Sectores

Mayoristas y distribución

Tienes el producto. A veces en la estantería equivocada — y el dinero, parado.

El negocio donde los datos rinden más rápido: muchas referencias, muchos clientes, mucho histórico — y casi todas las decisiones todavía a ojo.

Con lo que ya tienes: ventas por referencia y cliente (ERP, programa de gestión o Excel), albaranes, facturas con fechas de cobro. Da igual el programa: si exporta a Excel, sirve.

El diagnóstico de distribución, en concreto:

  1. Dinero parado en stock muerto/dormido + venta perdida por roturas evitables, en euros.
  2. Qué clientes están bajando en silencio y qué valor se va con ellos.
  3. Tus días reales de cobro por cliente y el coste de financiarlos.
  4. El plan: compra recomendada semanal, lista del lunes para comerciales, alerta de cobro.

Casos típicos en distribución

En distribución el activo es la rotación: el palé que entra tiene que salir antes de que se convierta en capital parado, y el cliente B2B que baja el pedido lo hace en silencio. Casi todas las decisiones del almacén siguen tomándose a ojo, aunque la respuesta esté escrita en tus ventas por referencia, tus albaranes y tus fechas de cobro. Estos son los problemas del catálogo que más golpean a un mayorista, abierto cada uno en ficha. Toca cualquiera para abrirlo.

No sabes cuánto venderás el mes que viene y compras por intuición.
El problema

Todo el almacén depende de una cifra que hoy sale de la intuición: cuánto se va a vender de cada referencia. Si te pasas, lo pagas en palés parados que no rotan; si te quedas corto, en la rotura justo de lo que más se pide, el día que un cliente lo necesitaba. La compra del mes se decide mirando el albarán del año pasado, que no es una previsión.

Por qué ocurre

Estimar la venta de memoria junta tres componentes que se mueven a la vez y se confunden: la tendencia de fondo del catálogo, la subida de temporada y el ruido del mes atípico. Separarlos a mano, referencia a referencia sobre cientos de SKU, excede la revisión del Excel de gestión — la memoria del verano anterior no es una previsión, y en un mayorista cada error se multiplica por todo el surtido.

Cómo se resuelve

A partir de tu histórico de ventas por referencia se proyecta lo que viene, mes a mes y con su horquilla en lugar de un número seco, y se traduce en lo que conviene pedir de cada cosa. La compra deja de hacerse contra la sensación de septiembre y pasa a hacerse contra un número con su margen: pides para cubrir la demanda real, no para tranquilizar al almacén.

El algoritmo

Previsión de demanda con intervalo de confianza por referencia y mes/semana (ETS, ARIMA, Theta; GBM; modelos pre-entrenados si hay poco histórico).

Qué requiere

Tu histórico de ventas con fecha y referencia · cuanto más largo, mejor recoge la forma de tu año.

Lo que está en juego

El retorno reside en comprar contra un número con horquilla en lugar de contra una intuición: aciertas el pedido más veces, y el dinero deja de quedarse parado en el palé o de escaparse en la rotura. Walmart cruzó los tickets de huracanes anteriores y comprobó que la demanda no se adivina en el despacho, ya estaba escrita en la última vez — antes de Frances, las Pop-Tarts de fresa se multiplicaban por 7 y el artículo más vendido era la cerveza. El número concreto para tu negocio lo da el diagnóstico sobre tu propio histórico.

Caso real

Walmart cruzó los tickets de huracanes pasados con los de días normales para decidir qué cargar en el camión hacia las tiendas en la trayectoria de Frances: no agua ni linternas, sino Pop-Tarts de fresa (×7) y cerveza. La demanda ya estaba escrita en la última vez.

C. L. Hays, The New York Times (14 nov. 2004), caso fundacional de analítica predictiva en retail · fuente
Tienes dinero muerto en stock que no rota — y a la vez te quedas seco de lo que sí.
El problema

Las dos caras de la misma moneda: capital inmovilizado en palés que llevan meses sin moverse y la rotura justo en la referencia que más se pide, el día que más se pide. Las dos cuestan dinero a la vez. Lo paradójico es que sueles tener el stock total que necesitas, solo que en las referencias equivocadas.

Por qué ocurre

Comprar bien no es comprar mucho ni poco: es comprar lo justo de cada cosa, y "lo justo" cambia con la velocidad a la que sale la referencia y con lo que tarda en reponerse. Cruzar eso para todo el catálogo a la vez excede el análisis manual y la regla de tres — por eso unas referencias se acumulan en el fondo del almacén mientras otras se agotan, y ambas a la vez, sin que nadie lo vea venir.

Cómo se resuelve

A partir de tu histórico se detecta el stock parado y la rotura evitable antes de que sean pérdida, cada uno con su factura en euros, y se calcula cuánto pedir de cada referencia para que ni sobre ni falte. El obsoleto deja de descubrirse en el inventario anual: aparece marcado mientras todavía se puede colocar o dejar de reponer.

