Cómo medir y mejorar la precisión de las previsiones en el comercio minorista: Una guía completa

La falta de existencias costó a los minoristas 1,77 billones en 2023. La previsión de la demanda es la solución clásica para evitar enormes pérdidas por exceso de existencias o escasez. En este artículo, consideraremos los métodos y las opciones de cálculo y averiguaremos qué fórmula de error de previsión es la mejor para su negocio. Además, vea a continuación los consejos para mejorar la precisión de las previsiones ante los retos del mercado moderno.

Los investigadores de McKinsey descubrieron que el 77% de las empresas invierten en tecnología Esto demuestra que la comprensión de los procesos se ha convertido en una prioridad, y la aparición en el mercado de herramientas de predicción basadas en la IA y el aprendizaje automático respalda aún más esta tendencia.

En consecuencia, ha crecido el interés por medir la precisión de las previsiones gracias a la superioridad de estas herramientas sobre los cálculos manuales y las predicciones de los expertos. Pero, ¿están realmente libres de errores al 100%? Para responder a esta pregunta, debemos examinarlas más de cerca, explicar el proceso de cálculo de la precisión y determinar el sesgo aceptable de las previsiones.

Pero primero, empecemos por lo básico.

En el contexto de la precisión de la previsión de la demanda, es la correspondencia entre la demanda prevista y la demanda real. Tenga en cuenta que la demanda real es el número total de pedidos o solicitudes de compra, independientemente de la cantidad de producto que hubiera en existencias.

Si la precisión es baja, corre el riesgo de comprar más existencias de las que necesita o de que los clientes se sientan insatisfechos por la escasez de productos.

¿Debería entonces la precisión de la previsión estar siempre cerca del 100%? ¿Es realista?

La previsión no debe verse como un fin, sino como un medio. La previsión sólo es necesaria si le ayuda a alcanzar sus objetivos. Por ejemplo, si su objetivo es lograr la máxima disponibilidad de productos, centre en ello la precisión de su previsión de la demanda e intente alcanzar la precisión adecuada.

Calcular y determinar el sesgo de las previsiones es complejo y no especialmente apasionante. Así que la pregunta es: ¿es esencial? Examinemos los beneficios que una previsión precisa aporta a los minoristas.

La previsión de la demanda y la posterior planificación le permiten crear el ciclo adecuado: mantener la cantidad de existencias en consonancia con las ventas futuras previstas (teniendo en cuenta las promociones, la estacionalidad y otros factores). Pedir sólo la cantidad que necesita cuando la necesita: ¿no es eso lo que desean todos los minoristas? En este caso, el objetivo de la previsión es evitar la escasez y la acumulación de existencias. Esto es aún más importante cuando se trata de productos perecederos.

Un cliente satisfecho equivale a un cliente fiel. Seguirán volviendo y eso es algo que una previsión precisa ayuda a asegurar, ya que le permite garantizar eficazmente que los productos que los clientes necesitan estarán siempre disponibles.

En el comercio minorista, la demanda nunca es estable. Además de los factores habituales para los minoristas, como el Viernes Negro, la Navidad y otras fiestas, la estacionalidad y los cambios meteorológicos, existe otro factor: la influencia de los medios sociales. Si un producto se vuelve viral, las ventas pueden aumentar miles de veces de la nada. Aunque es bastante difícil, sigue siendo necesario predecirlo. Lograr un alto nivel de precisión en las previsiones es importante porque siempre es más rentable estar preparado para un aumento de la demanda que salir corriendo al rescate cuando las estanterías están vacías y no hay tiempo para que el proveedor entregue un nuevo lote.

La rotación del surtido es una práctica habitual para los minoristas, pero ¿cómo saber cómo reaccionarán los clientes ante los nuevos productos? Con unas previsiones precisas de la demanda basadas en indicadores de rendimiento de productos similares, puede averiguar qué cantidad del nuevo producto necesita comprar y cuáles serán las ventas previstas.

Su éxito depende directamente de los esfuerzos de sus socios: la rapidez y la precisión de sus proveedores. Una buena planificación es el primer paso para mejorar. Intente compartir su previsión anual de demanda con sus proveedores para que ajusten la producción y las entregas en consecuencia.

Unos niveles de inventario óptimos garantizan un menor número de mercancías almacenadas en el almacén sin exceso de existencias, al tiempo que aumentan la rotación de productos y reducen los costes de almacenamiento. Además, con predicciones precisas de la demanda, puede evitar pagar de más por las entregas de emergencia debidas a la escasez y eliminar la necesidad de transferir mercancías entre puntos de venta.

Disponer del producto adecuado en los estantes de su tienda en el momento oportuno reduce la pérdida de ventas y conduce a un aumento general de la satisfacción del cliente y de los ingresos.

¿Qué es exactamente la fórmula de precisión de las previsiones utilizada para los cálculos? Veamos las principales métricas, fórmulas y ejemplos, y consideremos cada error de previsión en detalle.

