Hay un viejo chiste rancio: "Hay dos tipos de personas: los que creen que hay dos tipos de personas y los que no". Podemos modificar ese chiste: "Hay dos tipos de personas: los que saben que hay tres tipos de análisis de la cadena de suministro y los que aún no han leído este blog".

Los tres tipos de análisis de la cadena de suministro son "descriptivos", "predictivos" y "prescriptivos". Cada uno juega un papel diferente para ayudarlo a administrar su inventario. El software moderno de la cadena de suministro le permite aprovechar los tres.

Analítica descriptiva

Los análisis descriptivos son el material de los tableros. Te dicen "lo que está pasando ahora". En esta categoría se incluyen cifras resumidas como el dinero invertido actualmente en inventario, el nivel actual de servicio al cliente y la tasa de llenado, y los plazos de entrega promedio de los proveedores. Estas estadísticas son útiles para realizar un seguimiento de sus operaciones, especialmente cuando realiza un seguimiento de los cambios en ellas de un mes a otro. Confiarás en ellos todos los días. Requieren bases de datos corporativas precisas, procesadas estadísticamente.

Análisis predictivo

El análisis predictivo se manifiesta más comúnmente como pronósticos de demanda, a menudo desglosados por producto y ubicación y, a veces, también por cliente. Estas estadísticas proporcionan una alerta temprana para que pueda preparar la producción, el personal y la adquisición de materias primas para satisfacer la demanda. También proporcionan predicciones del efecto de los cambios en las políticas operativas, por ejemplo, ¿qué sucede si aumentamos la cantidad de nuestro pedido del Producto X de 20 a 25 unidades? Puede confiar en Predictive Analytics periódicamente, tal vez semanal o mensualmente, cuando busca lo que está sucediendo ahora para ver qué sucederá a continuación. Predictive Analytics utiliza Descriptive Analytics como base, pero agrega más capacidad. El análisis predictivo para la previsión de la demanda requiere un procesamiento estadístico avanzado para detectar y estimar características de la demanda de productos como tendencia, estacionalidad y Cambio de regimén. El análisis predictivo para la gestión de inventario utiliza pronósticos de demanda como entradas en los modelos de funcionamiento de las políticas de inventario, que a su vez proporcionan estimaciones de métricas de rendimiento clave, como niveles de servicio, tasas de llenadoy costos de operación.

Analítica prescriptiva

Los análisis prescriptivos no tratan sobre lo que está sucediendo ahora o lo que sucederá a continuación, sino sobre lo que debe hacer a continuación, es decir, recomiendan decisiones destinadas a maximizar el rendimiento del sistema de inventario. Puede confiar en Prescriptive Analytics para posicionar mejor toda su política de inventario. Prescriptive Analytics utiliza Predictive Analytics como base y luego agrega capacidad de optimización. Por ejemplo, el software Prescriptive Analytics puede calcular automáticamente las mejores opciones para los valores futuros de Min's y Max's para miles de artículos de inventario. Aquí, "mejor" podría significar los valores de Min y Max para cada artículo que minimizan el costo operativo (la suma de los costos de mantenimiento, pedido y escasez) mientras se mantiene un piso 90% en la tasa de cumplimiento de artículos.

Ejemplo

La siguiente figura muestra cómo el análisis de la cadena de suministro puede ayudar al administrador de inventario. Las columnas muestran tres indicadores clave de rendimiento (KPI) previstos: nivel de servicio, inversión en inventario y costos operativos (costos de mantenimiento + costos de pedido + costos de escasez).

 Figura 1: Los tres tipos de análisis utilizados para evaluar escenarios de planificación

Las filas muestran cuatro políticas de inventario alternativas, expresadas como escenarios. El escenario "En vivo" informa sobre los valores de los KPI el 1 de julio de 2018. El escenario "99% All" cambia la política actual al elevar el nivel de servicio de todos los elementos a 99%. El escenario de “75 piso/99 techo” eleva los niveles de servicio que son demasiado bajos hasta 75% y reduce los niveles de servicio muy altos (es decir, caros) hasta 95%. El escenario de "Optimización" prescribe niveles de servicio específicos del artículo que minimizan los costos operativos totales.

