Hay innumerables informes, artículos y menciones sobre cómo el uso de Analytics basada en Inteligencia Artificial (IA) y Aprendizaje automático (Machine learning & LLM) (ML) podrá ayudar en los procesos de planificación de la demanda, mejorando la precisión afectada por el aumento de la complejidad en la cartera, en los canales de distribución y, también, en el entorno competitivo.
Hoy en día, en la mayoría de las empresas, el tamaño del equipo encargado de procesar y analizar los datos con herramientas tradicionales de series temporales y modelos de regresión impone una limitación a las posibilidades de análisis, obligando a la agrupación de series para las previsiones. de arriba hacia abajo, restringiendo el número de variables exógenas insertadas en el modelo y el tratamiento y mantenimiento de la línea base de pocas series, lo que perjudica la precisión.
Pero, ¿qué podemos esperar de estas nuevas soluciones?
En primer lugar, es necesario entender que la mejora en la precisión vendrá de aspectos de aumentar e Automatización del proceso de planificación de la demanda. aumentar se refiere al crecimiento en el volumen de datos procesados y variables consideradas en los modelos, permitiendo la identificación de patrones imperceptibles al “ojo humano”. Ya Automatización analiza la posibilidad de automatizar el procesamiento de los datos de las series de ventas, corrigiendo la línea de base y utilizando información de ventas más granular, que sin los ajustes adecuados genera mayores errores.
Además de la mejora en la precisión del plan táctico mensual, podemos esperar la identificación de tendencias de consumo a largo plazo, ayudando a definir la cartera y el desarrollo de nuevos productos, así como la sofisticación de los mecanismos de reposición a muy corto plazo. , con detección de demanda.
Sin embargo, aún existen barreras importantes para la adopción de AI y ML en el proceso de planificación de la demanda, como la baja madurez del proceso actual, la falta de conocimiento técnico e integración en la cadena para obtener datos, entre otros aspectos, que pretendo para abordar en una próxima publicación.
¿Y tu empresa? ¿Ya utiliza motores de IA y ML en el proceso de planificación de la demanda? ¡Comparte con nosotros en las redes sociales de ILOS! ¡Gran abrazo!
Leonardo Julianelli
https://ilos.com.brSocio Ejecutivo de ILOS. Graduado en Ingeniería de Producción por EE/UFRJ, tiene maestría en Administración de Empresas por COPPEAD/UFRJ con extensión en EM Lyon, Francia, y Doctorado en Ingeniería de Producción por COPPE/UFRJ. Tiene varios artículos publicados en periódicos y revistas especializadas, siendo uno de los autores del libro: “Sales Forecasting: Organizational Processes & Qualitative and Quantitative Methods”. Sus áreas de investigación son: Planificación de la Demanda, Servicio al Cliente en el Proceso Logístico y Planificación de Operaciones. Trabajó durante 8 años en el CEL-COPPEAD/UFRJ, colaborando en la organización del área de Enseñanza de Logística. En consultoría, realizó varios proyectos en el área de logística, como Diagnóstico y Plan Maestro, Previsión de Ventas, Gestión de Inventarios, Planificación de la Demanda y Plan de Capacitación en empresas como Abbott, Braskem, Nitriflex, Petrobras, Promon IP, Vale, Natura, Jequití, entre otros. Como docente, impartió clases en empresas como Coca-Cola, Souza Cruz, ThyssenKrupp, Votorantim, Carrefour, Petrobras, Vale, Via Varejo, Furukawa, Monsanto, Natura, Ambev, BR Distribuidora, ABM, International Paper, Pepsico, Boehringer. , Metrô Rio , Novelis, Sony, GVT, SBF, Silimed, Bettanin, Caramuru, CSN, Libra, Schlumberger, Schneider, FCA, Boticário, Usiminas, Bayer, ESG, Kimberly Clark y Transpetro, entre otras.
