¿Cuánto tiempo debe tomar para calcular un pronóstico de demanda usando métodos estadísticos? Esta pregunta la hacen a menudo los clientes actuales y potenciales. La respuesta realmente depende. Los resultados del pronóstico para un solo elemento se pueden calcular en un abrir y cerrar de ojos, en tan solo unas pocas centésimas de segundo, pero a veces pueden requerir hasta cinco segundos. Para comprender las diferencias, es importante entender que hay más cosas involucradas que solo repasar la aritmética del pronóstico en sí. Aquí hay seis factores que influyen en la velocidad de su motor de pronóstico.

1) Método de pronóstico.  Las técnicas tradicionales de extrapolación de series de tiempo (como el suavizado exponencial y los métodos de promedio móvil), cuando están codificadas inteligentemente, son muy rápidas. Por ejemplo, el motor de pronóstico automático Smart Forecast que aprovecha estas técnicas y potencia nuestro software de optimización de inventario y planificación de demanda puede generar pronósticos estadísticos sobre 1,000 artículos en 1 segundo. Los métodos de extrapolación producen un pronóstico esperado y una medida resumida de la incertidumbre del pronóstico. Sin embargo, los modelos más complejos en nuestra plataforma que generan escenarios de demanda probabilísticos toman mucho más tiempo con los mismos recursos informáticos. Esto se debe en parte a que crean un volumen de producción mucho mayor, por lo general miles de secuencias de demanda futura plausibles. Más tiempo, sí, pero no tiempo perdido, ya que estos resultados son mucho más completos y forman la base para la optimización posterior de los parámetros de control de inventario.

2) Recursos informáticos.  Cuantos más recursos arroje al cálculo, más rápido será. Sin embargo, los recursos cuestan dinero y puede que no sea económico invertir en estos recursos. Por ejemplo, para hacer que ciertos tipos de pronósticos basados en aprendizaje automático funcionen, el sistema necesitará realizar cálculos de subprocesos múltiples en varios servidores para entregar resultados rápidamente. Por lo tanto, asegúrese de comprender los recursos informáticos asumidos y los costos asociados. Nuestros cálculos se realizan en la nube de Amazon Web Services, por lo que es posible pagar una gran cantidad de cómputo paralelo si se desea.

3) Número de series temporales.  ¿Tiene que pronosticar solo unos pocos cientos de artículos en una sola ubicación o muchos miles de artículos en docenas de ubicaciones? Cuanto mayor sea el número de combinaciones de SKU x Ubicación, mayor será el tiempo requerido. Sin embargo, es posible recortar el tiempo para obtener pronósticos de demanda mediante una mejor clasificación de la demanda. Por ejemplo, no es importante pronosticar cada combinación de SKU x Ubicación. El software moderno de planificación de la demanda primero puede subdividir los datos en función de las clasificaciones de volumen/frecuencia antes de ejecutar el motor de pronóstico. Hemos observado situaciones en las que existían más de un millón de combinaciones SKU x Ubicación, pero solo el diez por ciento tenía demanda en los doce meses anteriores.

4) Clasificación histórica. ¿Está pronosticando utilizando intervalos de tiempo diarios, semanales o mensuales? Cuanto más granular sea la agrupación, más tiempo llevará calcular los pronósticos estadísticos. Muchas empresas se preguntarán: "¿Por qué alguien querría pronosticar diariamente?" Sin embargo, el software de pronóstico de demanda de última generación puede aprovechar los datos diarios para detectar patrones simultáneos de días de la semana y semanas del mes que, de otro modo, quedarían ocultos con los grupos de demanda mensuales tradicionales. Y la velocidad de los negocios continúa acelerándose, amenazando la viabilidad competitiva del ritmo de planificación mensual tradicional.

5) Cantidad de Historia. ¿Está limitando el modelo alimentándolo solo con el historial de demanda más reciente, o está introduciendo todo el historial disponible en el software de previsión de demanda? Cuanto más historial alimente el modelo, más datos se deben analizar y más tiempo llevará.