El escenario "Live 07-01-2018" es un ejemplo de análisis descriptivo. Muestra el rendimiento de referencia actual. Luego, el software le permite al usuario probar cambios en la política de inventario mediante la creación de nuevos escenarios "Qué pasaría si" que luego podrían convertirse en escenarios con nombre para una mayor consideración. Los siguientes dos escenarios son ejemplos de Predictive Analytics. Ambos evalúan las consecuencias de sus políticas de control de inventario recomendadas, es decir, los valores mínimos y máximos recomendados para todos los artículos. El escenario de "Optimización" es un ejemplo de Prescriptive Analytics porque recomienda la mejor política de compromiso.

Considere cómo se comparan los tres escenarios alternativos con el escenario de referencia "en vivo". El escenario “99% All” eleva las métricas de disponibilidad de artículos, aumentando el nivel de servicio de 88% a 99%. Sin embargo, hacerlo aumenta la inversión total en inventario de $3 millones a alrededor de $4 millones. Por el contrario, el escenario de “75 piso/99 techo” aumenta tanto el nivel de servicio como reduce el efectivo inmovilizado en el inventario en alrededor de $300,000. Finalmente, el escenario de “Optimización” logra un nivel de servicio 80%, una reducción del 88% actual, pero recorta más de $2 millones del valor del inventario y reduce los costos operativos en más de $400,000 anualmente. A partir de aquí, los gerentes podrían probar otras opciones, como devolver parte de los ahorros de $2 millones para lograr un nivel de servicio promedio más alto.

Resumen

Los paquetes de software modernos para la planificación y la optimización del inventario deben ofrecer tres tipos de análisis de la cadena de suministro: descriptivo, predictivo y prescriptivo. Su combinación permite a los administradores de inventario realizar un seguimiento de sus operaciones (descriptivo), pronosticar dónde estarán sus operaciones en el futuro (predictivo) y optimizar sus políticas de inventario en respuesta a la anticipación de condiciones futuras (prescriptivo).

Resumen

Establecer un objetivo nivel de servicio o tasa de llenado es una decisión estratégica sobre la gestión de riesgos de inventario. Elegir los niveles de servicio puede ser difícil. Los factores relevantes incluyen los niveles de servicio actuales, los plazos de reabastecimiento, las restricciones de costos, el dolor que la escasez le causa a usted y a sus clientes, y su posición competitiva. El establecimiento de objetivos a menudo se aborda mejor como una colaboración entre operaciones, ventas y finanzas. El software de optimización de inventario es una herramienta esencial en el proceso.

Opciones de nivel de servicio

El nivel de servicio es la probabilidad de que no ocurra escasez entre el momento en que solicita más existencias y cuando llega al estante. El rango razonable de niveles de servicio es de alrededor de 70% a 99%. Los niveles por debajo de 70% pueden indicar que no le importan o que no puede manejar a sus clientes. Los niveles de 100% casi nunca son apropiados y generalmente indican un inventario muy inflado.

Factores que influyen en la elección del nivel de servicio

Varios factores influyen en la elección del nivel de servicio para un artículo de inventario. Estos son algunos de los más importantes.

Niveles de servicio actuales:
Un lugar razonable para comenzar es averiguar cuáles son sus niveles de servicio actuales para cada artículo y en general. Si ya está en buena forma, entonces el trabajo se convierte en el más fácil de ajustar una solución que ya es buena. Si se encuentra en malas condiciones ahora, establecer los niveles de servicio puede ser más difícil. Sorprendentemente, pocas empresas tienen datos sobre esta importante métrica en toda su flota de artículos de inventario. Lo que sucede a menudo es que los puntos de reorden crecen de forma aleatoria a partir de las elecciones realizadas en la prehistoria corporativa y rara vez, a veces nunca, se revisan y actualizan sistemáticamente. Dado que los puntos de pedido son un determinante importante de los niveles de servicio, se deduce que los niveles de servicio "simplemente suceden". El software de optimización de inventario puede convertir sus puntos de pedido y plazos de entrega actuales en estimaciones sólidas de sus niveles de servicio actuales. Este análisis a menudo revela un subconjunto de elementos con niveles de servicio demasiado altos o demasiado bajos, en cuyo caso tiene orientación sobre qué elementos ajustar hacia abajo o hacia arriba, respectivamente.

