Un comerciante o fabricante pyme define el aprovisionamiento a partir de las ventas pasadas. Problema clásico de IO: previsión de series temporales más política de inventario.
En pocas palabras
¿Te suena?
- Manejamos 500-5.000 referencias; el responsable de compras pide cada mes en una hoja de cálculo usando la media de los tres últimos meses.
- Algunos productos llevan seis meses en el lineal (stock muerto) mientras otros muy demandados se agotan a mitad de semana (rotura) — al mismo tiempo.
- Hay estacionalidad (fiestas, vuelta al cole, verano/invierno), pero la planificación es manual; no hay método sistemático.
- Nuestra rotación de inventario está por debajo del referente del sector; el capital queda atrapado en stock.
- Los plazos de los proveedores van de cuatro a ocho semanas; al pedir no sabemos cuánto colchón dejar.
- Cuando incorporamos un producto nuevo no sabemos preverlo: o pedimos de más o lo dejamos sin stock.
- Nuestro ERP o plataforma de comercio tiene un módulo de 'previsión' pero no capta la estacionalidad y no nos fiamos.
Por qué importa
Cómo se resuelve
Profundidad técnica
Cómo se resuelve
Profundidad técnicaEn una frase: Pronostica los rápidos (vende cada día) con estacionalidad, los lentos (unos por semana) con media móvil y los intermitentes (la mayoría de días en cero) con un método aparte — aplicar una sola fórmula a todos aplana los estacionales (rotura en días de campaña) y se pasa con los intermitentes.
Este problema vive en la intersección entre investigación operativa (disciplina que usa matemáticas y computación para resolver decisiones de negocio) y aprendizaje estadístico. Dos subproblemas acoplados: Demand Forecasting (previsión puntual e intervalar) y Inventory Policy (cantidad de pedido, punto de pedido y stock de seguridad derivados de la previsión). Solución en tres etapas:
1. Modelado. Preparación de datos: al menos dieciocho a veinticuatro meses de ventas por referencia, diarias o semanales. Relleno de huecos, tratamiento de atípicos, reconstrucción de períodos de rotura (cero ventas durante una rotura no es demanda real; debe corregirse). Descomposición estacional y de tendencia. Clasificación de referencias: alta rotación (A), media (B), lenta (C), intermitente (mayoría de días en cero). Cada clase pide un método distinto.
2. Decisión con solver. Elección por clase: A — SARIMA o Holt-Winters (métodos de series temporales que capturan estacionalidad más tendencia); B — ETS (suavizado exponencial en espacio de estados); C — media móvil o naive; intermitente — método de Croston (modelo para artículos con mayoría de días en cero) o TSB. La selección automática moderna escoge el método por referencia. Política de inventario encima: (s, S) punto de pedido y nivel máximo, o (R, Q) revisión periódica con cantidad fija. Stock de seguridad calculado a partir del nivel de servicio objetivo (típicamente noventa y cinco a noventa y ocho por ciento) y la variabilidad del plazo.
3. Integración en campo. Salida: recomendación semanal de pedido por referencia integrada en el flujo de compras. El ERP o WMS crea la orden. Reentrenamiento semanal o diario. Seguimiento de MAPE, WAPE y sesgo con alertas para referencias de error alto. Anulación manual para promociones, lanzamientos y choques de oferta. Panel mensual de KPI sobre nivel de servicio y rotación.
Alternativas
Hoja de cálculo más experiencia del comprador
GratisCero licencia
Para quién: Catálogo muy pequeño (<200 referencias), baja estacionalidad
- + Coste de software cero
- + Flexible y rápido
- + El comprador conoce el catálogo
- − Débil con estacionalidad y tendencia
- − El control se pierde por encima de 500 referencias
- − No se corrige el histórico de roturas
- − Sin registro consistente
Módulo de previsión del ERP local
Empresarial60.000–200.000 TRY licencia más 12.000–35.000 TRY/año mantenimiento (observación de mercado TR)
Para quién: Pyme media (200-2.000 referencias)
- + Soporte local, cumplimiento fiscal
- + Integrado con el ERP existente
- + Media móvil más estacionalidad básica
- − Suele no tener ARIMA ni Holt-Winters
- − Sin método para demanda intermitente
- − Política de inventario como regla fija
- − Sin selección automática de modelo
Suite internacional de planificación de cadena
Empresarial80.000–400.000 EUR licencia más 15.000–60.000 EUR/año
Para quién: Gran retail o fabricante multisitio (2.000+ referencias)
- + ARIMA, ETS, Croston, reconciliación jerárquica
- + Selección automática de modelo
- + Optimización de política de inventario incluida
- − Caro
- − Despliegue de seis a doce meses
- − Personalización para flujo fiscal y devoluciones locales
Librerías de series temporales de código abierto más desarrollo propio
Código abiertoLicencia gratis; desarrollo interno 10-18 semanas o 250K-750K TRY consultoría
Para quién: Pyme o e-commerce con equipo técnico interno
- + Sin coste de licencia
- + Las librerías de series temporales de código abierto están maduras
- + Política de inventario totalmente personalizable
- − Requiere estadístico o ingeniero IO interno
- − La integración con ERP es proyecto aparte
- − Mantenimiento continuo
Recomendación
Pregunta en la reunión
- ¿Qué métodos de previsión ofrecen (ARIMA, ETS, Holt-Winters, Croston, jerárquico)?
