Detección de la demanda: Cómo vencer el caos de la cadena de suministro de bienes de consumo
Dec 4, 2024 • 13 min.
Las empresas de bienes de consumo envasados (CPG, de sus siglas en inglés) siguen bajo presión para mantener cierta apariencia de control sobre su cadena de suministro, incluso después de años de intensas disrupciones. Los procesos manuales de previsión que muchas empresas utilizan para mantenerse centradas en medio del caos han sido llevados más allá de sus límites. La demanda de los consumidores cambia constantemente en función de los siempre volátiles e inciertos panoramas económicos. Las empresas que se basan principalmente en datos históricos de pedidos están descubriendo que tienen dificultades para prever con precisión incluso el futuro inmediato.
Para salir de la inmensa tensión que suponen estas disrupciones, los equipos de planificación han recurrido cada vez más a la detección de la demanda. La gran precisión y la reducción de costes que se consiguen con la detección de la demanda llegan en un momento en que las empresas de bienes de consumo necesitan ambas cosas con urgencia. Y los beneficios van más allá de los climas económicos inciertos.
En busca de alivio ante la incertidumbre económica, las empresas de bienes de consumo de alta rotación y sus primos cercanos, los bienes de consumo de rápida rotación, deberían mejorar sus procesos de la cadena de suministro con una solución de detección de la demanda que dé sus frutos rápidamente y ahorre a las empresas tiempo y dinero en el futuro.
¿Qué es la detección de la demanda?
La detección de la demanda se refiere a la integración de los datos internos con los datos de los puntos de venta (TPV) de los retailers y otras fuentes de datos externas para crear y ajustar las previsiones a corto plazo. La inclusión de datos externos y el uso de software de aprendizaje automático ayuda a las empresas a “percibir” lo que está ocurriendo en relación con la demanda de los consumidores y a realizar los cambios pertinentes. Las previsiones elaboradas con soluciones de detección de la demanda logran una mayor precisión y mejores tiempos de ajuste que las creadas con procesos de previsión tradicionales.
Detección de la demanda frente a previsión de la demanda
A diferencia de los métodos tradicionales de previsión basados en datos históricos de ventas, la detección de la demanda y la previsión de la demanda basada en el aprendizaje automático pueden procesar datos y señales de demanda en tiempo real. La diferencia radica en cómo utilizan estas entradas.
La detección de la demanda está hecha para la velocidad. Su hiperfocalización en la integración inmediata de los datos para dar respuestas rápidas a los cambios del mercado lo convierte en un potente instrumento de planificación de la demanda a corto plazo, una bendición para las empresas de bienes de consumo de alta rotación.
Aunque la previsión de la demanda basada en el aprendizaje automático también puede incorporar y analizar rápidamente nuevos datos sobre la demanda, se centra más en identificar tendencias y patrones, ofrecer mejores perspectivas y proporcionar una base sólida para la planificación a largo plazo.
¿Por qué es importante la detección de la demanda?
El argumento para utilizar una solución de previsión basada en la detección de la demanda y el aprendizaje automático frente a la previsión tradicional (a menudo más manual) se reduce principalmente a los datos, es decir, a la capacidad de procesar con rapidez y precisión grandes cantidades de ellos procedentes de numerosas fuentes, incluidos los datos externos y de los puntos de venta minorista.
La detección de la demanda abarca la previsión diaria para mejorar la precisión y reducir los costes y la merma en la planificación de la cadena de suministro. Los datos actuales y relevantes de los retailers y otras fuentes externas informan estas previsiones, que se actualizan automáticamente en respuesta a la nueva información.
Por ejemplo, una previsión basada en pedidos repetidos del centro de distribución (CD) y reforzada con datos detallados de los puntos de venta reflejará mejor la demanda actual que otra basada únicamente en los pedidos repetidos del CD. Los “repedidos” reflejan lo que estaba ocurriendo recientemente, mientras que los datos de los puntos de venta se acercan más a cómo están actuando los consumidores ahora.