6) Procesamiento analítico adicional.  Hasta ahora, hemos imaginado ingresar el historial de demanda de los artículos y obtener pronósticos. Pero el proceso también puede implicar pasos analíticos adicionales que pueden mejorar los resultados. Ejemplos incluyen:

a) Detección y eliminación de valores atípicos para minimizar la distorsión causada por eventos únicos como daños por tormentas.

b) Aprendizaje automático que decide cuánto historial se debe usar para cada elemento detectando el cambio de régimen.

C) Modelado causal que identifica cómo los cambios en los impulsores de la demanda (como el precio, la tasa de interés, la opinión del cliente, etc.) afectan la demanda futura.

d) Informe de excepción que utiliza el análisis de datos para identificar situaciones inusuales que ameritan una mayor revisión por parte de la gerencia.

El resto de la historia. También es fundamental comprender que el tiempo para obtener una respuesta implica más que la velocidad de los cálculos de pronóstico. per se. Los datos deben cargarse en la memoria antes de que pueda comenzar la computación. Una vez que se calculan los pronósticos, su navegador debe cargar los resultados para que puedan mostrarse en la pantalla para que usted interactúe con ellos. Si vuelve a pronosticar un producto, puede optar por guardar los resultados. Si está trabajando con jerarquías de productos (agregando pronósticos de artículos hasta familias de productos, familias hasta líneas de productos, etc.), el nuevo pronóstico afectará la jerarquía y todo debe conciliarse. Todo esto lleva tiempo.

¿Lo suficientemente rápido para ti? Cuando está evaluando el software para ver si su necesidad de velocidad será satisfecha, todo esto puede probarse como parte de una prueba de concepto o prueba ofrecida por los proveedores de soluciones de software de planificación de la demanda. Pruébelo y asegúrese de que el calcular, cargar y guardar los tiempos son aceptables dado el volumen de datos y los métodos de pronóstico que desea utilizar para respaldar su proceso.

 ¿Qué es el efecto de oscilación? 

Es cuando su pronóstico estadístico predice incorrectamente los altibajos observados en su historial de demanda cuando realmente no hay un patrón. Es importante asegurarse de que sus pronósticos no cambien a menos que haya un patrón real.

Aquí hay una transcripción de un cliente reciente donde se discutió este problema:

Cliente: “El pronóstico no sigue los patrones que veo en el historial. ¿Por qué no?" 

Inteligente: “Si miras de cerca, los altibajos que ves no son patrones. Es realmente ruido”.  

Cliente: “Pero si no predecimos los máximos, nos agotamos”.

Smart: “Si el pronóstico 'se moviera', sería mucho menos preciso. El sistema pronosticará cualquier patrón que sea evidente, en este caso una tendencia alcista muy leve. Protegeremos el ruido con existencias de seguridad. Los meneos se utilizan para establecer las existencias de seguridad”.

Cliente: “Está bien. Tiene sentido ahora. 

El movimiento parece tranquilizador pero, en este caso, está dando como resultado un pronóstico de demanda incorrecto. Los altibajos en realidad no ocurren a la misma hora cada mes. Un mejor pronóstico estadístico se muestra en verde claro.

En los más de cuarenta años que Smart sirve software de predicción, en este tiempo hemos conocido a muchas personas que se han convertido en pronosticadores de demanda. Este blog está dirigido principalmente a aquellas personas afortunadas que están a punto de comenzar esta aventura (aunque los profesionales experimentados pueden disfrutar de la actualización).

¡Bienvenido al sector! Una buena previsión puede marcar una gran diferencia en el rendimiento de su empresa, ya sea que esté pronosticando para respaldar las ventas, el marketing, la producción, el inventario o las finanzas.