- ¿Seleccionan método automáticamente por referencia o aplican uno solo a todo el catálogo?
- ¿Soportan un método de demanda intermitente (Croston o similar) para referencias con la mayoría de días en cero?
- ¿Cómo corrige el módulo los períodos históricos de rotura para recuperar la demanda real?
- ¿Los parámetros de política de inventario (s, S) o (R, Q) se calculan automáticamente o se introducen a mano?
- ¿Cómo se incorporan a la previsión promociones, campañas y lanzamientos de producto?
- ¿Podemos medir sesgo y WAPE sobre 12-16 semanas de ventas reales durante el piloto? ¿Cómo se define el éxito?
- Si dejamos de trabajar juntos, ¿cómo recuperamos histórico de previsión por referencia, parámetros del modelo y recomendaciones de pedido?
Detalles técnicos
Nota del editor
En el lenguaje común este problema se llama “cuánto pido”, “control de stock” o “planificación de mercancía”. En la literatura académica se estudia como Demand Forecasting, Time Series Forecasting e Inventory Policy Optimization. Sin estos conceptos no es posible distinguir, al comprar un ERP o herramienta de planificación, entre un ‘informe de ventas’ (vista histórica) y una ‘previsión de demanda’ (estimación puntual con intervalo de confianza). El primero solo muestra el pasado; la segunda produce una decisión.
Punto más omitido del sector: la precisión de la previsión no es el objetivo — minimizar el coste de stock sí lo es. Muchas pymes persiguen un MAPE bajo, pero el sesgo (sobre o subestimación sistemática) daña al inventario mucho más que la varianza. Un modelo con quince por ciento de sesgo cuesta mucho más que uno con veinticinco por ciento de MAPE pero sin sesgo. Peor: las semanas con rotura en el histórico enmascaran la demanda real. La corrección de demanda censurada es el paso crítico oculto.
Camino paso a paso — para la pyme
Etapa 1 — Medir antes de planificar. Al menos 18-24 meses de ventas por referencia: granularidad diaria o semanal, separación por canal (tienda, e-commerce, mayorista), histórico de precio, calendario promocional, días de rotura. Análisis ABC: el veinte por ciento superior de referencias suele explicar el ochenta por ciento de ventas — concentrar esfuerzo de modelo aquí. La cola larga puede quedar con métodos simples.
Etapa 2 — Extraer el capital de conocimiento. Plazos del proveedor (media y desviación típica), múltiplos de pedido (palé, caja), capacidad de almacén, nivel de servicio objetivo (decidir con dirección: 95 o 98 por ciento), calendario estacional, plan promocional, proceso de lanzamiento. Este capital de conocimiento moldea la política de inventario más que la propia previsión.
Etapa 3 — Piloto. 12-16 semanas. Empezar con 50-150 referencias de alta rotación en un solo almacén o grupo de tiendas. Criterios de éxito fijados de antemano: WAPE -30%, sesgo absoluto inferior al 5%, tasa de servicio +4 puntos, rotación +15%. La salida del modelo aparece como sugerencia al comprador — la decisión final es humana.
Etapa 4 — Despliegue. 4-8 meses sobre todas las referencias y ubicaciones. Reentrenamiento automático semanal. ERP o WMS genera el pedido. Panel mensual de KPI: WAPE, sesgo, servicio, rotación, ratio de stock muerto. Revisión semanal de la lista de referencias de error alto.
Riesgos — qué puede salir mal
- Enmascaramiento por rotura. Las referencias con histórico largo de rotura entrenan a subestimar y perpetúan la rotura. La corrección de demanda censurada es obligatoria.
- Sobreparametrización con datos escasos. Productos nuevos o referencias intermitentes no soportan modelos profundos. La clasificación más el emparejamiento de método son imprescindibles.
- Promociones y lanzamientos. Un modelo entrenado con el pasado considera la promoción demanda normal. El calendario promocional debe separarse y la anulación manual debe existir.
