El Forecasting

El Forecasting

1. Definición:

El Forecasting es la estimación y análisis de la demanda futura para un producto en particular, componente o servicio, usando inputs como ratios históricos de venta, estimaciones de marketing e información promocional, usando diferentes técnicas de previsión.

En logística, abarca la predicción de la demanda con el objetivo de mejorar el flujo de información en la cadena de suministro de las empresas y por tanto preparar a la organización en sentido de medios técnicos, humanos y financieros con el fin de soportar las operaciones futuras de la empresa como la estimación de compras, producción, necesidades de almacenaje, transporte, etc.

2. Importancia:

Actualmente, la disposición de forecasts o previsiones de demanda forman un parte fundamental de la logística por las implicaciones que una variación en la misma afecta en los principales procesos en la cadena de suministro (gestión de stocks, aprovisionamiento, transporte, fabricación, nivel de servicio, etc.) y para los beneficios que se obtendrán con el correcto uso de su estimación y control.

3. Debilidades principales en la actualidad:

Prácticas tales como…

• Los Forecasts se preparan en silos funcionales sin colaboración entre las partes involucradas (dentro y fuera de la organización):

 Son a menudo desarrolladas por el área comercial y afecta la planificación realizada por el área de fabricación.

 Dicha área modifica los forecasts realizados obligados por la capacidad y el nivel de material disponible.

• El récord histórico de ventas (más no los datos en tiempo real de los puntos de venta) se usan para generar el forecast usando modelos de estadística con una pobre visión del futuro.

• Se preparan diversos forecasts en las diversas áreas de la compañía (ventas, finanzas, producción, etc.)

• Poca y pobre distribución temporal.

• No se identifica los “drivers” reales de la venta.

• El forecast de ventas y el presupuesto de cada elemento posterior de la cadena no se relacionan entre sí.

…generan el aumento de los siguientes problemas:

 Altos costes de gestión de stocks y obsolescencia.

 Incremento del ciclo de la cadena de suministro.

 Bajos niveles en el área de servicio al cliente.

 Poco compromiso con las cifras.

 Se ignora el impacto completo de una variación a lo largo de la cadena.

 Mal dimensionamiento de la capacidad.

4. Beneficios

Los beneficios obtenidos de la realización, análisis y seguimiento de forecasts afectan al área de logística, además de influir en otras áreas de la empresa:

BENEFICIOS DE LA REALIZACIÓN DE LOS FORECASTINGS

G E N E R A L E S

 C o m p r o m i s o .

 D i m e n s i o n a m i e n t o .

 C a p a c i d a d d e r e a c c i ó n .

 M e d i c i ó n d e l a e f i c i e n c i a r e a l .

G E S T I Ó N C O M E R C I A L y M A R K E T I N G

 D i s m i n u c i ó n d e v e n t a s p e r d i d a s .

 C o n t r o l d e p r e c i o s , p r o d u c t o s .

 C o n t r o l d e l a s p r o m o c i o n e s d e p r o d u c t o s .

 R e q u e r i m i e n t o s d e l a s a t i s f a c c i ó n d e l c l i e n t e .

G E S T I Ó N D E S T O C K S

 D i s m i n u c i ó n d e l s t o c k d e s e g u r i d a d .

 D i s m i n u c i ó n d e l a s r o t u r a s d e s t o c k .

 D i s m i n u c i ó n d e l o s c o s t e s p o r o b s o l e s c e n c i a d e l s t o c k .

G E S T I Ó N D E A P R O V I S I O N A M I E N T O

 F i a b i l i d a d e n l a s ó r d e n e s d e c o m p r a .

 M e j o r a d e l o s t é r m i n o s d e n e g o c i a c i ó n c o n p r o v e e d o r e s .

G E S T I Ó N D E P R O D U C C I Ó N

 P l a n i f i c a c i ó n m á s e f i c i e n t e , f i a b l e y e x a c t a .

G E S T I Ó N D E P E D I D O S

 O p t i m i z a c i ó n e n l a g e s t i ó n d e p e d i d o s a l c o n t r o l a r m á s l a d e m a n d a.

S E R V I C I O A L C L I E N T E

 M e j o r a e n e l s e r v i c i o a l c l i e n t e.

C O N T R O L E C O N Ó M I C O

 G e s t i ó n e c o n ó m i c a c o n t r o l a d a.