Hay muchas matemáticas y estadísticas subyacentes a la demanda y a los métodos de pronóstico, por lo que su tarea sugiere que usted no es una de esas personas con fobia a las matemáticas que prefieren ser poetas. Afortunadamente, si te sientes un poco inestable y aún no te has curado de la clase de geometría de la escuela secundaria, tranquilidad, ya que gran parte de las matemáticas están integradas en el software de pronóstico, por lo que tu primer trabajo obtiener una visión general y dejar las matemáticas para más tarde. De hecho, aunque sean una perspectyiva más generica, aislemos algunas de las ideas que más aportarán al éxito.

1. La previsión de la demanda es un deporte de equipo. Incluso en una empresa pequeña, el planificador de la demanda es parte de un equipo, con algunas personas que aportan los datos, otras que aportan la tecnología y otras que aportan el juicio comercial. En una empresa bien administrada, su trabajo nunca será simplemente ingresar algunos datos en un programa y enviar un informe de pronóstico. Muchas empresas han adoptado un proceso llamado Planificación de ventas y operaciones (S&OP, por sus siglas en inglés) en el que su pronóstico se utilizará para iniciar una reunión para tomar ciertas decisiones (por ejemplo, ¿debemos asumir que esta tendencia continuará? ¿Será peor pronosticar por debajo o ¿sobrepronóstico?) y combinar información adicional en el pronóstico final (p. ej., información del equipo de ventas, inteligencia empresarial sobre los movimientos de los competidores, promociones). La implicación para usted es que sus habilidades para escuchar y comunicarse serán importantes para su éxito.

2. Los motores de pronóstico estadístico necesitan buen combustible. Los datos históricos son el combustible utilizado por los programas de previsión estadística, por lo que los datos incorrectos, faltantes o retrasados pueden degradar el producto final. Su trabajo incluirá implícitamente un aspecto de control de calidad, y debe estar atento a los datos que se le proporcionan. Es una buena idea que en el camino la gente de informática se haga tu amiga.

3. Su nombre aparecerá en los pronósticos. Nos guste o no, si envío pronósticos a la cadena de mando, se etiquetan como "pronósticos de Tom". Debo estar preparado para poseer esos números. Para ganar mi asiento en la mesa, debo ser capaz de explicar en qué datos se basaron mis pronósticos, cómo se calcularon, por qué usé el Método A en lugar del Método B para hacer los cálculos y, especialmente, qué tan firmes o blandos son. Aquí la honestidad es importante. No se puede esperar razonablemente que ningún pronóstico sea perfectamente preciso, pero no se puede esperar que todos los gerentes sean perfectamente razonables. Si no tiene suerte, Dirección pensará que sus informes de incertidumbre del pronóstico sugieren ignorancia o incompetencia. Cuando en realidad, indican profesionalismo. No tengo consejos útiles sobre la mejor manera de administrar a tales gerentes, pero puedo advertirle sobre ellos. Depende de usted educar a aquellos que usan sus pronósticos. Los mejores gerentes lo apreciarán.

4. Deje sus hojas de cálculo de lado. No es raro que alguien sea ascendido a pronosticador porque era excelente con Excel. A menos que esté en una empresa inusualmente pequeña, la escala de los pronósticos corporativos modernos supera lo que puede manejar con las hojas de cálculo. La creciente velocidad de los negocios agrava el problema: el ritmo somnoliento de las reuniones de planificación anuales y trimestrales está dando paso rápidamente a re-pronósticos semanales o incluso diarios a medida que cambian las condiciones. Por lo tanto, prepárese para apoyarse en un proveedor profesional de software de pronóstico estadístico y planificación de la demanda moderno y escalable basado en la nube para capacitación y soporte.

