¿Sabes medir las previsiones con criterios de negocio? #ForecastChallengeHowdazz

El objetivo del Forecast Challenge era identificar a la empresa que obtuviera las mejores previsiones de venta para nuestro cliente en un periodo de 8 semanas de 2019 a partir de datos históricos de más de 2 años. Para evaluar las previsiones, clasificamos las combinaciones artículo-tienda de acuerdo a sus ventas en unidades. Luego, definimos rangos de aceptación en los que una previsión es muy buena, aceptable o no aceptable. Posteriormente y como medida de control, añadimos un rango de previsión muy mala.

Los rangos de aceptación tenían diferentes tolerancias para cada grupo de rotación. Por ejemplo, para un artículo que vende 520 unidades al año, equivalentes a 10 unidades a la semana, una desviación del 10% en un periodo sería muy buena, porque implicaría que necesitamos un stock de seguridad en torno al 10% para cubrir las ventas. Consideraríamos que un error del 30% es aceptable y un error superior al 30% lo consideramos como no aceptable. Por último, definimos que la previsión era muy mala si el error superaba el 300%. En la tabla, mostramos los rangos de aceptación utilizados para este caso:

El horizonte de evaluación de las previsiones los definimos en función de los plazos de entrega que tiene el cliente en los distintos niveles: hay tiendas que reciben semanalmente y otras cada dos semanas, los plazos de los proveedores pueden ir desde entregas en el mismo día, entregas en una semana o dos, hasta plazos de dos meses. Por esto, y para garantizar una buena gestión del stock en las tiendas y en el centro de distribución, medimos la calidad del forecast de los participantes a 1 semana, a 3 semanas y a 8 semanas.

Siguiendo con nuestro ejemplo anterior del artículo de ventas semanales de 10 unidades, nos encontraríamos con las siguientes situaciones.

La métrica que utilizamos para evaluar la calidad del forecast fue el bias en porcentaje a nivel artículo-tienda. El bias en porcentaje se calcula con la siguiente fórmula:

Cuando la venta es 0, la fórmula anterior no funciona. Los productos con ventas 0 en los periodos analizados se valoraron en un grupo separado, utilizando la fórmula del Bias en valor en lugar de en porcentaje: Forecast – Ventas.

Contamos la cantidad de combinaciones artículo-tienda en cada rango de aceptación del forecast y evaluamos múltiples escenarios ponderando con distintos valores la previsión semanal, la previsión de 3 semanas, la previsión global de 8 semanas, el grado de acierto de la previsión y cada artículo según su rotación.

Desarrollamos múltiples escenarios dando diferentes pesos a los criterios de evaluación de las previsiones para cada grupo de rotación. Finalmente, elegimos el escenario con los criterios que el cliente consideró más adecuados para su negocio. En la siguiente tabla, mostramos el ranking de las 15 empresas según el escenario de evaluación diseñado.

Como podéis observar en el mapa de calor del ranking por escenario, las empresas eran consistentemente buenas, mediocres o malas en la mayoría de los escenarios evaluados. Tras presentar y revisar los resultados con el cliente, se solicitó oferta a las 4 empresas que habían obtenido el mejor resultado según el escenario de la primera columna de la tabla anterior, que consideramos el más correcto. El cliente evaluó dichas ofertas y eligió a la empresa de su nueva solución de aprovisionamiento.

Autora: Casandra Cabrera
Fecha de publicación: 6 de mayo de 2021