Plazos de reabastecimiento:
Algunas empresas ajustan los niveles de servicio para que coincidan plazos de reabastecimiento. Si toma mucho tiempo hacer o comprar un artículo, entonces toma mucho tiempo recuperarse de una escasez. En consecuencia, elevan los niveles de servicio en los artículos con mucho tiempo de entrega y los reducen en los artículos para los que los retrasos serán breves.

Restricciones de costo:
El software de optimización de inventario puede encontrar las formas más económicas de alcanzar objetivos de alto nivel de servicio, pero los objetivos agresivos inevitablemente implican costos más altos. Es posible que los costos limiten su elección de objetivos de nivel de servicio. Los costos vienen en varios sabores. La “inversión en inventario” es el valor en dólares del inventario. Los “costos operativos” incluyen tanto los costos de mantenimiento como los costos de pedido. Las restricciones a la inversión en inventario a menudo se imponen a los ejecutivos de inventario y siempre implican límites máximos en los objetivos de nivel de servicio; el software puede hacer explícitas estas relaciones pero no eliminar la necesidad de elegir. Es menos común oír hablar de techos en los costos operativos, pero siempre son al menos un factor secundario que aboga por niveles de servicio más bajos.

Costos de escasez:
Los costos de escasez dependen de si su política de escasez requiere pedidos pendientes o pérdida de ventas. En cualquier caso, los costos de escasez funcionan en contra de la inversión en inventario y los costos operativos al argumentar por niveles de servicio más altos. Es posible que estos costos no siempre se expresen en términos de dólares, como en el caso de los suministros médicos/quirúrgicos, donde los costos de escasez se denominan en términos de morbilidad y mortalidad.

Competencia:
Cuanto más cerca esté su empresa de dominar su mercado, más podrá reducir los niveles de servicio para ahorrar dinero. Sin embargo, retroceder demasiado conlleva riesgos: alienta a los clientes potenciales a buscar en otra parte y alienta a los competidores. Por el contrario, la alta disponibilidad de productos puede contribuir en gran medida a reforzar la posición de un jugador menor.

Orientación colaborativa

Los ejecutivos de inventario pueden ser los encargados de establecer los objetivos de nivel de servicio, pero puede ser mejor colaborar con otras funciones al realizar estas llamadas. Finanzas puede compartir cualquier "línea roja" al principio del proceso, y se les debe asignar la tarea de estimar los costos de mantenimiento y pedidos. Las ventas pueden ayudar a estimar los costos de escasez al explicar las reacciones probables de los clientes ante los pedidos pendientes o la pérdida de ventas.

El papel del software de planificación y optimización de inventario

Sin un software de optimización de inventario, establecer objetivos de nivel de servicio es pura conjetura: es imposible saber cómo se desarrollará un objetivo dado en términos de inversión en inventario, costos operativos, costos de escasez. El software puede calcular las curvas de compensación cuantitativas y detalladas requeridas para tomar decisiones informadas o incluso recomendar el nivel de servicio objetivo que resulte en el costo total más bajo considerando los costos de mantenimiento, los costos de pedido y los costos de desabastecimiento. Sin embargo, no todas las soluciones de software son iguales. Puede ingresar un nivel de servicio 99% definido por el usuario en su sistema de planificación de inventario o el sistema podría recomendar un servicio objetivo, pero eso no significa que realmente alcanzará ese nivel de servicio establecido. De hecho, es posible que ni siquiera se acerque a alcanzarlo y logre un nivel de servicio mucho más bajo. ¡Hemos observado situaciones en las que un nivel de servicio objetivo de 99% en realidad logró un nivel de servicio de solo 82%! Cualquier decisión que se tome como resultado del objetivo dará como resultado una mala asignación no intencionada del inventario, consecuencias muy costosas y muchas explicaciones por hacer. Así que asegúrese de consultar nuestro próximo artículo de blog sobre cómo medir la precisión de su pronóstico de nivel de servicio para no cometer este costoso error.

