Planificación de la Demanda: Estabilidad de Previsión VS Renovación de Cartera

por Enrique Alvarenga.

1. INTRODUCCIÓN

La innovación se ha convertido en el principal conductor Crecimiento y prosperidad de las empresas en el siglo XXI. En 2013, el 27% de las ventas de la empresa estuvieron relacionadas con productos lanzados en los 3 años anteriores. Además, la vida útil de los productos se ha reducido un 400% en los últimos 50 años. Es posible observar en el gráfico 1 que, en el futuro, se espera que continúe el crecimiento porcentual de los productos de 5 años o menos. Estos datos demuestran la importancia del lanzamiento de nuevos productos y cómo estos serán cada vez más representativos en el portafolio de productos ofertados.

Figura 1 – Edad prevista de los productos para los próximos 7 años, investigación realizada en 2013.

Análisis: Gestión del ciclo de vida del producto Volumen 2 (2015)

Esta tendencia, sin embargo, crea una serie de desafíos operativos para las empresas. Por ejemplo, la planificación de la demanda, punto de partida de los procesos de fabricación y logística, debe responder de la mejor manera posible a una serie de dificultades creadas. La constante introducción de nuevos productos no permite que las rachas de ventas sean lo suficientemente largas como para ofrecer buenas previsiones. Reducir el ciclo de vida del producto también reduce la vida útil de la serie. En otro aspecto, las series de demanda de diferentes SKU de una misma categoría no son independientes, es decir, las series históricas no predicen interacción en la demanda del producto. Como resultado, las incertidumbres a lo largo de la cadena tienden a aumentar, provocando una reducción en la precisión de los pronósticos. Estas incertidumbres pueden causar serios problemas con desabastecimientos, altos niveles de existencias y pérdidas tanto financieras como para la marca.

En este artículo se abordarán aspectos como el efecto cartera y la velocidad de expansión, así como una dirección práctica sobre cómo afrontar el problema. oh Oferta impulsada por la demanda También se abordarán la cadena y el Big Data dada la importancia de estos temas en el escenario moderno del procesamiento de datos y la gestión de la cadena de suministro.

2. EFECTO CARTERA Y NUEVOS PRODUCTOS

2.1. El efecto cartera

Como se ha descrito anteriormente, estamos viviendo una fase de crecimiento acelerado en el ritmo de innovación en las empresas. Nunca antes se había hecho tanto esfuerzo por lanzar nuevos productos y diferenciarse, y lo que se espera para el futuro es que esta tendencia continúe, manteniendo la innovación su papel protagonista en la generación de valor sostenible.

Con esta cantidad de productos que se lanzan al mercado, los consumidores tienen cada vez más opciones diferentes. Además, las personas tienen cada vez más información sobre los productos que consumen, definiendo personalmente sus preferencias y eligiendo sus productos teniendo en cuenta diversos criterios. Es muy raro que un cliente sea fiel a una marca o producto hasta el punto de que, si no lo encuentra en el lineal, abandone la compra. Con información de lo que ofrece ese SKU y dada la infinidad de opciones similares, es muy probable que el cliente se decante por un producto similar.

Tomemos, por ejemplo, el lanzamiento de un nuevo sabor de jugo enlatado. El lanzamiento de este nuevo sabor no generó nuevo espacio en los lineales de los supermercados, por lo que tuvo que competir por espacio con otros productos de la misma marca, es decir, con otros sabores de jugo. Esto podría afectar las ventas de estos otros sabores, dada la menor exposición del producto. Imaginemos ahora la venta de un jugo del mismo sabor, pero en SKU de 350 mL (lata) y 600 mL (botella PET). Si un consumidor no encuentra una lata de jugo para consumo inmediato, es probable que consuma la lata de 600 mL para reemplazar la lata que no encontró. En estos casos, es claro que las demandas de diferentes SKU (ya sea el mismo producto en diferente empaque o diferentes productos de la misma familia) no son independientes, lo que genera más incertidumbre sobre su pronóstico. Esta “canibalización” entre productos se conoce como efecto cartera.

El Efecto Cartera provoca aún más incertidumbre respecto a la demanda del producto, y en los lanzamientos esta incertidumbre es aún mayor dada la falta de datos históricos del nuevo producto. Por tanto, es importante comprender las características de los nuevos productos para definir la mejor manera de pronosticar la demanda.

Figura 2: El lanzamiento de productos similares puede afectar las demandas de otros productos de la misma familia.

Análisis: Wikimedia Commons

2.2. Nuevos productos

Se lanza un nuevo producto por numerosas razones, entre ellas:

• Mejora de costos – Producto idéntico a uno existente, pero con costos asociados reducidos, ofrecido al mercado actual.
• Mejora del producto – Un producto existente, pero con mejoras y rendimiento superior, ofrecido para el mercado actual.
• Extensión de línea: producto existente, pero con innovaciones incrementales, ofrecido para el mercado actual.
• Nuevos usos – Un producto existente, pero con mejoras que le permiten cubrir nuevas necesidades, ofrecido al mercado actual.
• Extensión de mercado: producto existente que se ofrece a un mercado diferente.
• Nuevo para la empresa: Producto y mercado completamente nuevos para la empresa, pero no para los competidores.
• Nuevo para el mundo: productos y servicios radicalmente diferentes que se ofrecen a mercados atendidos por otro tipo de producto o servicio.