5. Piensa visualmente. Será muy útil, tanto para decidir cómo generar pronósticos de demanda como para presentarlos a la Dirección, así que aproveche las capacidades de visualización integradas en el software de pronóstico. Como señalé anteriormente, en el mundo empresarial actual, los datos con los que trabaja pueden cambiar rápidamente, y lo que hizo el mes pasado puede no ser lo correcto para este mes. Literalmente, vigile sus datos haciendo gráficos simples, como "gráficos de tiempo" que muestran cosas como la tendencia o la estacionalidad o (especialmente) los cambios en la tendencia o la estacionalidad o las anomalías que deben tratarse. Del mismo modo, complementar las tablas de pronósticos con gráficos que comparen los pronósticos actuales con los pronósticos anteriores puede ser muy útil en un proceso de S&OP. Por ejemplo, los gráficos de tiempo que muestran valores pasados, valores pronosticados e "intervalos de pronóstico" que indican la incertidumbre objetiva en los pronósticos brindan una base sólida para que su equipo aprecie completamente el mensaje en sus pronósticos.

Con estas recomendaciones es suficiente por ahora. Como una persona que ha enseñado en universidades durante medio siglo, me inclino a comenzar con el lado estadístico de los pronósticos, pero lo dejaré para otro momento. Los cinco consejos anteriores deberían serle útiles a medida que se convierte en una parte clave de su equipo de planificación corporativa. ¡Bienvenido al juego!

Ya sea que usted mismo las entienda en detalle o confíe en un buen software, las matemáticas son un hecho de la vida para cualquier persona en la gestión del inventario y previsión de la demanda que pretende seguir siendo competitivo en el mundo moderno.

Recientemente, en una conferencia, el presentador principal de un taller de administración de inventario proclamó con orgullo que no necesitaba "matemáticas de alto nivel", lo que interpretó como algo más allá de las matemáticas de primaria.

Las matemáticas no son el primer amor de todos. Pero si realmente te preocupas por hacer bien tu trabajo, no puedes abordar el trabajo con una mentalidad de escuela primaria. Las tareas de la cadena de suministro, como la previsión de la demanda y la gestión del inventario, son inherentemente matemáticos. Un blog asociado con edX, un sitio reconocido de cursos universitarios en línea, tiene una excelente publicación sobre este tema, en https://www.mooc.org/blog/how-is-math-used-in-supply-chain. Permítanme citar la introducción de dicho curso:

Las matemáticas y la cadena de suministro van de la mano. A medida que crecen las cadenas de suministro, la creciente complejidad impulsará a las empresas a buscar formas de gestionar la toma de decisiones a gran escala. No pueden volver a cómo eran hace 100 años, o incluso hace dos años antes de la pandemia. En cambio, las nuevas tecnologías ayudarán a optimizar y administrar las muchas partes móviles. Las habilidades logísticas, las tecnologías de optimización y las habilidades organizativas utilizadas en la cadena de suministro requieren matemáticas.

Nuestros clientes no necesitan ser expertos en matemáticas de la cadena de suministro, solo necesitan poder manejar el software que contiene las matemáticas. El software combina la experiencia de los usuarios y la experiencia en la materia para producir resultados que marcan la diferencia entre el éxito y el fracaso. Para hacer su trabajo, el software no puede detenerse en matemáticas de sexto grado; necesita probabilidad, estadística y teoría de optimización.

Depende de nosotros, los proveedores de software, empaquetar las matemáticas de tal manera que lo que entra en los cálculos sea todo lo que sea relevante, incluso si es complicado; y que lo que sale sea claro, relevante para la toma de decisiones y defendible cuando deba justificar sus recomendaciones a la alta dirección.

Las matemáticas de sexto grado no pueden advertirle cuándo la forma en que propone administrar una pieza de repuesto crítica significará una probabilidad de 70% de no alcanzar su objetivo de disponibilidad. No puede decirle cuál es la mejor manera de ajustar sus puntos de pedido cuando un proveedor llama y dice: "Tenemos un problema de entrega". No puede salvar su pellejo cuando hay un pedido sorprendentemente grande y tiene que descubrir rápidamente la mejor manera de configurar algunos pedidos especiales acelerados sin romper el presupuesto operativo.