Las actualizaciones constantes de los datos y los ajustes automatizados evitan una adhesión estricta a las previsiones anticuadas, y la función de aprendizaje automático promueve mejoras continuas del rendimiento. El software de detección de la demanda también tiene en cuenta factores como las tendencias actuales, las decisiones de los minoristas, las condiciones del mercado e incluso acontecimientos externos como las inclemencias meteorológicas para mejorar la precisión de las previsiones.
De este modo, el software de detección de la demanda reduce los inventarios, optimiza los procesos para producir ahorros de costes a largo plazo y disminuye las ventas perdidas gracias a una mayor disponibilidad.
Leer más: Previsión de la demanda para la venta al por menor y de bienes de consumo: La guía completa
Retos que limitan el potencial de previsión
Los responsables de la toma de decisiones y los planificadores de la cadena de suministro han desarrollado tradicionalmente previsiones basadas en datos internos e históricos de los pedidos. La lógica es sólida hasta cierto punto. Sin embargo, la dependencia del procesamiento manual de los datos internos e históricos de los pedidos presenta algunas deficiencias importantes.
Los métodos tradicionales no pueden:
- Tener en cuenta las disrupciones externas sin precedentes que alteran fundamentalmente la demanda de los consumidores de un año a otro. (Por ejemplo, la demanda en abril de 2020 fue sin duda diferente a la de abril de 2019).
- Detectar los cambios en la demanda de los consumidores que se producen en cuestión de días, cambios provocados por acontecimientos imprevistos como las tendencias de las redes sociales o las promociones y cambios de precios inesperados de los retailers.
- Anticipación de los pedidos de los retailers que se produzcan después del llenado inicial de la canalización para eventos planificados como la introducción y finalización de productos, cambios estacionales y cambios de surtido.
Las empresas de bienes de consumo deberían evitar estos escollos incluso en situaciones económicas más soleadas, pero estos problemas son especialmente costosos en el mercado actual. Las previsiones manuales requieren el manejo de ingentes cantidades de datos por parte de los planificadores. Y la demanda puede cambiar drásticamente en cuestión de días, lo que crea una situación en la que los planificadores reaccionan constantemente a los cambios pero nunca acaban de ponerse al día. Estas imprecisiones en las previsiones acaban provocando despilfarros, sobre todo en las empresas que trabajan con productos frescos u otras mercancías con una vida útil extremadamente corta.
3 formas en que las capacidades de detección de la demanda reducen los costes con mejores previsiones y respuestas
El software de detección de la demanda impulsado por la IA y el aprendizaje automático puede parecer un artículo de la lista de deseos para las empresas aferradas a sus sistemas de cadena de suministro basados en hojas de cálculo. Sin embargo, cada vez más empresas utilizan ya este tipo de herramientas para optimizar sus procesos de planificación de la cadena de suministro.
Las empresas que aún están sopesando la adopción de un software de detección de la demanda deberían tener en cuenta las tres formas principales en que la detección de la demanda repercute positivamente en los ingresos.
1. Detecta cambios inmediatos en la demanda y el comportamiento de los consumidores
Las soluciones de detección de la demanda procesan flujos de datos externos actuales en lugar de basarse únicamente en tendencias históricas. Esto permite a las empresas de bienes de consumo ver los cambios en la demanda a medida que se producen en lugar de hacer suposiciones basadas en años anteriores.
La detección de la demanda en la cadena de suministro combina tres fuentes de datos para elaborar y ajustar las previsiones:
- Datos internos de la empresa. Esta categoría incluye los cambios de precios, los planes de surtido, las introducciones y terminaciones de productos, las promociones ofrecidas a los clientes minoristas y mayoristas, y cualquier otro dato generado desde dentro de la organización.
- Datos del minorista. Estas fuentes incluyen los datos de los puntos de venta, los incentivos de precios, las promociones de los minoristas, las decisiones de surtido, las campañas de marketing, los niveles de inventario actuales y previstos de las tiendas y de la red de centros de distribución, los pedidos de venta pendientes y cualquier otro dato de los minoristas.
