Para las empresas de alimentación, contar con un proceso de previsión eficaz es vital. Sin una predicción precisa de la demanda, aumentan los desperdicios y no se pueden satisfacer las necesidades de los clientes retailers. Sin embargo, predecir la demanda no es sencillo, y menos en el contexto actual.
¿Cuál es el valor predictivo de los datos históricos de ventas? ¿A qué se deben hacer previsiones cuando escasean los planners? ¿Y cómo se debe responder a las fluctuaciones de un mercado extremadamente volátil?
En este artículo, exploramos estos tres retos clave y ofrecemos consejos que te ayudarán a tomar las decisiones correctas.
Un panorama complejo para la industria alimentaria
Las empresas manufactureras y distribuidoras de alimentación están sometidas a una gran presión. La demanda es impredecible y los retailers esperan una fiabilidad de entrega excepcionalmente alta. En muchos casos la tasa OTIF debe superar el 99%, o se corre el riesgo de recibir penalizaciones. Por otra parte, los productos perecederos deben estar lo más frescos posible cuando llegan a las estanterías, lo que supone una dificultad añadida para las operaciones.
Además, a pesar de haber cuadrado sus planes de compra y producción con semanas de antelación, a menudo las empresas alimentarias se ven sorprendidas por campañas promocionales de los retailers. ¡Qué frustrante es darse cuenta de que la escasa capacidad de producción se ha asignado a los productos equivocados!
Decisiones sobre la cadena de suministro
Para las empresas alimentarias, crear una previsión de ventas precisa es de gran importancia. Cuanto mayor sea la precisión de lo que pedirá un cliente, más fiables y frescas serán las entregas. Una buena previsión de las ventas también permite una producción más eficiente y menos desperdicio.
No obstante, ¿Cómo se pasa de una buena previsión a un plan de demanda bien equilibrado? ¿Y cómo se traduce este plan de demanda en una estrategia de aprovisionamiento y producción que respalde de forma óptima los KPI financieros? ¿Y cómo se pueden alinear, de manera estable y constante, las operaciones con la estrategia?
En última instancia, éstas son las decisiones clave que determinan si una empresa alimentaria tiene éxito o no.
De la previsión a la planificación de la demanda
Una previsión suele constar de dos partes: un componente estadístico, basado en datos históricos, y otro práctico que demanda del conocimiento de los equipos.
La parte estadística calcula la demanda basándose en datos históricos de ventas, utilizando algoritmos matemáticos y, cada vez más, IA y Machine Learning. La parte pragmática incorpora información externa del mercado. Es decir, datos que no pueden derivarse de las tendencias históricas pero que suelen conocer los equipos de ventas u otros departamentos.
Esto incluye los próximos contratos con nuevos clientes retailers, los cambios en la disposición de determinados productos de los estantes de los supermercados o la retirada progresiva de productos. Estos acontecimientos pueden tener un impacto significativo en la demanda y deben tenerse en cuenta en el proceso de planificación de la demanda.
Reto 1: Los datos históricos han perdido fiabilidad
Tras el COVID-19, la inflación, la guerra de Ucrania y otros acontecimientos de gran impacto, la demanda de los consumidores se ha vuelto muy volátil. Las cifras de ventas pasadas y los datos contextuales han perdido gran parte de su poder predictivo, lo que hace más difícil para las empresas confiar únicamente en sus datos históricos de ventas. Aunque la previsión estadística sigue siendo primordial, los conocimientos del mercado y la información que aportan los clientes son cada vez más importantes.
Un ejemplo claro son las promociones planificadas por los retailers. Éstas pueden desencadenar picos masivos de demanda, por lo que los equipos de la cadena de suministro deben estar informados lo antes posible.
Nuestra recomendación: haz de la integración de datos externos una parte ineludible del proceso de previsión. Los calendarios promocionales y las cifras de previsión de los retailers deben incorporarse con rapidez y precisión a los sistemas de planificación.
Una queja habitual es que las previsiones de los retailers son de mala calidad. Puede que sea cierto, pero no es excusa para ignorarlas. En el caso de los clientes clave, es aconsejable comparar sus previsiones con las proyecciones internas y contar siempre con un planificador que evalúe cualquier discrepancia.
Reto 2: ¿A qué nivel debe realizarse la previsión?
Otra consideración clave para las empresas es determinar el nivel más eficaz en el que realizar las previsiones. ¿Debes prever la demanda total de todos los productos de una sola vez, o debes calcular la demanda futura de cada artículo y cliente por separado?
