Cálculo de la calidad de las previsiones
En nuestro artículo anterior sobre la selección de una herramienta de aprovisionamiento, explicamos que la calidad de las previsiones es el aspecto más crítico para obtener los resultados esperados. Hemos preparado un ejemplo ilustrativo para explicar mejor el concepto. Primero haremos las previsiones, tendremos ventas y calcularemos la calidad de las previsiones.
Escenario
Una empresa comercializa 2 productos A y B, que compra al mismo proveedor. El proveedor exige un pedido mínimo de 1.000 € para servir al cliente. Para simplificar, supondremos que nos entrega inmediatamente. El producto A cuesta 100€ y el producto B cuesta 50€. Estamos en la semana “0”. Tenemos 5 unidades de cada producto en stock y nos gustaría mantener, al menos, 5 unidades en stock de cada uno de ellos.
Cálculo de las previsiones
El programa ha generado las siguientes previsiones de venta para las 4 próximas semanas:
Cálculo del pedido óptimo
El programa calcula que para completar el pedido mínimo de 1.000 €, la mejor opción es comprar la demanda de las semanas 1 y 2. Además, al hacerlo así, la próxima semana no tendríamos que volver a pedir al proveedor.
Como el proveedor nos sirve los pedidos inmediatamente, nos encontramos con el siguiente stock en la semana 0.
Ventas reales
La realidad contradice los cálculos de nuestro programa y las ventas reales de la primera semana fueron las siguientes:
- Ventas Producto A en S1: 9 unidades
- Ventas Producto B en S1: 0 unidades
Tras descontar las ventas, el stock al final de la semana 1 es:
- Stock Producto A final S1: 3 unidades
- Stock Producto B final S1: 11 unidades
Y nos encontramos en una situación en la que tenemos que pedir de nuevo del producto A porque sólo tenemos 3 unidades cuando nos gustaría tener 5 unidades y además, necesitamos cubrir las ventas de la semana 2. Aunque puedas pensar que esta situación es extrema, es lo habitual para muchas empresas.
Cálculo del error de la previsión
El error de la previsión ha sido:
El bias se calcula como previsión – venta y es un valor en unidades.
El error en porcentaje lo hemos calculado como |Venta – Previsión| * 100 / Venta. En el caso en el que la venta es 0, consideramos que:
- Si la previsión es 0, el error es del 0%.
- Si la previsión es <>0, el error es el 100%.
Las empresas trabajamos con indicadores y eso implica trabajar con indicadores agregados. Hemos observado que los indicadores agregados de las previsiones se suelen obtener de forma similar a la siguiente:
Conclusiones
¡SORPRESA! El bias agregado es -2 unidades, pero individualmente, ambas desviaciones eran superiores, sólo que en sentido contrario. Encontramos el mismo comportamiento con el error en porcentaje.
El error individual en cada artículo era superior o igual al 56%. Al calcular un valor agregado parece que el error sea sólo del 22%. Así se puede inferir que la calidad de las previsiones es del 78% y que el resultado es fantástico, cuando no es así.
Una conclusión errónea habitual podría ser pensar que invirtiendo un 22% en stock de seguridad se resuelven los problemas. En el caso planteado, no se ha perdido ninguna venta, por lo que añadir stock de seguridad sólo ampliaría el problema del exceso de stock del artículo B.
En otro artículo, comentaremos las deficiencias más importantes de las fórmulas existentes para medir la calidad de las previsiones, especialmente cuando se utilizan de modo agregado. También expondremos nuestra propuesta para medir la calidad de las previsiones con un modelo que ayude a entender mejor el impacto en el negocio y a disponer de indicadores más valiosos.
Autor: Eduardo de Porras
Fecha de publicación: 31 de mayo de 2021