El algoritmo

Detección de obsoletos y exceso, y compra óptima por referencia (supervivencia de referencia, clasificación de slow-movers, forecast jerárquico).

Qué requiere

Tu histórico de ventas por referencia con fecha y cantidad · y el stock actual de cada una.

Lo que está en juego

El retorno reside en las dos puntas: liberas el capital inmovilizado en lo que no rota y dejas de perder la venta en lo que se agota. Es el patrón de Walmart — la demanda de cada referencia está escrita en tus albaranes, solo falta que alguien la lea para todo el surtido a la vez en lugar de referencia a referencia de memoria. El número concreto para tu negocio lo da el diagnóstico sobre tu propio histórico.

Tienes referencias que se venden "a veces" y nunca aciertas cuántas pedir.
El problema

El repuesto, la talla rara, la referencia de catálogo largo que pasa semanas quieta en la estantería y un día sale de golpe en un pedido. No se vende de forma regular y no se puede pronosticar como si lo fuera: o pides de más y se queda inmovilizada, o pides de menos y pierdes la venta justo el día que un cliente la pedía — y suele ser la de mayor margen.

Por qué ocurre

La demanda intermitente engaña a cualquier media: si una referencia vende cero casi siempre y de golpe veinte, la media indica "casi nada" y te quedas corto el día de la venta. Tratarla como una referencia normal es el error — tiene su propia matemática, y aplicarle la regla de tres del producto que rota a diario falla siempre, en una punta o en la otra.

Cómo se resuelve

A partir de tu histórico de esas referencias se aplica una previsión específica para lo que se vende a saltos: no estima "cuánto al mes", estima cada cuánto cae un pedido y de qué tamaño. Pides para cubrir el día de la venta puntual sin acumular el resto del año — la referencia de cola larga deja de ser una incógnita de stock que decides a dedo.

El algoritmo

Previsión para demanda intermitente (Croston, TSB, ADIDA; cuantiles GBM).

Qué requiere

Tu histórico de ventas de esas referencias con fecha y cantidad · cuanto más largo, mejor recoge el ritmo de los saltos.

Lo que está en juego

El retorno reside en las dos puntas de la cola larga: dejas de inmovilizar capital en referencias paradas meses y dejas de perder la venta del día que sí cae, que en un mayorista suele ser la del cliente que pide variedad y se lleva el pedido entero. El número concreto para tu negocio lo da el diagnóstico sobre tu propio histórico.

El cliente B2B baja el pedido mes a mes y nunca se queja. Cuando lo ves, ya casi no compra.
El problema

No es la baja repentina, sino el cliente de años que pasa de cuatro palés a tres, y luego a dos, sin un solo gesto de aviso. Cada descenso parece ruido aislado en la facturación del mes; en conjunto dibujan una pendiente que apunta a que se está yendo con otro distribuidor. Y cuando resulta evidente en el resumen anual, ya queda poco que retener.

Por qué ocurre

Un descenso aislado no significa nada — los pedidos B2B fluctúan por estacionalidad, por obra parada, por mil razones. La señal solo emerge al examinar la tendencia de cada cliente a lo largo de meses y separar la pendiente real de la oscilación normal. Eso, sobre toda tu cartera de clientes y en paralelo, excede la revisión manual de facturas: la fuga lenta se oculta precisamente en que aparenta normalidad.

Cómo se resuelve

A partir de tu serie de pedidos por cliente se mide la pendiente de cada uno y se detecta el punto en que empezó a deteriorarse — antes del abandono total. La lista del lunes para tus comerciales deja de salir de la memoria: se señala el cliente que lleva tres meses de descenso, con el motivo apuntado, mientras todavía está al alcance de una visita.

El algoritmo

Detección de tendencia descendente y cambio de punto sobre la serie de pedidos (análisis de pendiente, CUSUM, ruptures).

Qué requiere

Tu histórico de pedidos con fecha, cliente e importe o cantidad · cuanto más continuo, antes se identifica la pendiente.

Lo que está en juego

El retorno reside en atajar la pendiente antes de que toque fondo: recuperar a un cliente que aún baja algún pedido cuesta una visita comercial; recuperar al que ya se pasó entero a la competencia cuesta una cartera desde cero, si es que vuelve. La señal débil está en tus albaranes — la pendiente del que pide menos tres meses seguidos — solo falta vigilarla sobre los doscientos clientes a la vez. El número concreto para tu negocio lo da el diagnóstico sobre tu propio histórico.

Sirves el pedido grande sin saber si ese cliente te va a pagar a tiempo.
El problema

Aceptas el pedido y cargas la furgoneta antes de saber cuándo vas a cobrar esa factura — o si la vas a cobrar entera. El cliente que paga a noventa días disfrazados de sesenta te financia el género sin que lo notes, y la mora de uno solo te encoge la caja con la que tienes que pagar a tus proveedores. El riesgo se asume a ciegas, pedido a pedido.