- Fantasía del nivel de servicio. Apuntar a 99 por ciento prácticamente duplica el stock de seguridad respecto al 95 por ciento. El objetivo se fija con finanzas y operaciones.
Mirada técnica al método
| Enfoque | Escala típica | Tiempo de cálculo | ¿Óptimo garantizado? |
|---|---|---|---|
| Métodos naive (media móvil, último periodo) | Catálogo muy pequeño | inmediato | No, línea base |
| Holt-Winters (suavizado exponencial triple) | Referencias A-B estacionales | segundos | No, buena base |
| ARIMA / SARIMA (Box-Jenkins) | Referencias A medianas y grandes | minutos | Óptimo local |
| ETS (suavizado en espacio de estados) | Selección automática, catálogo amplio | minutos | Óptimo local |
| Croston / TSB (demanda intermitente) | Referencias con mayoría de días en cero | segundos | Estándar clásico |
| Aprendizaje automático (gradient boosting sobre rezagos) | Catálogo enorme más datos externos | horas de entrenamiento | No, experimental |
Elección de función objetivo:
- Objetivo 1 — Minimizar el error de previsión: MAPE, WAPE, RMSE, MASE. En la fase de selección.
- Objetivo 2 — Minimizar el número de roturas: Orientado al servicio; eleva el stock de seguridad.
- Objetivo 3 — Minimizar el coste total de inventario: Coste de mantenimiento + penalización por rotura + coste de pedido.
- Objetivo 4 — Maximizar la tasa de servicio: Orientado al cliente bajo restricción de presupuesto.
Multi-objetivo: suma ponderada o programación por metas. En la mayoría de implantaciones reales el Objetivo 3 es el operacional y el Objetivo 4 se convierte en restricción.
Fuentes académicas
Listadas en el campo sources del frontmatter.
Fuentes
- Box, G. E. P. y Jenkins, G. M. (1970). Time Series Analysis: Forecasting and Control. Holden-Day. Referencia fundacional de la metodología ARIMA.
- Hyndman, R. J. y Khandakar, Y. (2008). Automatic time series forecasting: The forecast package for R. Journal of Statistical Software, 27(3), 1–22. Referencia moderna sobre selección automática de modelo.
- Croston, J. D. (1972). Forecasting and stock control for intermittent demands. Journal of the Operational Research Society, 23(3), 289–303. Artículo original sobre demanda intermitente.
- Silver, E. A., Pyke, D. F. y Peterson, R. (1998). Inventory Management and Production Planning and Scheduling. Wiley. Referencia estándar sobre política de inventario.
- YÖK Thesis Centre — palabra clave: ‘previsión de demanda’ o ‘gestión de inventario’ — 100+ tesis de la academia turca. tez.yok.gov.tr
Glosario
- Pronóstico de Demanda
- Predicción cuantitativa de la demanda futura usando histórico, estacionalidad, eventos y señales externas.
- Previsión de Series Temporales
- Campo de modelado estadístico para predecir valores futuros a partir de observaciones ordenadas en el tiempo; incluye ARIMA, ETS y modelos en espacio de estados.
Problemas relacionados
¿Cuándo Pedir, y Cuánto?
Un comercio, una tienda online o un distribuidor con 200–5.000 SKU. Para cada SKU la pregunta es: cuándo pido al proveedor y cuánto. Los proveedores entregan 3–21 días después del pedido (lead time), la demanda oscila día a día, algunos productos caducan, el espacio de almacén es finito y casi todos los proveedores fijan una cantidad mínima de pedido (MOQ). La decisión: qué SKU pedir, cuándo y en qué cantidad, para mantener a raya tanto la 'rotura de stock' (venta perdida) como el 'exceso de stock' (caja atrapada, caducidad). El control manual sirve hasta ~50–100 SKU; por encima, 'lo llevo en la cabeza' falla — o pides de más o te quedas sin algo crítico.
¿Qué productos quedan en la lista y cuánto espacio para cada uno?
Escrito para una pyme minorista con 30-200 tiendas o un operador de e-commerce con 500-5.000 SKUs. Si cada mes se discute qué productos quedan en estantería, cuánto espacio recibe cada uno y a qué referencia retirar para dar paso a un proveedor nuevo, este es su problema. El listado intuitivo y los planogramas hechos a mano erosionan en silencio el margen de la categoría: los más vendidos quedan con poco frente, las SKUs muertas ocupan espacio y el efecto sustitución (el cliente se va a la competencia cuando no encuentra su producto) queda invisible. Un proceso de decisión sistemático a nivel tienda-categoría suele desplazar el margen anual en 2-6M TRY sobre una categoría de 50M TRY.