A menudo nos encontramos con métodos de planificación de puntos de pedido basados en Excel. En esta publicación, detallamos un enfoque que utilizó un cliente antes de continuar con Smart. Describimos cómo funcionaba su hoja de cálculo, los enfoques estadísticos en los que se basaba, los pasos que los planificadores siguieron en cada ciclo de planificación y sus motivaciones declaradas para usar (y realmente gustarles) esta hoja de cálculo desarrollada internamente.

Su proceso mensual consistía en actualizar un nuevo mes de datos reales en la "hoja de puntos de pedido". Una fórmula incrustada volvió a calcular el punto de pedido (ROP) y el nivel de pedido hasta (máx.). Funcionó así:

• ROP = Demanda LT + Stock de Seguridad
• Demanda LT = demanda diaria promedio x días de tiempo de entrega (se supone constante para simplificar las cosas)
• Inventario de seguridad para piezas con plazos de entrega prolongados = Desviación estándar x 2,0
• Stock de seguridad para piezas con plazos de entrega cortos = Desviación estándar x 1,2
• Max = ROP + cantidad mínima de pedido dictada por el proveedor

Los promedios históricos y las desviaciones estándar utilizaron 52 semanas de historial continuo (es decir, la semana más nueva reemplazó a la semana más antigua en cada período). La desviación estándar de la demanda se calculó utilizando la función "stdevp" en Excel.

Cada mes, se volvió a calcular un nuevo ROP. Tanto la demanda promedio como la desviación estándar fueron modificadas por la demanda de la nueva semana, que a su vez actualizó la ROP.

El ROP predeterminado siempre se basa en la lógica anterior. Sin embargo, los planificadores harían cambios bajo ciertas condiciones:

1. Los planificadores aumentarían el Min para piezas económicas para reducir el riesgo de recibir un golpe de entrega a tiempo (OTD) en una pieza económica.

2. La hoja de Excel identificó cualquier parte con una ROP recién calculada que era ± 20% diferente de la ROP actual.

3. Los planificadores revisaron las piezas que superaban el umbral de excepción, propusieron cambios y obtuvieron la aprobación de un gerente.

4. Los planificadores revisaron los elementos con aciertos OTD y aumentaron el ROP en función de su intuición. Los planificadores continuaron monitoreando esas partes durante varios períodos y bajaron el ROP cuando sintieron que era seguro.

5. Una vez que se determinaron el ROP y la cantidad máxima, el archivo de resultados revisados se envió a TI, quien lo cargó en su ERP.

6. El sistema ERP luego gestionaba el reabastecimiento diario y la gestión de pedidos.

Objetivamente, este fue quizás un enfoque superior al promedio para la gestión de inventario. Por ejemplo, algunas empresas desconocen el vínculo entre la variabilidad de la demanda y los requisitos de existencias de seguridad y confían exclusivamente en la regla de los métodos o la intuición. Sin embargo, hay problemas con su enfoque:

1. Actualizaciones manuales de datos
Las hojas de cálculo requerían actualización manual. Para volver a calcular, se requerían varios pasos, cada uno con su propia dependencia. Primero, era necesario ejecutar un volcado de datos desde el sistema ERP. En segundo lugar, un planificador necesitaría abrir la hoja de cálculo y revisarla para asegurarse de que los datos se hayan importado correctamente. En tercer lugar, necesitaban revisar el resultado para asegurarse de que se calculó como se esperaba. En cuarto lugar, se requerían pasos manuales para devolver los resultados al sistema ERP.

2. Talla única para todas las existencias de seguridad
O en este caso, “una de dos tallas sirve para todos”. La elección de utilizar una desviación estándar de 2x y 1,2x para artículos con plazos de entrega largos y cortos, respectivamente, equivale a niveles de servicio de 97,71 TP3T y 88,41 TP3T. Este es un gran problema ya que es lógico que no todas las partes de cada grupo requieran el mismo nivel de servicio. Algunas partes tendrán un mayor dolor por falta de existencias que otras y viceversa. Por lo tanto, los niveles de servicio deben especificarse en consecuencia y ser proporcionales a la importancia del artículo. Descubrimos que estaban experimentando golpes OTD en aproximadamente 20% de sus piezas de repuesto críticas, lo que requería anulaciones manuales del ROP. La causa raíz fue que en todos los artículos con plazos de entrega cortos estaban planificando un objetivo de nivel de servicio de 88.4%. Por lo tanto, lo mejor que pudieron haber obtenido fue almacenar 12% de ese momento, incluso si "según el plan". Hubiera sido mejor planificar objetivos de nivel de servicio de acuerdo con la importancia de la pieza.