"Billones de registros de millones de personas... Encontrar la información útil y correcta, comprender su calidad y producir datos analizados confiables de manera oportuna y rentable son cuestiones críticas".

El vicepresidente sénior de investigación de Smart Software, Tom Willemain, tuvo recientemente la oportunidad de hablar con el Dr. Mohsen Hamoudia, presidente de la Instituto Internacional de Pronosticadores (IIF), para discutir problemas actuales y oportunidades para el análisis de big data. El IIF informa a los profesionales sobre tendencias y desarrollos de investigación en pronósticos a través de publicaciones impresas y en línea y la celebración de conferencias profesionales.

El Dr. Hamoudia comienza, a modo de introducción:

En todas las industrias, la disponibilidad de datos se está disparando en volumen, variedad y velocidad. El análisis de big data está jugando un papel importante en la identificación de los datos que son más importantes para el negocio.

Permítanme tomar el ejemplo del sector de las Tecnologías de la Información y la Comunicación (TIC). Estamos viendo un crecimiento literalmente exponencial en la cantidad de datos disponibles para las telecomunicaciones, los distribuidores de contenido independientes Over-the-top (OTT), el gobierno, los reguladores y otras organizaciones.

En todo el mundo, somos testigos de petabytes de datos: billones de registros de millones de personas, todos provenientes de múltiples fuentes. Entre estas fuentes: conexiones a Internet, ventas, centros de atención al cliente, redes sociales, datos de teléfonos fijos y móviles. Encontrar la información útil y correcta, comprender su calidad y producir datos analizados confiables de manera oportuna y rentable son cuestiones críticas. Las empresas de TIC buscan cada vez más información procesable en sus datos. ¿Cómo pueden aumentar su base de clientes y sus programas de fidelización? ¿Cómo pueden mejorar la calidad del servicio (QoS) y reducir la rotación de clientes? Con las plataformas de análisis de big data adecuadas, pueden ser más competitivos y eficientes, mejorando las operaciones, el servicio al cliente y la gestión de riesgos. Pronosticar y predecir las tendencias y direcciones de los clientes es clave para las telecomunicaciones.

Las habilidades de pronóstico, incluidas las matemáticas, las estadísticas y la econometría, forman uno de los "bloques" más importantes de habilidades requeridas en la gestión de Big Data. Algunas actividades de pronóstico forman naturalmente parte del debate de los grandes datos.

En las industrias minoristas, las direcciones de previsión diarias pedir a través de miles de productos. La previsión financiera, ya sea considerando el comportamiento del cliente o series de datos financieros, genera conjuntos masivos de datos en línea. Como señaló Robert Fildes, profesor distinguido de la Universidad de Lancaster, hasta el momento la comunidad académica de pronósticos no está completamente involucrada, con solo unas pocas excepciones. Hal Varian de Google analizó parte del trabajo que David Hendry y Jennifer Castle, en la Universidad de Oxford, han realizado en la búsqueda de grandes conjuntos de datos para modelos significativos congruentes con los datos. Stock y Watson también han desarrollado sus propios enfoques para grandes conjuntos de macrodatos. Pero a pesar del intento, en el simposio del año pasado sobre pronóstico en Seúl, de explorar el tema de los grandes datos y sus aplicaciones de pronóstico, quedan pocas aplicaciones convincentes del uso de datos en línea en problemas reales de pronóstico.

