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