- Datos externos. Las soluciones integrales de detección de la demanda también tienen en cuenta las acciones de los competidores, la meteorología, los acontecimientos deportivos o de ocio y otros sucesos complejos o aleatorios que pueden influir en la demanda de los consumidores.
2. Automatiza los ajustes de las previsiones
Las soluciones sólidas de detección de la demanda minimizan la cantidad de trabajo manual necesario para crear y ajustar las previsiones. Los programas con capacidad de IA y aprendizaje automático pueden detectar tendencias y cambios en la demanda más rápido de lo que podría hacerlo cualquier equipo de humanos, lo que reduce significativamente el tiempo entre la detección de tendencias y el ajuste de las previsiones. Este rapidísimo tiempo de reacción ayuda a limitar los costosos excesos y déficits de existencias.
El aprendizaje automático también supera a la previsión manual en otro aspecto importante: la capacidad de captar y construir a partir de las percepciones. A los trabajadores les lleva tiempo y esfuerzo realizar un análisis manual, un trabajo que debe repetirse cada vez que se crea una previsión. En cambio, una solución de aprendizaje automático retiene automáticamente la información obtenida de estos análisis y aprende de cada acontecimiento, evitando que los planificadores repitan continuamente el trabajo.
La automatización permite a los planificadores de carne y hueso de las empresas de bienes de consumo centrarse en tareas de gran valor que quedan fuera de las capacidades de la solución, a saber, la evaluación de excepciones. Una solución de detección de la demanda identifica los valores atípicos de las previsiones y los pone en conocimiento del planificador, quien, a su vez, determina si la previsión es válida o no. La máquina utiliza fuentes de datos externas para contextualizar estas excepciones y ayudar al planificador a juzgar correctamente la exactitud de la previsión.
3. Proporciona una imagen completa de las necesidades de la demanda
La dependencia de una sola fuente de datos dificulta la precisión de las previsiones y ata a las empresas a previsiones rígidas. Una previsión basada exclusivamente en los puntos de venta y en los impulsores de la demanda de los consumidores, como las promociones, podría dar lugar a un inventario que no se ajustara a las necesidades reales de pedidos del cliente minorista.
Este problema se presenta sobre todo con los artículos nuevos que se entregan en paquetes relativamente grandes. Crear una previsión basada únicamente en los datos de los puntos de venta puede llevar al proveedor a acumular una gran cantidad de existencias con demasiada rapidez. Las empresas almacenan entonces existencias que no necesitarán hasta varias semanas o incluso meses después, lo que crea problemas de obsolescencia para los artículos con ciclos de vida más cortos o vida útil limitada.
En su lugar, una empresa puede combinar los datos de los puntos de venta de los minoristas con los datos históricos de los pedidos para ajustar rápidamente los planes de inventario, distribución, producción, compras y ventas con una previsión actualizada. Las empresas también deben tener en cuenta las reservas de inventario, los plazos de entrega, los calendarios de entrega y el tamaño de los lotes de pedidos en cada etapa de la cadena de suministro para determinar con precisión las necesidades futuras de la cadena de suministro.
Esta consolidación de datos actualizados procedentes de múltiples fuentes también permite a las empresas planificar mejor la distribución y los inventarios, especialmente cuando el flujo de mercancías es inestable. Piense en una empresa que elabora una previsión de base antes de lanzar una campaña promocional. Incluso pequeñas imprecisiones en la previsión pueden dar lugar a costosas roturas de stock. Sin embargo, el software de detección de la demanda se actualiza a diario y realiza un seguimiento de la realización de la previsión en tiempo real, lo que permite a las empresas tomar medidas inmediatas si las unidades se mueven más rápido o más despacio de lo previsto.
La detección de la demanda también arroja luz sobre otras situaciones que implican un flujo inestable de mercancías, entre ellas:
- Lanzamiento de nuevos productos
- Reducción de productos
- Campañas de marketing y promociones
- Productos de temporada
- Fluctuaciones relacionadas con las vacaciones
Leer más: Optimización de la cadena de suministro para fabricantes
Ventajas de la detección de la demanda
A medida que aumenta la complejidad de la cadena de suministro mundial junto con la demanda de los consumidores, la inversión en una solución de detección de la demanda nueva o mejorada ayudará a las empresas a resistir mejor las interrupciones y frustraciones actuales y futuras de la cadena de suministro.