P. En la actualidad, se habla mucho de "análisis predictivo", pero la frase rara vez se relaciona con la previsión. ¿Está de acuerdo en que la previsión se encuentra en el corazón del análisis predictivo? ¿Tiene alguna explicación de por qué se ha roto el enlace? ¿Tiene ideas sobre cómo reinyectar pronósticos en la conversación?

Los resultados de la previsión (el “qué”) quizás ahora se perciban como menos importantes que el “cómo”. En consecuencia, la confianza que los usuarios otorgan a la previsión tradicional ha disminuido. ¿Quién de hecho cuestiona la precisión o la relevancia de los pronósticos al comparar, a posteriori, la realidad con el pronóstico, defendiendo la efectividad de los metododiges y, por lo tanto, generando credibilidad?

Con la percepción actual de "análisis predictivo", probablemente haya más espacio en la imaginación del público asignado al lado "cómo" de las cosas y, por lo tanto, una historia más creíble para contar a los socios, inversores o clientes.

P. Parece que casi no hay vínculo entre el pronóstico tradicional y la tecnología móvil (teléfonos inteligentes, tabletas). ¿Es esto cierto o algunas empresas están migrando la previsión a dispositivos móviles? ¿Ve un camino a seguir en el que los algoritmos de pronóstico tradicionales residirían de forma rutinaria en los dispositivos móviles?

En primer lugar, estoy realmente encantado de invitar a sus lectores a echar un vistazo a nuestro último número de Foresight. Un excelente artículo sobre el tema, "Pronósticos en el bolsillo: los dispositivos móviles pueden mejorar la colaboración", explica que "la creciente popularidad de las PDA, los teléfonos inteligentes, las tabletas y otros dispositivos móviles abre nuevas oportunidades para la comunicación y la colaboración en los pronósticos comerciales". Los autores nos dicen que "las aplicaciones móviles de pronóstico (m-forecasting) pueden simplificar los enfoques de colaboración entre minoristas y proveedores, contribuyendo así al suministro e intercambio de información sobre productos, especialmente porque los pronósticos están fuertemente vinculados al conocimiento del contexto local".

Por ejemplo, en el lado de las TIC y OTT, una gran cantidad de proyectos predictivos, como los de Google+ y Facebook, están sucediendo gracias a la inclusión de los datos de "ubicación del usuario" en los sistemas de TI de OTT. En mi opinión, y lo que veo en algunos sectores como retail y logística, es que la previsión tradicional y la previsión móvil (m-forecasting) son complementarias. Este último podría verse como un enfoque de pronóstico de abajo hacia arriba que confirmará o no los resultados del pronóstico de arriba hacia abajo.

P. Algunas personas argumentan que los macrodatos facilitarán el reemplazo de los pronósticos por sistemas de “detectar y reaccionar”. Hablando en términos prácticos, ¿cómo explicaría "sentir y reaccionar"? ¿Hay áreas de aplicación en las que cree que es probable que se afiance o no?

Me parece que “sentir y reaccionar” está completamente orientado a la perspectiva de corto plazo. El pronóstico amplía esto al abordar las necesidades para un horizonte variable: corto y mediano plazo.

Como efecto colateral de ATAWAD (Anytime, Anywhere, Any Device), los criterios de toma de decisiones son, más que nunca, “a corto plazo”. Big data es un sistema de detección de "señales débiles", que permite la detección casi en tiempo real de oportunidades comerciales que pasarían desapercibidas con los sistemas de TI tradicionales. Realmente no hay aplicaciones preferidas o no prioritarias para esto, la pregunta está más en el lado de "cuándo".

Big data es relevante cuando se mira debajo de la superficie en tiempos económicos difíciles, pero no estoy tan seguro de si vale la pena el esfuerzo en un período económico "normal". Para concluir sobre este punto: me complacerá ver un ejemplo de cuán precisos son los pronósticos que se basan en "sentir y reaccionar" frente a los pronósticos basados en modelos tradicionales.

P. Estoy haciendo algunas preguntas importantes. ¿Hasta qué punto ve que la comunidad de IIF da forma a estas discusiones y resultados? ¿Cómo pueden los lectores unirse al diálogo?