Observamos que los equipos de planificación prefieren hacer previsiones a nivel de cliente/artículo porque proporciona la información más concreta y es especialmente útil para las promociones (específicas para cada cliente). El razonamiento suele ser que cuanto más detallado, mejor. Sin embargo, cuando se trata de hacer previsiones, no siempre es así. La previsión a nivel de cliente/artículo requiere una cantidad significativa de tiempo por parte de los planificadores y aumenta el riesgo de perderse en los detalles. Además, suele haber menos datos disponibles a este nivel granular, lo que hace que las previsiones estadísticas sean menos fiables.
A nivel de cliente/grupo de productos, un sistema puede predecir la demanda con mucha más exactitud que a nivel de cliente/artículo individual, especialmente cuando un artículo sólo se pide unas pocas veces al año.
La clave está en estructurar el proceso de previsión de forma que se maximice el uso de la tecnología al tiempo que se aprovechan al máximo los conocimientos del mercado de los equipos comerciales. El enfoque ideal es una combinación: pronosticar un número selecto de grandes clientes a nivel de cliente/artículo mientras se pronostica el resto de clientes más pequeños a nivel de artículo. De este modo, se obtiene lo mejor de ambos mundos:
- Los grandes clientes, que realizan pedidos semanalmente y generan cantidades considerables de datos, se adaptan bien a las previsiones estadísticas y merecen una atención especial por parte de los equipos de ventas.
- Los clientes más pequeños, que hacen pedidos con menos frecuencia, se prevén mejor a un nivel de agregación más alto, lo que garantiza que los planificadores no les dediquen una cantidad de tiempo desproporcionada.
Reto 3: ¿Cómo responder a las desviaciones?
Las promociones y otros acontecimientos pueden provocar importantes fluctuaciones en la demanda. Especialmente en la industria alimentaria, donde los productos tienen una vida útil corta, estas fluctuaciones pueden desembocar fácilmente en despilfarro. Es crucial no sólo prever estos picos con precisión, sino también reconocerlos, interpretarlos y responder adecuadamente a ellos para llevar a cabo una planificación de la demanda adecuada.
Para lograrlo, es aconsejable disponer proceso eficaz de detección de valores atípicos y utilizar las herramientas adecuadas. A través del machine learning, las desviaciones de la demanda pueden detectarse cada vez con mayor precisión. Además, a la hora de interpretar los datos, es esencial diferenciar en función del tipo de cliente:
- Para los clientes clave (A), un planificador de la cadena de suministro debe encargarse de las desviaciones que se produzcan.
- Para los clientes más pequeños, debe primar la eficiencia, permitiendo que el propio sistema responda automáticamente.
Responder eficazmente a las desviaciones requiere un buen equilibrio entre la inteligencia humana y la automatización del sistema. Actualmente, los planificadores de la cadena de suministro tienen una carga de trabajo ingente y deberían dedicar su tiempo únicamente a las tareas en las que aportan más valor. Nuestra recomendación es aplicar los principios de la gestión por excepción: automatizar al máximo las decisiones rutinarias e implicar a los planificadores humanos sólo cuando se produzca una desviación importante o cuando se trate de clientes clave.
Para lograrlo, es esencial contar con un sistema avanzado de planificación de la cadena de suministro, capaz de identificar las desviaciones, darles prioridad y asignarlas a la persona adecuada para que las revise y, en caso de que sea neceario, tome acción.
Software y conocimiento
La previsión en la industria alimentaria es fundamental para la supervivencia, pero, como hemos mostrado en este artículo, hay varias trampas a evitar. Aprovecha la información del mercado, elige el nivel adecuado de agregación y céntrate en las excepciones. Estos son solo algunos de los consejos que compartimos regularmente con nuestros clientes del sector alimentario que utilizan nuestras soluciones.
Durante casi 30 años, nuestro equipo y nuestra plataforma impulsada por IA (Slim4) han optimizado cadenas de suministro en todo el mundo. Nuestras soluciones están diseñadas para ayudar a las empresas de cualquier sector a tomar mejores decisiones en la gestión de la cadena de suministro. A través de la Slimstock Academy, apoyamos tanto a nuestros clientes como a quienes buscan una mejora continua.
Si deseas obtener más información sobre previsión y planificación en la industria alimentaria, no dudes en ponerte en contacto con nosotros. Estaremos encantados de explicarte todo acerca de nuestro software de previsión de la demanda.