Una solución robusta de detección de la demanda ayuda a las empresas a ganar seguridad en un mercado incierto detectando los cambios inmediatos en la demanda y el comportamiento de los consumidores. Un potente software equipado con capacidades de aprendizaje automático analiza este enorme volumen de datos para determinar cómo está cambiando la demanda cada día. La detección inmediata de cambios en la demanda ofrece tres ventajas significativas que ahorran costes:
- Menos ventas perdidas gracias a una mayor disponibilidad.
- Una oferta de productos más precisa en comparación con la demanda real durante los cambios de paso en las promociones.
- Reducción de los residuos y el deterioro, especialmente en el caso de productos frescos con una vida útil corta.
La detección de la demanda en acción
Durante más de una década, RELEX ha ayudado a las empresas de bienes de consumo a mejorar sus previsiones y la alineación de sus decisiones.
Pensemos en Atria, cliente de RELEX y uno de los principales proveedores de alimentos del norte de Europa, con 1.500 millones de euros de ventas netas en 2021. La empresa necesitaba mejorar la precisión de sus previsiones para mercancías altamente estacionales y productos cárnicos con una vida útil excepcionalmente corta. Atria utilizó las capacidades de detección de la demanda de RELEX para lograr una increíble precisión de las previsiones semanales del 98,1 %, reduciendo al mismo tiempo los cambios manuales de las previsiones en un 13 %.
“Seguimos cosechando los beneficios de esa relación a la vez que ampliamos nuestro uso de las capacidades de su solución”, dijo Pekka Korpeinen, Director de Dirección y Planificación de Atria. “Me parece evidente que RELEX y Atria comparten el mismo nivel de ambición cuando se trata de explorar cómo las empresas de bienes de consumo envasados pueden obtener el máximo valor de las modernas tecnologías de planificación. La incorporación de la previsión basada en el aprendizaje automático de RELEX ha contribuido en gran medida al éxito continuado de nuestro negocio.”
Superar un mercado en rápida evolución
Desde hacer frente a las disrupciones hasta verse inundadas de datos, las empresas de bienes de consumo y de gran consumo se enfrentan a serios retos. La detección de la demanda es la forma en que igualan -y superan- las probabilidades. Al elevar el nivel de sus soluciones de planificación y equipar a sus equipos con las perspectivas y capacidades basadas en la IA que necesitan para frustrar la incertidumbre, las empresas consiguen aumentos de eficiencia que se traducen en mejores niveles de servicio y una rentabilidad duradera.
En RELEX, nuestro largo historial de trabajo con retailers de todo el mundo significa que nadie en el mundo conoce mejor qué y cómo compran los retailers a las empresas de bienes de consumo. La solución RELEX puede adaptarse a medida para resolver sus puntos débiles exclusivos y optimizar incluso las cadenas de suministro más complejas, equipando a su equipo con las herramientas y los conocimientos necesarios para ofrecer un valor empresarial medible, ahora y en el futuro.
Autor
Artículos relacionados
El caso de la conformación de la demanda en la planificación de la cadena de suministro de bienes de consumo
La modelización de la demanda es una palanca estratégica muy necesaria para los proveedores que buscan un nivel de control en este mar de caos de la cadena de suministro.
Programación de la producción: Planificación minuciosa para obtener grandes beneficios
La programación de la producción es la clave para alcanzar estratégicamente los objetivos de producción: ni infrautilizar los recursos ni intentar objetivos imposibles con recursos de los que no se dispone; ni reaccionar exageradamente a las fluctuaciones, sino adaptarse a tiempo para evitar costosos retrasos.
IA en la cadena de suministro: Un kit de herramientas para líderes empresariales
Obtenga un desglose práctico de la IA en la cadena de suministro: los diferentes algoritmos necesarios, la mejor forma de utilizarlos y los beneficios de un enfoque estratégico de la IA.