Esperamos una mayor disponibilidad y un mayor uso de una gran cantidad de datos en muchas industrias, como la energía, el transporte, la atención médica, las finanzas, las telecomunicaciones y el turismo.

Muchos de los miembros del IIF están involucrados en diferentes aspectos del “movimiento” de big data. El IIF está trabajando en las actividades de pronóstico que, naturalmente, forman parte del debate sobre los grandes datos. En términos más generales, el IIF está participando activamente y brindando un foro para la discusión de pronósticos en el resto del mundo.

El tema de nuestro último Simposio Internacional sobre Pronósticos (ISF) celebrado en Seúl fue "Pronósticos con Big Data" y algunas presentaciones estuvieron relacionadas con la atención médica y las telecomunicaciones. El Banco Central Europeo (BCE) acaba de organizar un taller relevante. Si estos modelos se capitalizan, tienen el potencial de impactar la política económica de Europa con bastante rapidez.

Los lectores pueden unirse al diálogo contribuyendo con artículos para las publicaciones del IIF (The International Journal of Forecasting, Foresight and El oráculo). La previsión, por su parte, es una voz invaluable para reunir a académicos y profesionales en una discusión en curso.

Los lectores también pueden presentar trabajos en la conferencia anual (la mencionada ISF). También pueden sugerir y organizar talleres específicos para aplicaciones específicas de big data, como el que acaba de organizar el BCE en Frankfurt. Otra oportunidad es invitar a los miembros de IIF a asistir a cualquier reunión relacionada con el pronóstico con big data. Todas estas oportunidades forman buenas plataformas para establecer contactos y trabajar juntos.

Mohsen Hamoudia, PhD, es el presidente del Instituto Internacional de Pronosticadores. También se desempeña como Jefe de Estrategia para Grandes Proyectos (París) para Orange Business Services (la antigua France Telecom).

Thomas Willemain, PhD, cofundó Smart Software y actualmente se desempeña como vicepresidente sénior de investigación. El Dr. Willemain también se desempeña como Profesor Emérito de Ingeniería Industrial y de Sistemas en el Instituto Politécnico Rensselear, y como miembro del personal de investigación en el Centro de Ciencias de la Computación, Instituto de Análisis de Defensa.

En nuestros viajes por la escena industrial, notamos que muchas empresas prestan más atención a los giros de inventario de lo que deberían. Nos gustaría desviar parte de esta atención hacia métricas de rendimiento más importantes.

Recuerde la definición: Turnos = Costo anual en dólares de los bienes vendidos / Valor promedio en dólares del inventario. Si vende $1 millones de cosas en un año y tiene un promedio de $100,000 de cosas en el estante cada día, está funcionando en 10 turnos impresionantes (Walmart funciona en alrededor de 8). Supuestamente, tener giros altos indica una gestión eficiente y mantener los giros más altos que los de la competencia es una señal de ventaja competitiva.

Pero como sucede con la mayoría de las métricas de rendimiento, hay más en la historia. Los turnos pueden ser muy importantes para el CFO, pero pueden ser una camisa de fuerza para el COO. Esto se debe a que los Turnos no están directamente relacionados con la atención al cliente; de hecho, un número elevado de Turns puede ser sinónimo de bajos niveles de servicio y tasas de ocupación. El consultor de S&OP, Darrin Oliver, llama a Turns su "métrica favorita" porque "al cliente no le importa Turns".

Suponga que no está satisfecho con su valor actual de Turnos. ¿Qué puedes hacer para aumentar el número? Dado que Turns es una proporción, puede aumentarla aumentando el numerador (bienes vendidos) o disminuyendo el denominador (inventario). Aumentar las ventas es más difícil porque requiere la cooperación del cliente. Decreciente inventario es más fácil porque está completamente bajo su control: simplemente haga pedidos de reabastecimiento más pequeños, lo que también ahorra dinero a corto plazo. De hecho, puede entusiasmarse mucho y reducir el inventario al mínimo. Usted termina con un número más atractivo para Turnos y un serio problema con desabastecimientos, pedidos atrasados, pérdida de ventas, pérdida de buena voluntad de los clientes y pérdida de participación de mercado. ¿Quién está arrepentido ahora?

