabilístico, esta mentalidad se aleja de los KPI arbitrarios, como aumentar la precisión del pronóstico, e incorpora la totalidad de los impulsores económicos, restricciones y posibles impactos en la cadena de suministro en la toma de decisiones de inventario. Estos tipos de vectores de riesgo (y desperdicio) no se pueden cuantificar (y eliminar) de manera efectiva mediante una herramienta que aproveche una perspectiva colaborativa de series de tiempo, como la que se encuentra en el valor agregado del pronóstico.

Además, al separar el pronóstico de la demanda de la optimización general de la cadena de suministro, el valor agregado del pronóstico (quizás sin intención) aumenta la complejidad accidental del proceso de pronóstico de la demanda. La complejidad accidental es sintética y resulta de la acumulación gradual de ruido innecesario, generalmente generado por humanos, en un proceso. Agregar etapas y software redundantes al proceso de pronóstico, como lo hace el valor agregado del pronóstico, es un ejemplo claro de complejidad accidental y puede hacer que el problema sea significativamente más complejo.

El pronóstico de la demanda es un problema intencionalmente complejo, lo que significa que es una tarea inherentemente desconcertante y que requiere muchos recursos. Esta complejidad es una característica inmutable del problema y representa una clase de desafío mucho más preocupante que los problemas accidentalmente complejos. Por esta razón, es mejor evitar intentos de soluciones que simplifiquen en exceso y tergiversen fundamentalmente el problema en cuestión¹⁶. Parafraseando la retórica médica de la literatura del valor agregado del pronóstico, esta es la diferencia entre curar una enfermedad subyacente y tratar constantemente los síntomas a medida que surgen¹⁷.

En resumen, el valor agregado del pronóstico existe en el espacio entre la teoría de vanguardia de la cadena de suministro y la conciencia pública al respecto. Se recomienda una mayor educación sobre las causas subyacentes de la incertidumbre de la demanda y sus raíces en la evolución de la disciplina de la cadena de suministro.

Notas