Actividad 1 (2 Corte)

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 5

Métodos de estimación de demanda y

flexibilidad

En un mundo en que los productos tecnológicos son cada vez más demandados, y en donde
las empresas oferentes deben manejar una gran cantidad de SKUs, resulta de suma
importancia la estimación de demanda para éstos. Sin embargo, se trata de un mercado de
gran incertidumbre, donde los ciclos de vida se vuelven cada vez más cortos y, por
consiguiente, la predicción de demanda de éstos resulta mayormente compleja.
Los sistemas de previsión de la demanda son una herramienta de gran ayuda para la
planificación avanzada de procesos y para luchar contra la incertidumbre en la previsión de
cobertura. Pero, ¿a qué nos referimos cuando hablamos de incertidumbre? La incertidumbre
está presente en todos y cada uno de los negocios. Es la imposibilidad de conocer con
certeza cómo se va a desarrollar una situación, un proyecto o una estrategia empresarial. La
incapacidad para pronosticar los riesgos o las consecuencias finales de las decisiones que se
toman. En un ecosistema tan complicado como es el empresarial, resulta imprescindible
poder adelantarnos a lo que va a suceder para poder elegir el camino correcto. Entonces,
¿qué puede hacer una compañía para reducir esa inseguridad y tomar las mejores decisiones
posibles? Uno de sus instrumentos más efectivos es el uso de sistemas de previsión de la
demanda.
La revolución digital está transformando las empresas y los procedimientos que utilizan
para su gestión. La Analítica Avanzada de datos y la Inteligencia Artificial se están
convirtiendo en herramientas clave de negocio, gracias a las cuales las compañías
incrementan su productividad, afianzan sus mercados y se sitúan por delante de sus
competidores.
La asombrosa capacidad actual de disponer de un volumen ingente de datos gracias al Big
Data, proporciona a las empresas la oportunidad de utilizar estos datos para diseñar
soluciones basadas en técnicas de Machine Learning y así prever qué va a ocurrir en su
negocio y, en consecuencia, mejorar la toma de decisiones.
El área de ventas puede obtener valiosa información sobre su potencial en el mercado y
tomar las decisiones más adecuadas para su estrategia de precios o estrategias de
rentabilidad. La posibilidad de calcular de forma precisa la demanda de cada uno de los
productos facilita una planificación más eficiente de las operaciones. Además de una mejor
gestión de los costes asociados (variables y fijos), planes de inversión y plazos de entrega y
por consiguiente, su impacto en el precio final, que se repercute al cliente.
Analítica predictiva: conclusiones automáticas, decisiones
humanas
Es fundamental que los métodos de predicción de la demanda sean eficientes, poco
costosos, precisos y adaptables al comportamiento del mercado. Todos estos requisitos
pueden ser tenidos en cuenta en los modelos analíticos.
Los modelos más básicos de análisis estadístico han ido evolucionando hasta las versiones
más sofisticadas de Machine Learning y Deep Learning. Automatizando las capacidades de
aprendizaje de los algoritmos, minimizando la intervención humana previa sobre los datos.
La analítica predictiva permite conocer el futuro desarrollo y la trayectoria de indicadores
básicos para la empresa. Aporta una información inestimable que ayuda a las compañías a
elegir las mejores estrategias según sus objetivos de negocio. No obstante, aunque este
metodo transmite un valioso conocimiento, no automatiza la toma de decisiones, que sigue
en manos de las personas.

Utilidades de la previsión de la demanda en diferentes sectores


Sectores estratégicos como la industria logística, el manufacturing o el retail, pueden verse
enormemente beneficiados por el uso de sistemas de previsión de demanda.
La gestión ineficiente del stock de productos (por “sobre-stockage” o rotura de stock) o su
planificación logística, son áreas de gran impacto en la rentabilidad en la industria retail.
Grandes firmas del sector retail -que ya han comenzado a hacer uso de estos recursos- están
perfeccionando sus previsiones y, como resultado, disminuyendo los stocks de seguridad y
reduciendo los costes. Igualmente en el sector logístico, donde el correcto uso de sus
recursos (flota, personal) y la planificación de rutas de distribución inciden directamente en
la rentabilidad; minimizar los costes operativos, sin poner en peligro la calidad del servicio,
es clave para su sostenibilidad. Resulta imprescindible una gestión inteligente y flexible de
pedidos, recursos (conductores, vehículos), y rutas para alcanzar los compromisos de
entrega. Mediante el uso de técnicas de Machine Learning es posible predecir la demanda
con exactitud. Así como administrar y controlar el inventario, optimizando la distribución
del producto y su reposición en la red de puntos comerciales.
Por su parte, las empresas manufactureras deber tomar continuas decisiones sobre la
cantidad y los plazos de fabricación de cada uno de sus productos, considerando los
recursos limitados de los que disponen. Mediante el uso de sistemas predictivos de la
demanda, es posible incrementar la eficiencia y el control sobre la producción, asegurando
los tiempos de entrega, optimizando la gestión de inventario y, en definitiva, proporcionado
un mejor servicio al cliente de la industria manufacturing.
Ventajas de integrar la previsión de la demanda dentro de la
estrategia empresarial
Las soluciones basadas en los modelos de analítica predictiva son una herramienta clave
para anticiparse al futuro y elegir el mejor camino a seguir. Así, se logra una mayor eficiencia
en los distintos departamentos y procesos, y se disminuyen los riesgos operativos de la
compañía. Las ventajas del uso de los métodos de previsión de la demanda son numerosas:

 Diseñar la oferta a medida, basándose en los hábitos de compra del consumidor.


 Perfeccionar la gestión de inventario, aumentando los índices de rotación y
rebajando los costes de almacenamiento.
 Anticipar el estado del siguiente flujo de caja. Esto supone que las compañías
pueden confeccionar sus presupuestos con mayor exactitud para hacer frente a los
pagos a proveedores y otros costes operacionales.
 Conocer cuándo es necesario ampliar la plantilla y otros activos para mantener el
funcionamiento durante los incrementos de producción.
 Adelantarse a las posibles averías de los equipos, tomando en cuenta datos sobre su
actividad, así se pueden organizar previamente los mantenimientos de maquinaria.
 Detectar actuaciones o movimientos fraudulentos e impagos antes de que sucedan
para poner en marcha procedimientos que lo impidan o lo atenúen.
SISTEMA OPA (JACOB GODNICK)
Modifica el método de opinión de los vendedor, evitando el riesgo de subestimación de las
ventas. Este método premia o castiga la capacidad del vendedor para preparar buenos
pronósticos o para cumplir con las metas fijadas.
Etapas
1. EL Gerente de Ventas prepara y entrega a los vendedores la meta (Objetivo) a los
vendedores para su consideración.
2. El vendedor analiza la situación de su territorio o cartera y prepara un pronóstico de
ventas individual(P), el cual puede ser mayor, menor o igual que el elaborado por el
Gerente de Ventas. Así se determina un índice que compara O con P y que puede tener un
valor menor igual o mayor que 1,0.
3. En base a los pronósticos preparados por los vendedores se elaboran pronósticos globales
para la empresa.
4. Pasado el período para el cual se pronosticaron ventas, se compara las ventas actuales o
reales logradas por cada vendedor (A), con los objetivos (O). Así se establece otro índice
que puede ser menor igual o superior a 100%.
5. A continuación se procede a determinar el incentivo que le corresponde a cada vendedor
en función de su capacidad para preparar buenos pronósticos y su capacidad para
cumplirlos, para lo cual se utiliza una matriz similar a la siguiente:

También podría gustarte