Por lo tanto, respete la sabiduría popular y no traiga un cuchillo a un tiroteo.

Por qué la planificación basada en escenarios ayuda a los planificadores a gestionar mejor el riesgo y crear mejores resultados.

Si está leyendo esto, probablemente sea un profesional de la cadena de suministro con responsabilidades en la previsión de la demanda, la gestión de inventario o ambas. Si vives en el 21^º siglo, usa algún tipo de software que lo ayude a hacer su trabajo. Pero, fundamentalmente, ¿qué hace su software por usted?

Tradicionalmente, el software ha servido como vehículo de entrega de ecuaciones. Incluso si decidió en algún momento su vida que usted y las ecuaciones no se llevan bien, aún pueden hacer algo por usted y puede vivir con ellas, siempre que algún software mantenga todas esas matemáticas a una distancia segura.

Esto está bien, hasta donde llega. Pero en Smart Software creemos que le iría mejor cambiando sus ecuaciones por escenarios. La mayoría de las veces, el objetivo de una ecuación es dar "la respuesta", normalmente en forma de número, como "la demanda del próximo mes de SKUxxx será de 105 unidades". Resultados como estos son útiles, pero incompletos.

Se puede pensar en la previsión como un problema informático, pero es más útil pensar en ella como un ejercicio de gestión de riesgos. El pronóstico de la ecuación de 105 unidades no incluye ninguna indicación de la incertidumbre en el pronóstico, aunque siempre hay alguna. No le ayuda a pensar en contingencias plausibles: ¿y si la demanda es de más de 105 unidades? ¿Y si es por menos de 105? ¿Podría llegar tan alto como 130 o tan bajo como 80? ¿Es 80 incluso remotamente probable?

Aquí es donde el análisis basado en escenarios destaca notablemente. Una definición de "escenario" es "una secuencia postulada de eventos". Nuestra definición es más extensa: un escenario es “una secuencia postulada de eventos y sus probabilidades asociadas de que ocurran”. Los escenarios son la mejor herramienta de planificación hipotética. El pronóstico por ecuación pronosticará una demanda de 105 unidades. La previsión de escenarios produce un conjunto de posibles cifras de demanda, algunas más probables y otras menos. Si hay pocos o ningún escenario tan bajo como 80, puede dejar pasar esa contingencia.

Más o menos ¿Cuánto?

Aquellos que están mejor versados en pronósticos basados en ecuaciones podrían protestar porque el software basado en ecuaciones a veces brinda indicaciones del "más o menos" de un pronóstico, completo con una curva en forma de campana que indica la probabilidad relativa de varias contingencias. Sin embargo, cuando ve una distribución perfecta en forma de campana, sabe que se le pide que confíe en una suposición teórica que solo es válida algunas veces.

Los pronósticos de escenarios no se basan en esa suposición. De hecho, no necesitan confiar en ningún supuesto matemático preconcebido cuyo principal punto de venta es que simplifica el análisis. No necesita un análisis simplificado, necesita un análisis realista basado en hechos.

El software de última generación produce pronósticos de escenarios, no solo para la planificación de la demanda sino también para la gestión de inventario. La demanda es una entrada clave para el software de inventario, junto con el comportamiento del proveedor, como se refleja en los plazos de reposición. Tanto la demanda como la oferta deben pronosticarse si desea ver las consecuencias de, por ejemplo, elegir un punto de pedido de 15 y una cantidad de pedido de 25.

Los sistemas de inventario son lo que se denomina "sensibles a la ruta", lo que significa que cualquier secuencia particular de valores de demanda producirá un rendimiento diferente que los mismos valores de demanda en un orden diferente. Por ejemplo, si todos los períodos de mayor demanda se juntan, uno tras otro, tendrá muchas más dificultades para mantenerse abastecido que si los mismos períodos de alta demanda se espacian con tiempo para reabastecerse entre ellos. Los escenarios reflejan estas diferencias con suficiente detalle para generar métricas de rendimiento promedio que reflejen las diversas contingencias inherentes a la demanda incierta.