Aquí hay una versión ligeramente editada de una historia sobre este tema contada por un practicante muy sabio. “En mi otra vida, todo se trataba de mejorar los giros. Por qué, no tengo idea. Así que le señalé los riesgos que corre. Y realmente no estaban interesados. Así que bajamos nuestros inventarios globales a [un nivel más bajo], y luego rompimos el stock a diestra y siniestra diariamente. Nuestros turnos fueron geniales, pero no estábamos ganando dinero, porque no podíamos sacar nada por la puerta, porque no lo teníamos. Cuanto mayores sean sus turnos, menor tendrá que ser su inventario, o simplemente tendrá un flujo realmente bueno. Y en nuestra industria eso es algo muy, muy difícil de lograr. Entonces, si podemos tener turnos razonables pero aún estar en stock, creo que eso es lo que queremos hacer. Puede ser muy frustrante en un mundo de operaciones tratar de explicar lo que hacemos todos los días y cuáles son los riesgos para el negocio cuando la gente financiera solo mira una o dos métricas. Básicamente, están tratando de planificar el negocio en el vacío, y es muy difícil y muy arriesgado hacerlo”.

Thomas Willemain, PhD, cofundó Smart Software y actualmente se desempeña como vicepresidente sénior de investigación. El Dr. Willemain también se desempeña como Profesor Emérito de Ingeniería Industrial y de Sistemas en el Instituto Politécnico Rensselear y como miembro del personal de investigación en el Centro de Ciencias de la Computación, Instituto de Análisis de Defensa.

Hay un viejo chiste rancio: "Hay dos tipos de personas: los que creen que hay dos tipos de personas y los que no". Podemos modificar ese chiste: "Hay dos tipos de personas: los que saben que hay tres tipos de análisis de la cadena de suministro y los que aún no han leído este blog".

Los tres tipos de análisis de la cadena de suministro son "descriptivos", "predictivos" y "prescriptivos". Cada uno juega un papel diferente para ayudarlo a administrar su inventario. El software moderno de la cadena de suministro le permite aprovechar los tres.

Analítica descriptiva

Los análisis descriptivos son el material de los tableros. Te dicen "lo que está pasando ahora". En esta categoría se incluyen cifras resumidas como el dinero invertido actualmente en inventario, el nivel actual de servicio al cliente y la tasa de llenado, y los plazos de entrega promedio de los proveedores. Estas estadísticas son útiles para realizar un seguimiento de sus operaciones, especialmente cuando realiza un seguimiento de los cambios en ellas de un mes a otro. Confiarás en ellos todos los días. Requieren bases de datos corporativas precisas, procesadas estadísticamente.

Análisis predictivo

El análisis predictivo se manifiesta más comúnmente como pronósticos de demanda, a menudo desglosados por producto y ubicación y, a veces, también por cliente. Estas estadísticas proporcionan una alerta temprana para que pueda preparar la producción, el personal y la adquisición de materias primas para satisfacer la demanda. También proporcionan predicciones del efecto de los cambios en las políticas operativas, por ejemplo, ¿qué sucede si aumentamos la cantidad de nuestro pedido del Producto X de 20 a 25 unidades? Puede confiar en Predictive Analytics periódicamente, tal vez semanal o mensualmente, cuando busca lo que está sucediendo ahora para ver qué sucederá a continuación. Predictive Analytics utiliza Descriptive Analytics como base, pero agrega más capacidad. El análisis predictivo para la previsión de la demanda requiere un procesamiento estadístico avanzado para detectar y estimar características de la demanda de productos como tendencia, estacionalidad y Cambio de regimén. El análisis predictivo para la gestión de inventario utiliza pronósticos de demanda como entradas en los modelos de funcionamiento de las políticas de inventario, que a su vez proporcionan estimaciones de métricas de rendimiento clave, como niveles de servicio, tasas de llenadoy costos de operación.