Por qué ocurre

Saber cuándo te va a pagar cada cliente, y con qué riesgo, exige cruzar su historial de cobros — qué facturas pagó a tiempo, cuáles arrastró, cómo se comporta en cada época — y proyectar ese patrón sobre la factura que estás a punto de emitir. Ese cálculo, cliente a cliente sobre toda la cartera, no sale de revisar el extracto a mano: por eso el riesgo se descubre cuando la factura ya está vencida.

Cómo se resuelve

A partir de tu histórico de cobros se calcula, para cada cliente, los días reales que tarda en pagar y el riesgo de que esta factura se retrase o se quede sin cobrar — antes de servir el pedido grande. La alerta de cobro deja de saltar cuando el plazo ya venció: aparece sobre la mesa cuando todavía puedes pedir adelanto, ajustar el crédito o reforzar el seguimiento.

El algoritmo

Scoring de riesgo de impago y días-hasta-cobro previstos por factura (clasificación calibrada; regresión/supervivencia sobre el histórico de cobros).

Qué requiere

Tu histórico de facturas con fecha de emisión, fecha de cobro real y cliente · y, si lo tienes, el límite de crédito de cada uno.

Lo que está en juego

El retorno reside en ver el riesgo antes de cargar la furgoneta en lugar de en el vencimiento: cobras antes los días que hoy financias sin saberlo y dejas de servir a crédito al cliente que ya arrastra mora, sin tener que apretar a toda la cartera por igual. Es la disciplina de Capital One — no decidir el crédito en una reunión, medirlo contra los datos — llevada a tu mesa de pedidos. El número concreto para tu negocio lo da el diagnóstico sobre tu propio histórico.

Caso real

Capital One dejó de decidir el riesgo de cada cliente en reuniones y empezó a medirlo contra datos — 45.000 experimentos en el año 2000. De startup a uno de los mayores bancos de consumo de EE. UU. evaluando a quién dar crédito y a quién no.

Stanford GSB, caso Capital One · fuente
Tienes varios almacenes y el stock nunca está donde lo piden.
El problema

Sobra en la nave central y falta en la delegación, o al revés, y acabas haciendo portes de urgencia para cubrir el hueco de un sitio mientras otro acumula existencias. Lo que falta no es producto: es reparto. Tienes el stock total que necesitas, solo que mal distribuido por la red, y el cliente que pide en la delegación seca se va con las manos vacías.

Por qué ocurre

Repartir bien entre puntos exige cruzar la demanda de cada uno con lo que tiene cada uno ahora — y eso cambia cada semana. Hacerlo manualmente lleva a mover por costumbre ("a la nave grande, más"), que ignora dónde se está vendiendo de verdad esta temporada y deja una delegación seca mientras otra se satura de lo mismo.

Cómo se resuelve

A partir de la demanda real de cada punto se calcula cuánto mover y a dónde, antes de que un sitio se quede seco mientras otro acumula. El traslado entre almacenes deja de ser un porte de urgencia reactivo y pasa a ser un reparto planificado: el producto acaba donde se va a vender, no donde siempre estuvo.

El algoritmo

Reparto óptimo del stock en la red (optimización de red, transshipment).

Qué requiere

Tu histórico de ventas por punto y referencia · y el stock actual en cada almacén o delegación.

Lo que está en juego

El retorno reside en mover el producto al sitio que lo va a vender en lugar de hacer portes de urgencia: dejas de perder ventas por estar seco en un punto y de inmovilizar lo mismo acumulado en otro. El número concreto para tu negocio lo da el diagnóstico sobre tu propio histórico.

Tus rutas de reparto son caras y desordenadas, hechas de memoria.
El problema

Las vueltas de la furgoneta las decide el conductor de siempre, que conoce la zona — cierto, pero con veinte o treinta paradas la ruta óptima no la encuentra ningún oficio. El resultado son kilómetros de más, horas de más y entregas tarde, que se pagan en combustible y en clientes que esperan el palé toda la mañana.

Por qué ocurre

La ruta óptima no es la más corta ni la habitual: es la que ordena las paradas del día respetando cargas, ventanas horarias de cada cliente y capacidad de cada furgoneta, y con treinta direcciones las combinaciones posibles son astronómicas. Ningún oficio humano encuentra la mejor manualmente — la costumbre deja kilómetros improductivos que solo se ven con datos.

Cómo se resuelve

A partir de las direcciones del día, las cargas y las franjas de entrega de cada cliente se calcula la vuelta más corta que cumple los plazos. No sustituye al conductor: le elimina los kilómetros improductivos que él no puede ver con un mapa de papel. El reparto deja de depender de que alguien conozca la zona de memoria y aguante toda la plantilla.