3. El inventario de seguridad es inexacto.  Los artículos que se planean para esta empresa son repuestos para apoyar equipos de diagnóstico. La demanda en la mayoría de estas partes es muy intermitente y esporádica. Por lo tanto, la elección de usar un promedio para calcular la demanda de tiempo de entrega no era irrazonable si acepta la necesidad de ignorar la variabilidad en los tiempos de entrega. Sin embargo, la confianza en un Distribución normal determinar el inventario de seguridad fue un gran error que resultó en inventarios de seguridad inexactos. La empresa declaró que sus niveles de servicio para artículos con plazos de entrega prolongados se encontraban en el rango de 90% en comparación con su objetivo de 97,7%, y que compensaron la diferencia con los envíos urgentes. Los niveles de servicio logrados para artículos con plazos de entrega más cortos fueron de aproximadamente 80%, a pesar de que el objetivo era 88,4%. Calcularon las existencias de seguridad de forma incorrecta porque su demanda no tiene "forma de campana", pero eligieron las existencias de seguridad asumiendo que así era. Esta simplificación da como resultado la falta de objetivos de nivel de servicio, lo que obliga a la revisión manual de muchos elementos que luego deben ser "supervisados manualmente durante varios períodos" por un planificador. ¿No sería mejor asegurarse de que el punto de reorden cumpliera con el nivel de servicio exacto que deseaba desde el principio? Esto garantizaría que alcance sus niveles de servicio y minimice la intervención manual innecesaria.

Hay un cuarto problema que no está en la lista pero que vale la pena mencionar. La hoja de cálculo no pudo rastrear tendencias o patrones estacionales. Los promedios históricos ignoran la tendencia y la estacionalidad, por lo que la demanda acumulada durante el tiempo de entrega utilizada en el ROP será sustancialmente menos precisa para las piezas de tendencia o estacionales. El equipo de planificación reconoció esto pero no sintió que fuera un problema legítimo, razonando que la mayor parte de la demanda era intermitente y no tenía estacionalidad. Es importante que el modelo detecte la tendencia y la estacionalidad de los datos intermitentes, si existen, pero no encontramos que sus datos exhiban estos patrones. Entonces, acordamos que esto no era un problema. para ellos. Pero a medida que el ritmo de planificación aumenta hasta el punto de que la demanda se reparte a diario, incluso la demanda intermitente muy a menudo resulta tener una estacionalidad de día de la semana y, a veces, de semana del mes. Si no corre a una frecuencia más alta ahora, tenga en cuenta que puede verse obligado a hacerlo pronto para mantenerse al día con una competencia más ágil. En ese momento, el procesamiento basado en hojas de cálculo simplemente no podrá mantenerse al día.

En conclusión, no use hojas de cálculo. No conducen a análisis hipotéticos significativos, requieren demasiado trabajo y la lógica subyacente debe simplificarse para que el proceso sea lo suficientemente rápido como para que sea útil. En resumen, opte por soluciones especialmente diseñadas. Y asegúrese de que se ejecuten en la nube.

Apuesto a que sus equipos de mantenimiento y reparación estarían de acuerdo con incurrir en mayores riesgos de falta de existencias uno alguno piezas de repuesto si supieran que los ahorros de reducción de inventario se utilizarían para distribuir la inversión en inventario de manera más efectiva para otro repuestos y aumentar los niveles generales de servicio.

Duplicaré que su equipo de finanzas, a pesar de que siempre se enfrenta al desafío de reducir los costos, respaldaría un aumento saludable del inventario si pudiera ver claramente que los ingresos se benefician de un mayor tiempo de actividad, menos agilidades y mejoras en el nivel de servicio claramente superan los costos de inventario adicionales y riesgo

La curva de compensación de piezas de repuesto permitirá a los equipos de planificación de repuestos comunicar adecuadamente los riesgos y costos de cada decisión de inventario. Es una misión crítica para la planificación de piezas y la única forma de ajustar los parámetros de almacenamiento de forma proactiva y precisa para cada pieza. Sin él, los planificadores, para todos los efectos, están "planificando" con los ojos vendados porque no podrán comunicar las verdaderas compensaciones asociadas con las decisiones de almacenamiento.

