Por. Tommy See, Director de Industria y Marketing de Producto de Blue Yonder
¿Ha habido alguna vez un entorno global de la cadena de suministro más volátil? Como nos recuerdan constantemente los nuevos titulares, las cadenas de suministro del mundo operan en un panorama empresarial cada vez más precario. Los elevados costos y la incertidumbre de las materias primas, los componentes, la mano de obra y el transporte han provocado una importante escasez de productos: el más visible, los chips semiconductores que impactan a la industria del automóvil, pero también otros productos. Por ejemplo, a medida que los consumidores vuelven a viajar, es posible que no puedan encontrar aperitivos en los aeropuertos.
Cuando los productos son escasos, se vuelve aún más crítico crear una previsión precisa de la demanda, para poder ajustar la oferta y la demanda de manera que se forma que se optimice tanto la rentabilidad como los niveles de servicio. Enviar tu limitada oferta de productos al lugar equivocado en el mundo actual puede ser desastroso, ya que se agotará la existencia y habrá pérdida de ventas en los mercados más importantes, pero excesos de inventario que esperan en otro lugar erosionan también los márgenes.
Los sistemas de planificación heredados y las hojas de cálculo basadas en procesos manuales de planificación de la demanda que utilizan muchos de los fabricantes y minoristas del mundo no han causado la escasez de productos y otros actuales problemas de la cadena de suministro, sino que sólo están empeorando la situación.
En una típica organización, múltiples equipos funcionales desarrollan sus propias previsiones en silos, lo que conduce a una falta de alineación y consenso en toda la organización. Además, cada equipo elabora sus propios escenarios prospectivos, importando datos de distintas fuentes y, por tanto, llegan a conclusiones diferentes. Ningún equipo puede ponerse de acuerdo en una sola previsión de la demanda, y mucho menos en un plan de asignación de productos. Y, como los procesos manuales y los silos de datos son propensos a los errores y no se ha comprobado la exactitud de todos los datos, existen muchos errores de previsión en el camino. ¿El resultado? Desabastecimiento, exceso de existencias, pérdida de ventas, erosión de los márgenes e incumplimiento de los objetivos de ingresos.
Cuando la oferta y la demanda son más predecibles, estos intensos procesos manuales, que requieren mucho tiempo y trabajo, deberían de producir resultados «suficientemente buenos» para ajustar los productos a los clientes. Sin embargo, en el mundo actual, caracterizado por una enorme volatilidad de la oferta y la demanda, se necesitan nuevas soluciones innovadoras y mejores prácticas de planificación para que las empresas sobrevivan, por no decir que prosperen. Los encargados de la previsión de la demanda y los planificadores tienen que mejorar.
Mejores prácticas para un mercado imprevisible
Aunque no hay una respuesta sencilla para hacer coincidir con precisión los productos escasos con los clientes en el entorno actual, de extrema incertidumbre, Blue Yonder recomienda tres mejores prácticas en la previsión de la demanda que pueden impulsar una mejora significativa de la precisión.
1. Recopilar información directa de los clientes
¿Qué buscan sus clientes? Quizá deba empezar por preguntarles a ellos. Las empresas B2B suelen tener acceso a portales de proveedores e intercambio de datos que incluyen una proyección detallada de la futura demanda de los clientes. Las empresas B2C pueden recopilar una serie de datos sobre las necesidades y los comportamientos de los consumidores de forma localizada, y no hace falta decir que, en el cambiante panorama actual, estos datos deben recopilarse lo más aproximado al tiempo real. Estos detalles directos de los clientes proporcionan una base sólida para una previsión única de la demanda que será compartida por todas las partes interesadas.
2. Aprovechar los datos de terceros
La demanda puede ser imprevisible, pero casi siempre existen señales de cambios en la demanda. Su flujo de datos debe incluir los insumos de los clientes, pero también reflejar las tendencias del mercado, los puntos de vista de la competencia, las redes sociales, los eventos, el clima y las noticias. Debido a que estos datos de terceros van a ser tanto estructurados como no estructurados, es fundamental contar con las herramientas y los procesos adecuados para capturarlos, almacenarlos y comenzar la tarea de interpretarlos. Estos datos de terceros, recogidos en tiempo real, pueden combinarse con las proyecciones de las ventas directas de los clientes para crear un repositorio de datos compartido que sea la base de la previsión.