La Figura 1 ilustra la diferencia entre un pronóstico basado en ecuaciones y escenarios de pronóstico. Las celdas verdes contienen 10 meses de demanda de una pieza de repuesto. Las celdas azules contienen un pronóstico basado en ecuaciones que exige una demanda promedio de 1,5 unidades en los meses 11, 12 y 13. Las celdas de color pistacho contienen pronósticos de ocho escenarios, aunque en la práctica nuestro software generaría decenas de miles de escenarios. Ahora, los escenarios también promedian 1,5 unidades por mes, pero van más allá y muestran la amplia variedad de formas en que podrían desarrollarse los próximos tres meses. Por ejemplo, si se lee verticalmente, la demanda mensual podría oscilar entre 0 y 3. Si se lee horizontalmente, los totales de tres meses podrían oscilar entre 0 y 6, en comparación con la estimación basada en ecuaciones de 4,5. Continuando con este ejemplo de juguete, si tiene 5 unidades disponibles y el tiempo de reabastecimiento es mayor a 3 meses, el modelo basado en ecuaciones dice que estará bien durante los próximos 3 meses, pero los resultados basados en escenarios dicen que tiene 1 posibilidad en 8 (12.5%) posibilidad de desabastecimiento. De manera equivalente, tiene un nivel de servicio 87.5%. Si la pieza es crítica y su objetivo es un nivel de servicio 95%, corre el riesgo de perder su objetivo de disponibilidad de artículos.

Figura 1: Comparación de pronósticos basados en ecuaciones y basados en escenarios

Resumen

Recuerde, el pronóstico basado en ecuaciones le brinda información, pero información superficial. La previsión basada en escenarios puede decirle no solo qué resultado es más probable, sino también qué tan confiable es cualquiera de las predicciones que contempla, y esto le permite aplicar su criterio para equilibrar el riesgo y los gastos de almacenamiento, todo automatizado para escalar a una gran cantidad. catálogo de artículos.

En los más de cuarenta años que Smart sirve software de predicción, en este tiempo hemos conocido a muchas personas que se han convertido en pronosticadores de demanda. Este blog está dirigido principalmente a aquellas personas afortunadas que están a punto de comenzar esta aventura (aunque los profesionales experimentados pueden disfrutar de la actualización).

¡Bienvenido al sector! Una buena previsión puede marcar una gran diferencia en el rendimiento de su empresa, ya sea que esté pronosticando para respaldar las ventas, el marketing, la producción, el inventario o las finanzas.

Hay muchas matemáticas y estadísticas subyacentes a la demanda y a los métodos de pronóstico, por lo que su tarea sugiere que usted no es una de esas personas con fobia a las matemáticas que prefieren ser poetas. Afortunadamente, si te sientes un poco inestable y aún no te has curado de la clase de geometría de la escuela secundaria, tranquilidad, ya que gran parte de las matemáticas están integradas en el software de pronóstico, por lo que tu primer trabajo obtiener una visión general y dejar las matemáticas para más tarde. De hecho, aunque sean una perspectyiva más generica, aislemos algunas de las ideas que más aportarán al éxito.

1. La previsión de la demanda es un deporte de equipo. Incluso en una empresa pequeña, el planificador de la demanda es parte de un equipo, con algunas personas que aportan los datos, otras que aportan la tecnología y otras que aportan el juicio comercial. En una empresa bien administrada, su trabajo nunca será simplemente ingresar algunos datos en un programa y enviar un informe de pronóstico. Muchas empresas han adoptado un proceso llamado Planificación de ventas y operaciones (S&OP, por sus siglas en inglés) en el que su pronóstico se utilizará para iniciar una reunión para tomar ciertas decisiones (por ejemplo, ¿debemos asumir que esta tendencia continuará? ¿Será peor pronosticar por debajo o ¿sobrepronóstico?) y combinar información adicional en el pronóstico final (p. ej., información del equipo de ventas, inteligencia empresarial sobre los movimientos de los competidores, promociones). La implicación para usted es que sus habilidades para escuchar y comunicarse serán importantes para su éxito.