Analítica prescriptiva

Los análisis prescriptivos no tratan sobre lo que está sucediendo ahora o lo que sucederá a continuación, sino sobre lo que debe hacer a continuación, es decir, recomiendan decisiones destinadas a maximizar el rendimiento del sistema de inventario. Puede confiar en Prescriptive Analytics para posicionar mejor toda su política de inventario. Prescriptive Analytics utiliza Predictive Analytics como base y luego agrega capacidad de optimización. Por ejemplo, el software Prescriptive Analytics puede calcular automáticamente las mejores opciones para los valores futuros de Min's y Max's para miles de artículos de inventario. Aquí, "mejor" podría significar los valores de Min y Max para cada artículo que minimizan el costo operativo (la suma de los costos de mantenimiento, pedido y escasez) mientras se mantiene un piso 90% en la tasa de cumplimiento de artículos.

Ejemplo

La siguiente figura muestra cómo el análisis de la cadena de suministro puede ayudar al administrador de inventario. Las columnas muestran tres indicadores clave de rendimiento (KPI) previstos: nivel de servicio, inversión en inventario y costos operativos (costos de mantenimiento + costos de pedido + costos de escasez).

 Figura 1: Los tres tipos de análisis utilizados para evaluar escenarios de planificación

Las filas muestran cuatro políticas de inventario alternativas, expresadas como escenarios. El escenario "En vivo" informa sobre los valores de los KPI el 1 de julio de 2018. El escenario "99% All" cambia la política actual al elevar el nivel de servicio de todos los elementos a 99%. El escenario de “75 piso/99 techo” eleva los niveles de servicio que son demasiado bajos hasta 75% y reduce los niveles de servicio muy altos (es decir, caros) hasta 95%. El escenario de "Optimización" prescribe niveles de servicio específicos del artículo que minimizan los costos operativos totales.

El escenario "Live 07-01-2018" es un ejemplo de análisis descriptivo. Muestra el rendimiento de referencia actual. Luego, el software le permite al usuario probar cambios en la política de inventario mediante la creación de nuevos escenarios "Qué pasaría si" que luego podrían convertirse en escenarios con nombre para una mayor consideración. Los siguientes dos escenarios son ejemplos de Predictive Analytics. Ambos evalúan las consecuencias de sus políticas de control de inventario recomendadas, es decir, los valores mínimos y máximos recomendados para todos los artículos. El escenario de "Optimización" es un ejemplo de Prescriptive Analytics porque recomienda la mejor política de compromiso.

Considere cómo se comparan los tres escenarios alternativos con el escenario de referencia "en vivo". El escenario “99% All” eleva las métricas de disponibilidad de artículos, aumentando el nivel de servicio de 88% a 99%. Sin embargo, hacerlo aumenta la inversión total en inventario de $3 millones a alrededor de $4 millones. Por el contrario, el escenario de “75 piso/99 techo” aumenta tanto el nivel de servicio como reduce el efectivo inmovilizado en el inventario en alrededor de $300,000. Finalmente, el escenario de “Optimización” logra un nivel de servicio 80%, una reducción del 88% actual, pero recorta más de $2 millones del valor del inventario y reduce los costos operativos en más de $400,000 anualmente. A partir de aquí, los gerentes podrían probar otras opciones, como devolver parte de los ahorros de $2 millones para lograr un nivel de servicio promedio más alto.

Resumen

Los paquetes de software modernos para la planificación y la optimización del inventario deben ofrecer tres tipos de análisis de la cadena de suministro: descriptivo, predictivo y prescriptivo. Su combinación permite a los administradores de inventario realizar un seguimiento de sus operaciones (descriptivo), pronosticar dónde estarán sus operaciones en el futuro (predictivo) y optimizar sus políticas de inventario en respuesta a la anticipación de condiciones futuras (prescriptivo).