Esta métrica permite determinar la desviación del valor previsto con respecto al real. Se calcula en porcentaje. Es la forma más sencilla de determinar la magnitud del error, que puede utilizarse para comparar diferentes periodos de tiempo o productos. Al mismo tiempo, es sensible a valores reales pequeños y puede dar lugar a distorsiones en las que la demanda real sea = 0. La fórmula es la siguiente:

Por ejemplo, si planificó vender 100 paquetes de café y vendió 80, el error de previsión sería del 25%. Esto significa que ha subestimado la demanda en una cuarta parte.

Este método ayuda a identificar grandes errores en la diferencia entre los valores reales y las previsiones. Esto es especialmente valioso si quiere evitar errores de previsión cuando pronostique la demanda durante las temporadas altas o cuando trabaje con productos caros. Tenga cuidado, sin embargo, porque este método de cálculo subestima los pequeños errores sistemáticos y no es adecuado si le preocupan tanto los errores grandes como los pequeños.

Fórmula de cálculo:

yi - el valor real de las ventas o la demanda del i-ésimo producto o periodo.

ŷi - el valor previsto de las ventas o la demanda para el mismo producto o periodo.

n - es el número de observaciones.

Es la media de la diferencia absoluta entre la demanda prevista y las ventas reales. El MAE se utiliza con mayor frecuencia cuando es necesario determinar la cantidad total de errores, si son excesivos o si la previsión subestima las ventas. Es eficaz, por ejemplo, para evaluar la previsión de las ventas diarias de baguettes.

Fórmula de precisión de las previsiones:

Imagine que ha estado consultando las previsiones de ventas de baguettes durante tres días y ha descubierto que debería haber vendido 110, 140 y 125 unidades, pero en realidad vendió 100, 150 y 130. Los errores reales de cada día fueron 10, 10 y 5, respectivamente. Es decir, la suma de los errores es 25. Dividimos esto por el número de días de investigación y obtenemos 8,33. Esta es la desviación media con respecto a la previsión.

El error porcentual absoluto medio MAPE es una medida de la diferencia absoluta media entre la demanda prevista y las ventas reales. Es necesaria para comprender la magnitud de los errores en relación con las ventas reales. En otras palabras, el error porcentual absoluto medio permite comprender claramente la precisión porcentual de la previsión. El cálculo se utiliza para comparar previsiones para diferentes productos o periodos de tiempo.

Fórmula para el error porcentual absoluto medio:

n - número de observaciones.

Ai - valor real de i en ese momento

Fi - valor previsto en el momento i

Volvamos a nuestro caso con las baguettes. Para calcular el error porcentual absoluto medio, primero hay que hallar los errores porcentuales de cada día: 10%, 6,67% y 3,85%, respectivamente. A continuación, tiene que sumar estos porcentajes y dividirlos por el número de días. El resultado es un error porcentual absoluto del 6,84%.

Esta métrica se utiliza para medir la tendencia de las previsiones a sobrestimar o subestimar constantemente la demanda real. Esto es necesario para identificar problemas sistemáticos en las previsiones y realizar los ajustes oportunos. Sin embargo, el cálculo no da una idea de la magnitud de los errores: sólo indica su dirección.

Fórmula de precisión de las previsiones:

Consideremos de nuevo el ejemplo de las ventas previstas y reales de baguettes. En este caso, calcularemos la diferencia entre las cifras previstas y las reales: 10, -10 y -5, respectivamente. Buscamos la suma de estos valores, y es -5. Dividimos el resultado por 3 días de investigación y obtenemos -1,67. Esto significa que el modelo de cálculo subestima la demanda en 1,67 por cada observación.

Así pues, hemos visto cómo calcular la precisión, pero ahora surge otra pregunta: ¿qué es un buen resultado? ¿Cuál debería ser la precisión objetivo para su modelo de negocio?

La evaluación de la calidad de una previsión depende de la previsibilidad de la demanda, en la que influyen las tendencias del mercado, los factores macroeconómicos, la estacionalidad, la disponibilidad de espacio suficiente en el almacén, así como los acontecimientos especiales del minorista (por ejemplo, las rebajas).

No obstante, el indicador generalmente aceptado por los minoristas se sitúa entre el 70% y el 80%. Al mismo tiempo, una precisión del 60% se considera buena para los bienes que se venden lentamente (por ejemplo, electrodomésticos o artículos de lujo), ya que es más difícil predecir la demanda.

Es importante tener en cuenta los siguientes principios:

• Mida usted mismo un indicador alcanzable: por ejemplo, la rentabilidad. Basándose en él, modele las situaciones en las que una buena previsión afectará al resultado e ignore todo lo que no se verá afectado por la previsión. Por ejemplo, si vende productos de temporada, ignore los cambios en la demanda durante la temporada baja.
• Optimice las previsiones al mismo tiempo que planifica. Ponga en orden sus stocks de seguridad, los ciclos de planificación y los plazos de las tareas. Analice en detalle los productos, tamaños de lote y promociones que no hacen eficiente su negocio, incluso a pesar de una previsión precisa.
• Si gestiona una cadena de tiendas, es beneficioso crear previsiones separadas para cada punto de venta, ya que los insumos variarán según la ubicación.