2. Los motores de pronóstico estadístico necesitan buen combustible. Los datos históricos son el combustible utilizado por los programas de previsión estadística, por lo que los datos incorrectos, faltantes o retrasados pueden degradar el producto final. Su trabajo incluirá implícitamente un aspecto de control de calidad, y debe estar atento a los datos que se le proporcionan. Es una buena idea que en el camino la gente de informática se haga tu amiga.

3. Su nombre aparecerá en los pronósticos. Nos guste o no, si envío pronósticos a la cadena de mando, se etiquetan como "pronósticos de Tom". Debo estar preparado para poseer esos números. Para ganar mi asiento en la mesa, debo ser capaz de explicar en qué datos se basaron mis pronósticos, cómo se calcularon, por qué usé el Método A en lugar del Método B para hacer los cálculos y, especialmente, qué tan firmes o blandos son. Aquí la honestidad es importante. No se puede esperar razonablemente que ningún pronóstico sea perfectamente preciso, pero no se puede esperar que todos los gerentes sean perfectamente razonables. Si no tiene suerte, Dirección pensará que sus informes de incertidumbre del pronóstico sugieren ignorancia o incompetencia. Cuando en realidad, indican profesionalismo. No tengo consejos útiles sobre la mejor manera de administrar a tales gerentes, pero puedo advertirle sobre ellos. Depende de usted educar a aquellos que usan sus pronósticos. Los mejores gerentes lo apreciarán.

4. Deje sus hojas de cálculo de lado. No es raro que alguien sea ascendido a pronosticador porque era excelente con Excel. A menos que esté en una empresa inusualmente pequeña, la escala de los pronósticos corporativos modernos supera lo que puede manejar con las hojas de cálculo. La creciente velocidad de los negocios agrava el problema: el ritmo somnoliento de las reuniones de planificación anuales y trimestrales está dando paso rápidamente a re-pronósticos semanales o incluso diarios a medida que cambian las condiciones. Por lo tanto, prepárese para apoyarse en un proveedor profesional de software de pronóstico estadístico y planificación de la demanda moderno y escalable basado en la nube para capacitación y soporte.

5. Piensa visualmente. Será muy útil, tanto para decidir cómo generar pronósticos de demanda como para presentarlos a la Dirección, así que aproveche las capacidades de visualización integradas en el software de pronóstico. Como señalé anteriormente, en el mundo empresarial actual, los datos con los que trabaja pueden cambiar rápidamente, y lo que hizo el mes pasado puede no ser lo correcto para este mes. Literalmente, vigile sus datos haciendo gráficos simples, como "gráficos de tiempo" que muestran cosas como la tendencia o la estacionalidad o (especialmente) los cambios en la tendencia o la estacionalidad o las anomalías que deben tratarse. Del mismo modo, complementar las tablas de pronósticos con gráficos que comparen los pronósticos actuales con los pronósticos anteriores puede ser muy útil en un proceso de S&OP. Por ejemplo, los gráficos de tiempo que muestran valores pasados, valores pronosticados e "intervalos de pronóstico" que indican la incertidumbre objetiva en los pronósticos brindan una base sólida para que su equipo aprecie completamente el mensaje en sus pronósticos.

Con estas recomendaciones es suficiente por ahora. Como una persona que ha enseñado en universidades durante medio siglo, me inclino a comenzar con el lado estadístico de los pronósticos, pero lo dejaré para otro momento. Los cinco consejos anteriores deberían serle útiles a medida que se convierte en una parte clave de su equipo de planificación corporativa. ¡Bienvenido al juego!