Cada una de estas características puede ayudar a definir la mejor manera de pronosticar la demanda, como se mostrará a continuación.

2.2.1. Estadísticas de pronóstico para nuevos productos

La elección de la técnica de pronóstico depende de varios aspectos, como la disponibilidad de información, tiempo y recursos. Existen varias técnicas de previsión, que se pueden agrupar en tres categorías:

• juicio: Utiliza la experiencia y la intuición para definir el pronóstico. Ejemplos: Opinión de un jurado ejecutivo, opinión de la fuerza de ventas, Análisis de Escenarios, Técnica Delphi, Árbol de Decisión.
• Modelos cuantitativos: Utiliza métodos matemáticos y estadísticos para definir el pronóstico. Se pueden dividir en tres grandes grupos: series temporales (Análisis de líneas de tendencia, Media móvil, Suavizado exponencial, Box-Jenkins); modelos caso por caso (Regresión Lineal, Regresión No Lineal, Regresión Logística); u otros métodos (Sistemas Expertos, Redes Neuronales).
• Técnicas de investigación de mercados y consumidores: Utiliza información recopilada en investigaciones de mercado. Ejemplos: pruebas de concepto, pruebas de uso del producto, pruebas de mercado, pruebas previas a la comercialización.

Una inmersión más profunda en las técnicas de pronóstico está más allá del alcance de este artículo.

Según las características tecnológicas y el mercado objetivo que presenta el nuevo producto, se puede elegir una estrategia específica para pronosticar la demanda, como se ve en la figura 3.

Figura 3 – Matriz de mercado versus tecnología para pronosticar nuevos productos.

Fuente: Manual PDMA de desarrollo de nuevos productos (2012).

Cuando el mercado y la tecnología son actuales, y la innovación trae una mejora en costos o en el producto, se sugiere un análisis cuantitativo de las ventas dado que el producto tiene productos similares en el mercado. En este caso, las incertidumbres sobre el comportamiento de la demanda tienden a ser menores.

En el caso de un producto que presenta nueva tecnología, pero dirigido al mismo mercado de producto que su familia, se recomienda un análisis de la línea de producto y del ciclo de vida. Esto significa que se puede utilizar un método cuantitativo basado en datos históricos de ventas de productos de la misma línea, realizando un ajuste según las expectativas al inicio del ciclo de vida del producto, dadas las experiencias previas con lanzamientos. Utilizar métodos de juicio, como la Técnica Delphi, puede resultar interesante para comparar las opiniones de diferentes expertos en procesos con los resultados de métodos cuantitativos.

Cuando el producto cuenta con tecnología actual, pero será introducido en un nuevo mercado, se puede realizar un análisis de mercado y de clientes para comprender mejor las características de estos nuevos consumidores y reducir la incertidumbre sobre el comportamiento de la demanda futura.

En el caso de una nueva tecnología y un nuevo mercado, las incertidumbres son aún mayores y se sugiere un análisis de escenarios. Debido a la falta de datos, se pueden utilizar técnicas subjetivas.

Vale la pena señalar que, si no hay limitaciones de recursos y tiempo, dichas sugerencias pueden verse beneficiadas por la combinación de diferentes técnicas de pronóstico.

3. HEURÍSTICAS DE LA RACIONALIDAD

En 2017, el campo de la economía del comportamiento vio a otro de sus investigadores recibir el prestigioso Premio Nobel de Economía. Richard H. Thaler, profesor de la Universidad de Chicago, presentó conceptos como racionalidad limitada, preferencias sociales y falta de autocontrol y describió cómo estos rasgos humanos afectan sistemáticamente las decisiones tomadas, mostrando por qué tales comportamientos tienen un gran impacto en el mundo empresarial.

En entornos empresariales, donde se asumen decisiones racionales, las restricciones de tiempo y costos, combinadas con la creciente complejidad del mercado y sus mecanismos competitivos, llevan a la adopción de un conjunto de reglas simplificadoras, conocidas como heurísticas de decisión, que simplifican el proceso, pero conducen a errores sistemáticos que son difíciles de eliminar.

En el proceso de planificación de la demanda se puede comprobar el uso de estas heurísticas, ya sea para estimar ventas, definir el impacto específico de una acción comercial o medir el éxito del lanzamiento de un producto. Cuanto más complejo sea el entorno, más difícil será el proceso de interpretar la información y más probable será que el planificador utilice inconscientemente alguna regla simplificadora. Veamos los siguientes ejemplos:

3.1. Heurística de representatividad

La heurística de representatividad es la tendencia humana a sacar conclusiones basadas en observaciones no representativas o sesgadas. Esta heurística se utiliza cuando se intenta responder preguntas como "¿cuál es la probabilidad de que el objeto A caiga en la categoría B?". Esta lógica heurística puede conducir a errores siempre que entre en conflicto con la lógica probabilística.