Ahora hemos llegado a los consejos sobre cómo se puede mejorar la previsión en la gestión de la cadena de suministro y el comercio minorista.

Cuanto más precisos y actualizados sean sus datos de inventario, más eficaz será su planificación de la demanda. Así que primero establezca la recopilación de datos de fuentes fiables. Hoy en día, este proceso puede automatizarse: integre una única plataforma que estará sincronizada con todas las aplicaciones y herramientas que utilice para la planificación, las ventas y los datos de los clientes. Recopilará la información en tiempo real.

Para gestionar eficazmente su surtido, es esencial comprender dónde es crítica la precisión de las previsiones y dónde es aceptable cierto margen de error. Aquí es donde entra en juego el análisis ABC(D), que clasifica los productos en función de su importancia. Por ejemplo, los bienes de consumo de rápida rotación (FMCG) como la leche requieren una gran precisión de previsión. Si los clientes no encuentran su leche preferida, es posible que abandonen la tienda, con la consiguiente pérdida de ventas no sólo de la leche, sino también de productos relacionados como los cereales.

Por el contrario, productos como el whisky de 10 años fuera de temporada pueden tolerar errores de previsión. Tienen una larga vida útil, y la demanda fuera de temporada de productos caros es inherentemente impredecible.

Cuando se considera el análisis XYZ, que hace hincapié en la variabilidad de la demanda, es importante tener en cuenta que para los bienes de categoría Z -caracterizados por una gran variabilidad de la demanda- alcanzar previsiones precisas es a menudo inalcanzable.

Los sistemas avanzados de planificación de la demanda, como LEAFIO AI, pueden tanto establecerse automáticamente como ajustarse individualmente para cada empresa. El software comprueba constantemente la precisión de las previsiones generadas y ajustadas automáticamente. Si la precisión supera los límites establecidos, el sistema envía una alerta al usuario para que corrija el problema.

Existen factores externos estacionales y no estacionales. Los primeros son previsibles (vacaciones, precipitaciones, temperatura, etc.), mientras que los segundos son irregulares e imprevisibles. Utilice los datos históricos así como la información general del mercado para determinar su impacto en sus ventas.

Existen muchos métodos para prever los factores externos: análisis de tendencias, media móvil, alisamiento exponencial, regresión, etc. Debe mezclarlos y combinarlos en función de sus necesidades. Por ejemplo, si tiene factores estacionales, el alisamiento exponencial con ajustes estacionales es la elección correcta.

El software de previsión de la demanda es su asistente que le proporciona datos listos para usar para una planificación meditada y una toma de decisiones estratégica.

Por ejemplo, LEAFIO Demand Planning Software es una plataforma impulsada por IA que calcula la demanda de cada tipo de producto con la mayor precisión posible basándose en un historial completo de ventas, promociones, estacionalidad y otros factores. Utilizándolo, usted puede:

• Tome decisiones estratégicas con conocimiento de causa.
• Responda a los cambios en la demanda de forma rápida y oportuna.
• Aumente la fidelidad de los clientes.
• Aumente los beneficios y reduzca los costes.

El software de planificación de la demanda LEAFIO es utilizado por supermercados, tiendas de comestibles, licorerías, comercio electrónico, jugueterías y muchas otras industrias minoristas.

Imagine varios escenarios posibles basados en supuestos específicos. Esto le ayudará a encontrar oportunidades y a identificar riesgos. Ponga a prueba estos escenarios utilizando el análisis hipotético. Esto le ayudará a ajustar las variables clave y a modelizar los posibles resultados. La combinación de estos métodos le ayudará a tomar decisiones informadas y a realizar previsiones más precisas.

Por ejemplo, si está pronosticando las ventas para un año, cree un escenario optimista (crecimiento de la demanda debido a la estabilización económica), un escenario pesimista (la crisis se intensifica, la demanda disminuye) y un escenario de referencia (nada cambia). Compruebe cómo afectarán los cambios de precios en cada caso a los beneficios y prepárese para todos los resultados posibles.

Este consejo nos devuelve al primer punto: la importancia de disponer de datos precisos. Cada departamento tiene su propia información. El departamento de ventas proporcionará datos sobre el nivel de demanda: históricos y actuales. Los responsables de marketing compartirán información sobre las tendencias del mercado y las próximas actividades promocionales, el personal de finanzas compartirá información sobre el presupuesto, y así sucesivamente. Combine esta información y tendrá una imagen completa para crear una previsión.

Asegúrese de que puede reaccionar rápidamente ante los cambios: controle los datos y los resultados y modifique las previsiones. Si la desviación entre las ventas reales y las previsiones es significativa, es hora de revisar sus datos y mejorar su proceso de previsión. Necesita hacer un seguimiento de los resultados en tiempo real para poder tomar las decisiones más precisas. Por cierto, esta tarea también puede confiarse a un software de previsión de la demanda basado en IA.