El algoritmo

Rutas y cargas óptimas del día (VRP/TSP con OR-Tools, clustering geográfico).

Qué requiere

Tus entregas del día con dirección, carga y franja horaria · y la capacidad de cada furgoneta.

Lo que está en juego

El retorno reside en combustible y en horas: la misma flota reparte lo mismo con menos kilómetros y llega a tiempo más veces. Es exactamente lo que hizo UPS con ORION — respetar el oficio del conductor pero eliminar los kilómetros que solo se ven con datos: el sistema evalúa más de 200.000 formas de hacer una sola ruta. El número concreto para tu negocio lo da el diagnóstico sobre tu propio histórico.

Caso real

UPS dejó que ORION procesara cada noche las paradas del día y propusiera la ruta — sin sustituir el oficio del conductor, solo eliminando los kilómetros improductivos. Estimaron 100 millones de kilómetros y 10 millones de galones de combustible menos al año; el sistema ganó el premio Franz Edelman de INFORMS en 2016.

"ORION delivers success", ORMS Today / INFORMS (2016), premio Franz Edelman · fuente

Lo que ya hacen los grandes del sector

No es teoría de despacho: los gigantes de la distribución llevan años leyendo su propio historial de ventas, stock y rutas para llegar antes que el problema, ya sea la demanda que se dispara, el palé que no rota o el kilómetro que sobra. Cambia la escala, no la pregunta — la misma forma de leer lo que ya está escrito en tus albaranes.

Walmart · previsión de demanda

El camión que sabía qué cargar antes del huracán

Antes del huracán Frances, en 2004, Walmart no quiso adivinar qué se vendería en las tiendas de la trayectoria: cruzó los tickets del huracán Charley, semanas antes, contra los de un día normal. La directora de sistemas, Linda Dillman, lo contó al New York Times: lo que se disparaba no era el agua ni las linternas, sino las Pop-Tarts de fresa, que se vendían 7 veces más de lo normal antes de una tormenta, y la cerveza, el artículo más vendido. Cargaron los camiones con eso y voló de las estanterías.

Lo que significa para tu negocioLa demanda no se adivina en el despacho: ya estaba escrita en la última vez. Tu "huracán" es la campaña que se repite, el puente, la obra que arranca en tu zona — y la respuesta está en tus tickets de todas las veces anteriores, esperando a que alguien la lea para todo el surtido a la vez.

C. L. Hays, The New York Times (14 nov. 2004) · fuente
UPS · optimización de rutas

El reparto que quitó 100 millones de kilómetros sin tocar al conductor

Una ruta de reparto con decenas de paradas tiene tantas combinaciones posibles que ningún conductor, por bueno que sea, encuentra la mejor con un mapa. UPS desarrolló ORION, un sistema que cada noche evalúa más de 200.000 formas de hacer una sola ruta y propone la más corta que cumple las entregas — sin sustituir el oficio del conductor, solo eliminando los kilómetros que él no puede ver. Estimaron 100 millones de kilómetros y 10 millones de galones de combustible menos al año. Le valió el premio Franz Edelman de INFORMS en 2016, el de mayor prestigio en investigación operativa aplicada.

Lo que significa para tu negocioLa furgoneta que da vueltas de más es dinero quemado que nadie ve, porque "el conductor conoce la zona". Conocerla no basta cuando hay treinta paradas: la ruta óptima solo sale de cruzar direcciones, cargas y horarios con datos, exactamente lo que cabe sobre tu reparto diario.

"ORION delivers success", ORMS Today / INFORMS (2016) · fuente
Zara · Inditex · reposición por demanda

El almacén que reacciona a lo que se vende hoy, no a lo que se pidió hace meses

Zara construyó su ventaja sobre una sola idea: que el almacén reaccione a lo que se vende ahora. Cada SKU vendido en cualquiera de sus más de 6.000 tiendas manda en tiempo real al centro de datos de Inditex — abierto las 24 horas — qué se mueve y a qué velocidad. Con eso reponen y fabrican diseños nuevos en dos o tres semanas, no en una temporada. No predicen modas: leen la venta real y reaccionan antes que el competidor que aún mira el resumen del trimestre.

Lo que significa para tu negocioLa diferencia entre Zara y el resto no es el diseño: es que su stock se mueve al ritmo de la venta real, no al de un pedido decidido hace meses. La misma pregunta — qué rota de verdad y a qué velocidad — está en tus ventas por referencia, esperando a que dejes de responderla con el albarán del año pasado.

HBS Digital Initiative (D³, Harvard Business School), "ZARA: Achieving the Fast in Fast Fashion through Analytics" · fuente

Tus datos ya valen dinero.

En distribución, además, se les ve: están en la estantería y en la lista de pedidos que se encogen.