3. Aplicar la inteligencia artificial/el machine learning
Sin duda, ésta es la más importante mejor práctica, y en la que la mayoría de las organizaciones de previsión se quedan cortas hoy en día. La actual generación de motores de análisis de la demanda, soportados por la inteligencia artificial/machine learning (IA/ML), ofrece realmente increíbles capacidades para escanear enormes volúmenes de datos, aplicar algoritmos propios, identificar patrones, detectar desviaciones y alcanzar una previsión de la demanda extremadamente precisa y localizada.
Hoy en día, los avanzados análisis no sólo producen una previsión única lo suficientemente fiable como para compartirla con toda la empresa, sino que crean una previsión dinámica que se actualiza rápidamente, sin problemas y de forma autónoma en tiempo casi real. A medida que las condiciones del mercado cambian inevitablemente, la previsión evoluciona para reflejar la realidad actual, lo que permite a los fabricantes y minoristas reaccionar rápidamente y realinear la oferta con la demanda.
La diferencia de Blue Yonder
Mientras que los equipos de previsión han hecho todo lo posible para dar sentido al impredecible mundo de los negocios, el nivel actual de complejidad de la demanda es simplemente demasiada para la cognición humana. Las hojas de cálculo, los cálculos manuales y la intensa mano de obra que requieren los procesos, no pueden seguir el ritmo de los acelerados y continuos cambios de los mercados, y no pueden gestionar la complejidad de predecir con precisión la demanda en cada lugar, cada día.
La solución de planificación de la demanda de Blue Yonder, fue desarrollada para esta tarea. La ingeniería de optimización basados en IA opera enormes volúmenes de datos en tiempo real procedentes de diferentes fuentes, aplican algoritmos inteligentes y sofisticadas estrategias de segmentación, ejecutan escenarios de forma autónoma y crean previsiones muy precisas con un enfoque de caja de vidrio. Y la previsión se actualiza fácilmente en la medida que cambian las condiciones, incluso varias veces al día, sin tener que esperar a procesos manuales y reuniones de consenso. Gracias a las capacidades del machine learning, la ingeniería de previsión aprende de los resultados del mundo real para ser cada vez más preciso.
«La planificación de la demanda de Blue Yonder nos permite satisfacer a cada cliente donde y cuando quiera comprar. Podemos crear una amplia estrategia de red que se basa en la satisfacción de necesidades muy específicas y granulares de los clientes», señaló el Vicepresidente de Soluciones de Entrega de Sally Beauty. «Sabemos de qué palancas podemos tirar para hacer algunos ajustes, aprendemos de un nuevo conjunto de configuraciones y, a partir de ahí, avanzamos. No tenemos que tomar una decisión y vivir con ella para siempre. Si la pandemia nos ha enseñado algo, es que tenemos que ser ágiles. Y Blue Yonder nos ha dado esa agilidad».
Cuando su organización sustituye los procesos manuales por el poder automatizado de la IA/ML, el papel de sus planificadores humanos se vuelve mucho más estratégico. En lugar de realizar actividades prácticas de ajuste y limpieza para generar la previsión, ahora los planificadores pueden centrarse en el resultado. Al revisar los resultados de las previsiones y gestionar las excepciones, los empleados dejan atrás sus silos funcionales y se centran en lo que es mejor para la organización en su conjunto.
Desgraciadamente, la volatilidad de la demanda y de la oferta parece haber llegado para quedarse, al menos en el futuro inmediato. Sin embargo, al confiar en la IA/ML y en las mejores prácticas, su equipo de previsión puede reaccionar con inteligencia y agilidad a medida que cambian las condiciones. En el desafiante entorno actual, los ganadores serán aquellas empresas que actúen con rapidez para adoptar nuevas soluciones y procesos de previsión que ayuden a transformar la incertidumbre de un obstáculo en una ventaja competitiva.
