Las empresas tienen que adaptarse rápidamente a los cambios en el entorno que se aplican en puntos de venta para administrar y modificar, de ser necesario, el suministro de productos.

Cuando las cadenas de suministro aceptamos que éramos guiados por la demanda, dimos un paso gigante en la dirección correcta. Desde que se empezó a utilizar el término de “cadena de suministro”, era claro que había problemas con su enfoque. El primero es que no es una cadena sino una red, ya que en cada nodo se conectan múltiples empresas; el segundo es que el énfasis no debía estar en el suministro, sino en la demanda que genera estas necesidades.
Sin embargo, claramente un cambio de nombre no es la solución al problema. La demanda ha demostrado ser un reto enorme para las organizaciones, ya que todos quieren tener el control de ella, pero nadie se quiere hacer responsable de su exactitud. Esta falta de apropiamiento nos conduce a diferentes escenarios, el más común es que diferentes áreas tienen sus propios números para trabajar y la organización se rompe en silos que defienden su número como el único verdadero.
Otro escenario que ha ido creciendo en los últimos meses es que pensamos que comprar software especializados en la gestión de la demanda es como tener una varita mágica que resolverá todos nuestros problemas sin ningún esfuerzo por nuestra parte. Un escenario más realista y adecuado corresponde a entender la complejidad de la administración del suministro necesario y lograr la mayor colaboración posible entre todos los participantes del proceso.
Hace muchos años tuve el gusto de escribir un artículo para explicar a la comunidad que el pronóstico y la gestión de la demanda no son sinónimos, que mantienen una estrecha relación, pero son diferentes tareas. Explicado de una forma muy simple, el pronóstico es una proyección del pasado mediante modelos que identifican elementos clave como tendencias y estacionalidad; sin embargo, estos modelos resultan de poca utilidad ante entornos muy complejos y con constantes cambios, lo que ocurre cada vez más en un mundo dinámico.
La planeación de la demanda se define (en términos simples) como lo que pasará con base en el pronóstico y las acciones que nosotros tomaremos para darle forma a la solicitud de productos de acuerdo con nuestras metas y estrategias. Finalmente, es definida como el conjunto de acciones que se toman para asegurar que la organización tenga disponibles los recursos para satisfacer esa demanda planeada.
De la probabilidad a la realidad
Si analizamos un ciclo completo de administración de la demanda de un producto, sería algo así: nuestro modelo de pronóstico indica que venderemos 100; con base en las nuevas condiciones del mercado y nuestras acciones para influir en la demanda establecemos que tenemos 85% de probabilidad de que sea entre 110 y 120, por lo que hacemos todos los ajustes necesarios para garantizar que podremos satisfacer cualquiera de estas cantidades.
Pasamos de un mundo determinístico a uno probabilístico; de generar pronósticos que nos daban un número, a modelos predictivos que no solo nos indican diferentes escenarios, sino que para cada uno nos define su probabilidad y una lista de los factores que contribuyen a que ocurra, para que a partir de ahí entendamos qué es lo que podemos hacer para influir y lograr los resultados que deseamos.
      Embed

Cada escenario que se genera está basado en variables y para cada una de ellas hacemos supuestos, cada uno con un diferente grado de confianza, de cómo se encontrará, lo que nos permite construir planes de contingencia que se pueden ejecutar rápidamente ya que nos hemos preparado con anticipación.
Una vez que entendemos algunos conceptos básicos tenemos que analizar los medios para gestionar los pronósticos y la demanda. Aquí es donde nos encontramos con los principales retos, ya que al menos tenemos que considerar 5 variables:
  1. Los conocimientos del negocio.
  2. Los datos internos y externos.
  3. La tecnología para el procesamiento de la información.
  4. Los conocimientos matemáticos para construir los algoritmos.
  5. Los procesos de toma de decisiones.
Aunque puede parecer un poco extraño (porque para muchos la mejora en la gestión de la demanda es un proyecto de “fierros y bytes”), lo más importante es el conocimiento del negocio, que se puede resumir en responder claramente las siguientes preguntas:
  • ¿Qué estrategias se desean utilizar para lograr los objetivos del negocio?
  • ¿Cuál es el mercado objetivo del negocio?
  • ¿Cuáles son las mayores restricciones del lado de suministro?
  • ¿Cómo se conectan las diferentes variables del entorno para influir en la demanda?
Los algoritmos inteligentes encontrarán correlaciones y escenarios que seguramente nunca se habían considerado, pero es un hecho que muchos de estos instrumentos serán ilógicos desde una perspectiva de negocio, por lo cual los datos deben ser validados por alguien que entienda a detalle las particularidades de la demanda analizada.
Los datos son la base para evolucionar a nuevos tipos de análisis y decisiones; se requiere que estén disponibles en el momento correcto, en la cantidad correcta y con una alta confiabilidad. Bajo los nuevos modelos de gestión de la demanda se espera tener disponibles datos en tiempo real de lo que está ocurriendo en el mercado, el llamado demand sensing.
Para una buena analítica de la demanda aspectos fundamentales a considerar son:
  • ¿Qué datos mínimos se requieren para predecir la demanda?
  • ¿Cómo se pueden obtener?
  • ¿Cuándo se les necesita?
  • ¿Cómo se puede comprobar su validez?
Tengamos presente que algunos datos deberán ser comprados de socios de cadena o de empresas altamente especializadas en los comportamientos de los mercados y esto puede ser una inversión recurrente importante.
Comunicaciones en el ecosistema
La tecnología de información representa a estos sistemas que se usarán para la generación, recolección, distribución, almacenamiento, análisis y disposición final de los datos asociados con la demanda. Hoy en día resulta relativamente simple intercambiar datos entre plataformas, pero los procesos y tiempos asociados disminuyen la disponibilidad de esta información. Es por esto que las empresas deben tener una clara política sobre la gestión de los datos a lo largo de toda su cadena de suministro.
Es ahora el momento de usar la ciencia de los números para crear algoritmos que procesen los datos, los conviertan en información y presenten a los tomadores de decisiones los diferentes escenarios bajo las restricciones de capacidad y recursos financieros marcados por las condiciones y estrategias de la organización.
Aunque esto puede parecer fácil, es claro que existe una escasez de talento especializado en el diseño de estos modelos, y más cuando se desea trabajar con enfoques tipo machine learning. Es posible que la empresa tenga que invertir tiempo y dinero en el desarrollo de estos recursos y posteriormente en la retención de un talento altamente demandado en el mercado.
Un buen ejemplo de modelos que se integran a la administración de la demanda son los sistemas de gestión de inventario multiescalones (MEIO), que optimizan los inventarios en los diferentes escalones de una cadena para satisfacer la demanda al menor costo y con el menor capital de trabajo. 
Todo lo anterior permitirá llegar al objetivo relevante: mejorar la calidad de las decisiones y la posibilidad de tomarlas lo más cercano al tiempo real para poder alcanzar los objetivos de la gestión de la demanda y las estrategias del negocio. En este tema se identifica el uso de conceptos como el demand shaping que se relaciona con decisiones que se toman sobre precios, promociones o puntos de venta que influyen de forma inmediata en el consumo de cierto producto.
Es posible que todo este camino parezca muy complejo y pesado, y es porque de hecho sí lo es, pero el beneficio que se obtiene al estar preparado para los diferentes escenarios lo justifica ampliamente. Tener un sistema integral para la gestión de la demanda es la clave para la rentabilidad del negocio.
*Presidente del Capítulo México de la APICS.