5. Métodos del forecast

Al existir una variada gama de métodos y técnicas para efectuar un análisis de pronóstico, se distinguen claramente aquellos autores que las identifican como cualitativas y cuantitativas y otros como Ballou que, además de éstas, incluye a los métodos de proyección histórica haciendo interactuar a los tres métodos con diferentes técnicas a corto, mediano y largo plazo. De la interpretación efectuada de los métodos, podemos decir, que en algún punto del tiempo de forecasting donde se realice la combinación de las técnicas, la proyección histórica oficiaría como nexo o buffer zone (zona de amortiguación) como muestra la siguiente figura:

En el siguiente cuadro hemos sintetizado el espectro de métodos y técnicas para facilitar su comprensión:

6. Métodos de pronósticos

Se dispone de varios métodos de pronósticos estandarizados. Estos se han dispuesto en tres grupos diferentes: cualitativos, de proyección histórica y cuantitativos (casuales). Cada grupo difiere en términos de la precisión relativa del pronóstico sobre el largo plazo y el corto plazo, en el nivel de sofisticación cuantitativa utilizada y en la base lógica (información histórica, opinión experta o encuestas) de la que deriva el pronóstico.

6.1 Métodos cualitativos

Los métodos cualitativos utilizan el juicio, la intuición, las encuestas o técnicas comparativas para generar estimados cuantitativos acerca del futuro. La información relacionada con los factores que afectan el pronóstico por lo general es no cuantitativa, intangible y subjetiva. La información histórica tal vez este disponible o quizás no sea muy relevante para el pronóstico. La naturaleza no científica de los métodos los hace difíciles de estandarizar y de validar su precisión. Sin embargo, estos métodos pueden ser los únicos disponibles cuando se intenta predecir el éxito de nuevos productos, cambios de en las política gubernamental o el impacto de una nueva tecnología. Son métodos más bien adecuados para pronósticos a corto plazo.

6.2 Métodos de proyección histórica

Cuando se dispone de una cantidad razonable de información histórica y de las variaciones de las tendencias estaciónales en las series de tiempo son estables y bien definidas, la proyección de esta información al futuro puede ser una forma efectiva de pronóstico para el corto plazo. La premisa es que el patrón del tiempo futuro será una réplica del pasado al menos en una gran parte.

La naturaleza cuantitativa de las series de tiempo estimula el uso de los modelos matemáticos y estadísticos como las principales herramientas de pronóstico. La precisión que puede lograrse para períodos de pronósticos menores a seis meses por lo general es buena. Estos modelos trabajan en forma adecuada simplemente debido a la estabilidad inherente de las series de tiempo en el corto plazo. Los modelos de las series de tiempo son de naturaleza reactiva. Estos modelos rastrean los cambios al ser actualizados a medida que se dispone de nueva información, característica que les permite adaptarse a los cambios en los patrones de tendencia y estaciónales. Sin embargo, si el cambio es rápido, los modelos no emiten señal de cambio, sino hasta que éste ha ocurrido. Debido a esto, se dice que las proyecciones de estos modelos demoran los cambios fundamentales en las series de tiempo, y que son débiles para señalar los puntos críticos antes de que se presenten. Esta no es necesariamente una limitación notable cuando los pronósticos se realizan sobre horizontes de tiempos cortos, a menos que los cambios sean particularmente espectaculares

6.3 Métodos cuantitativos (o casuales)

La premisa básica sobre la que se construyen los métodos casuales para pronósticos es que el nivel de la variable pronosticada se deriva del nivel de otras variables relacionas. Por ejemplo, si se sabes que el servicio al cliente tiene un efecto positivo sobre las ventas entonces, entonces al conocer el nivel proporcionado del servicio al cliente podrá proyectarse el nivel de ventas. Podríamos decir que el servicio “causa” las ventas. En la medida que puedan describirse adecuadas relaciones de causa y efecto, los modelos casuales pueden ser bastantes buenos para anticipar cambios mayores en las series de tiempo y para pronosticar de manera precisa sobre un período de mediano plazo.

Los modelos casuales viene en una variedad de formas: estadísticos, en el caso de los modelos de regresión y econométricos; y descriptivos, como en el caso de los modelos de entrada y salida, ciclo de vida y simulación por computadora. Cada modelo deriva su validez a partir de los patrones de información histórica que establecen la asociación entre las variables para predicción y la variable que se pronosticará.

Un problema principal con esta categoría de modelos de pronóstico es que frecuentemente resulta difícil encontrar verdaderas variables casuales. Cuando se encuentran, su asociación con la variable que se pronosticará con frecuencia es preocupantemente baja.

...