Es muy difícil tratar de predecir la demanda de nuestros clientes, que luego producirá la demanda de servicios logísticos. Los niveles de demanda generalmente afectan la capacidad, costos operativos, los requerimientos financieros y la estructura general del negocio. El objetivo principal entonces es convertirse en la entrada para el resto de los planes operativos. El pronóstico de venta es la proyección en el futuro de la demanda esperada dado un conjunto de restricciones ambientales.
El problema tiene varias dimensiones:
 • Espacial v/s Temporal: Nos indica cómo y dónde. Por ejemplo, esperamos crecimiento de 10% el próximo año ¿Será éste igual en La Serena y Concepción? • Aleatoria v/s Regular: ¿Sigue alguna tendencia? ¿Hay alguna temporada alta? • Derivada v/s Independiente: ¿Está la demanda indexada a la demanda de algún otro bien?
Metodologías de pronósticos
Los pronósticos se clasifican en tres grandes grupos, cada uno de los cuales difiere entre sí en términos de la exactitud relativa dependiendo del horizonte de tiempo en que son utilizados, la complejidad matemática y la base de datos necesaria. • Cualitativos: Son aquellos métodos que usan juicio, intuición, encuestas o técnicas comparativas para producir estimaciones sobre el futuro. La información relativa a los factores que afectan el resultado es típicamente cualitativa y subjetiva. La naturaleza de esta metodología la hace difícil de estandarizar. Sin embargo, pueden ser muy útiles cuando no hay información histórica (por ejemplo, cuando se está lanzando un producto). Generalmente, son usados para estimaciones de mediano a largo plazo. Herramientas utilizadas son opiniones de expertos, investigación de mercado (encuestas personales, entrevistas, encuestas telefónicas), focus groups, árboles de decisión, etc.  • Series de Tiempo (Cuantitativos): Cuando existe una buena cantidad de información histórica y la tendencia y las estacionalidades están bien definidas, estos datos se pueden proyectar efectivamente en el corto plazo. La naturaleza cuantitativa de las series de tiempo invita a usar herramientas matemáticas y estadísticas como base para estas estimaciones. La exactitud que se puede lograr para períodos cortos (menores a seis meses) puede ser muy buena. Si enfrentamos cambios bruscos, los modelos tardan en ajustarse, por eso su utilidad es mayor en el corto plazo.
La descripción de estos modelos es relativamente simple, a partir de la caracterización tradicional que se ha hecho de las series de tiempo. El valor que adquiere una variable se puede descomponer en cuatro partes: el nivel o valor estable, la tendencia (que define la forma en que el nivel evoluciona en el tiempo de manera sostenida), la estacionalidad y el ruido (que es una aleatoriedad inexplicable por el modelo).
Algunas de las técnicas de series de tiempo útiles en logística son:
• Promedios Móviles • Suavización exponencial • Suavización exponencial con tendencia • Suavización exponencial con tendencia y estacionalidad • Análisis de regresión
 • Causales: La premisa básica en lo que se basan los métodos causales es que el nivel de la variable pronosticada se deriva del nivel de otras variables relacionadas. Por ejemplo, si el nivel de servicio del área logística se sabe tiene un efecto en las ventas, luego, si conocemos el nivel de servicio entregado, podremos proyectar la demanda. Si se pueden encontrar buenas relaciones causa-efecto, estos modelos causales pueden ser muy buenos en anticipar cambios mayores en las series de tiempo y ser buenos predictores en el mediano y largo plazo.
En logística, donde se trabaja con mucha información y en horizontes de costo a mediano plazo, las técnicas que aparecen como más utilizables son las de series de tiempo. La pregunta final, entonces, es qué herramienta usar. Para esto, lo primero que debemos entender es cómo medir el desempeño de los pronósticos. Lo que tenemos que hacer es medir el error del pronóstico a través del tiempo. El error significa qué tan alejados están los pronósticos pasados respecto de la realidad. Sin duda, la mejor medición para esto es la desviación estándar.
 Para finalizar, cuando se vea enfrentado a pronosticar en el corto plazo, es decir, mes a mes o trimestre a trimestre, tome dos o tres de las técnicas de series de tiempo. Pruebe cómo se hubiesen comportado en pronosticar lo que pasó en los últimos seis meses, compare las desviaciones estándar y en base a eso elija una. Monitoree periódicamente cómo se hubiesen comportado estas mismas herramientas en los meses venideros. Este simple ejercicio le permitirá entender las tendencias, estacionalidades y nivel base enfrentados y, por lo tanto, comprender mejor la demanda que enfrenta el sistema que usted gestiona. Así, podrá planificar mejor y se ahorrará algunos dolores de cabeza. |