Esto podría ocurrir en el caso del lanzamiento de un nuevo producto de una marca famosa, por ejemplo. Al tratarse de una marca exitosa, cuyos productos están consolidados en el mercado, el planificador puede inferir que el lanzamiento del nuevo SKU será, en consecuencia, un éxito. Esto puede llevar a sobreestimaciones de los niveles de inventario y costos no deseados.

3.2. Heurística de disponibilidad

La heurística de disponibilidad está relacionada con recordar información vívida y reciente. Existe una tendencia a considerar una alta probabilidad de ocurrencia de un evento determinado porque el mismo evento ocurrió recientemente. Por ejemplo, cuando hay un accidente de avión o de coche y la gente empieza a evitar utilizar ese medio de transporte porque creen que la probabilidad de que ocurra aumentó después del suceso.

No siempre es fácil distinguir qué es lo que realmente influye en la probabilidad de que ocurra un evento. Comprender la heurística de disponibilidad es fundamental en situaciones excepcionales a la hora de planificar la demanda, como promociones y eventos esporádicos.

En el caso del lanzamiento de un nuevo producto, es común y bien considerado recuperar experiencias previas similares para que sirvan como punto de partida para la planificación de la demanda. Sin embargo, su uso, sin considerar cambios en el contexto comercial, nuevas situaciones económicas y de mercado, cambios en la competencia o en el poder adquisitivo de los consumidores, puede dar lugar a errores relevantes. Depender únicamente de los recuerdos es un atajo que puede provocar grandes pérdidas.

3.3. Otras heurísticas

Otras heurísticas, como el anclaje y el ajuste, la previsión retrospectiva y la trampa de confirmación, también desempeñan un papel importante en el proceso de planificación de la demanda. Además de contar con un proceso estructurado, basado en el uso de modelos estadísticos de pronóstico de ventas y la conciliación de planes comerciales y operativos, una buena planificación depende de planificadores que conozcan estas heurísticas y sean capaces de reconocer sus impactos y características, para evitarlos. .

4. GRANDES DATOS Y IMPULSADOS POR LA DEMANDA

Se espera que la mejor respuesta a este dilema entre el uso de previsiones de ventas y el lanzamiento constante de nuevos productos esté en la cadena de suministro centrada en la demanda real, o la Cadena de suministro impulsada por la demanda. Cuanto menos dependa la cadena de pronósticos históricos de ventas y obtenga, de manera oportuna, información sobre la demanda real para activar otros eslabones en la cadena de suministro, mejor será la precisión del pronóstico y menos probable será que incurra en altos costos asociados con interrupciones y excesos. cepo.

Además, la llegada de las tecnologías Big Data permitirá el procesamiento de información de diversas fuentes sobre las preferencias y elecciones de los consumidores. Es posible que, en un futuro próximo, la investigación de mercado, que actualmente es costosa y requiere mucho tiempo, se realice en tiempo real y de forma continua, de modo que proporcione información importante sobre la demanda. Otras tecnologías como la Inteligencia Artificial, la Impresión 3D, los Drones y el Internet de las Cosas permitirán que las cadenas sean ágiles y flexibles para responder a este nuevo paradigma de satisfacción de la demanda.

5. CONCLUSIÓN

Dado que las innovaciones y los lanzamientos de nuevos productos y servicios seguirán creciendo y serán importantes para las empresas, corresponde a los planificadores de la demanda abordar mejor las técnicas disponibles para pronosticar las demandas en un contexto de alta incertidumbre. La colaboración es esencial para que la información fluya rápidamente entre departamentos y eslabones de la cadena. El uso de ciertas técnicas de pronóstico debe realizarse de acuerdo con criterios tales como las características del producto y del mercado y el tiempo/información disponible. Otra precaución importante es evitar el uso de heurísticas y sesgos en la toma de decisiones, que pueden conducir a resultados inferiores a las expectativas.

Con la llegada de nuevas tecnologías que permitan una mayor colaboración entre los eslabones de la cadena y la recopilación/procesamiento de más información en tiempo real, se espera que estas incertidumbres se mitiguen y se produzca una mayor alineación entre las previsiones y la demanda real.

BIBLIOGRAFÍA SUGERIDA

• KAHN, Kenneth B. El manual PDMA para el desarrollo de nuevos productos.. John Wiley e hijos, 2012.
• STARK, Juan. Gestión del ciclo de vida del producto. En: Gestión del ciclo de vida del producto (Volumen 1). Springer International Publishing, 2015. pág. 1-29.
• WANKE, Pedro; JULIANELLI, Leonardo. Previsión de ventas: procesos organizativos y métodos cuantitativos y cualitativos. Editorial Atlas SA, 2000.