Por ejemplo, si se recomienda un aumento propuesto a los niveles mínimos/máximos de un importante grupo de productos básicos de repuestos, ¿cómo sabe si el aumento es demasiado alto, demasiado bajo o correcto? ¿Cómo se puede afinar el cambio para miles de repuestos? No lo harás y no puedes. Su toma de decisiones de inventario se basará en decisiones reactivas, viscerales y generales que causan que los niveles de servicio se resientan y los costos de inventario se disparen.

Entonces, ¿qué es exactamente una curva de compensación de repuestos?

Es una predicción numérica basada en hechos que detalla cómo los cambios en los niveles de existencias influirán en el valor del inventario, los costos de mantenimiento y los niveles de servicio. Por cada cambio de unidad en el nivel de inventario hay un costo y un beneficio. La curva de compensación de repuestos identifica estos costos y beneficios a través de diferentes niveles de existencias. Permite a los planificadores descubrir el nivel de existencias que mejor equilibra los costes y los beneficios de cada artículo individual.

Aquí hay dos ejemplos simplificados. En la Figura 1, la curva de compensación de repuestos muestra cómo cambia el nivel de servicio (probabilidad de no agotarse) según el nivel de pedido. Cuanto mayor sea el nivel de reorden, menor será el riesgo de falta de existencias. Es fundamental saber cuánto servicio está ganando dada la inversión en inventario. Aquí puede justificar que un aumento de inventario de un punto de pedido de 35 a 45 bien vale la pena la inversión de 10 unidades adicionales de stock porque los niveles de servicio saltan de poco menos de 70% a 90%, lo que reduce el riesgo de falta de existencias para la pieza de repuesto de 30% a 10%!

​

Figura 1: Costo versus nivel de servicio

Figura 2: Nivel de servicio frente al tamaño del inventario

En este ejemplo (Figura 2), la curva de compensación expone un problema común con el inventario de repuestos. A menudo, los niveles de existencias son tan altos que generan rendimientos negativos. Después de una cierta cantidad de existencias, cada unidad adicional de existencias no compra más beneficios en forma de un mayor nivel de servicio. Las disminuciones de inventario pueden justificarse cuando está claro que el nivel de existencias ha superado con creces el punto de rendimientos decrecientes. Una curva de compensación precisa expondrá el punto en el que ya no es ventajoso agregar stock.

Mediante el aprovechamiento #pronóstico probabilístico para impulsar la planificación de piezas, puede comunicar estas compensaciones con precisión, hacerlo a escala en cientos de miles de piezas, evitar malas decisiones de inventario y equilibrar los niveles de servicio y los costos. En Smart Software, nos especializamos en ayudar a los planificadores de repuestos, directores de administración de materiales y ejecutivos financieros que administran MRO, repuestos y repuestos para comprender y explotar estas relaciones.

Al administrar piezas de servicio, no sabe qué fallará y cuándo porque las fallas de las piezas son aleatorias y repentinas. Como resultado, los patrones de demanda suelen ser extremadamente intermitentes y carecen de una tendencia significativa o una estructura estacional. El número de combinaciones de pieza por ubicación suele ser de cientos de miles, por lo que no es factible revisar manualmente la demanda de piezas individuales. No obstante, es mucho más sencillo implementar un sistema de planificación y previsión para respaldar la planificación de repuestos de lo que podría pensar.

Esta conclusión se basa en cientos de implementaciones de software que hemos dirigido a lo largo de los años. Los clientes que gestionan repuestos y piezas de servicio (estas últimas para consumo interno/MRO) y, en menor medida, piezas del mercado de accesorios (para reventa a bases instaladas), han implementado constantemente nuestro software de planificación de piezas más rápido que sus pares en fabricación y distribución.

La razón principal es el papel en la fabricación y distribución del conocimiento comercial sobre lo que podría suceder en el futuro. En un entorno tradicional de fabricación y distribución B2B, hay clientes y equipos de ventas y marketing que venden a esos clientes. Hay objetivos de ventas, expectativas de ingresos y presupuestos. Esto significa que hay mucho conocimiento comercial sobre lo que se comprará, lo que se promocionará, cuyas opiniones deben tenerse en cuenta. Se requiere un ciclo de planificación complejo. En cambio, a la hora de gestionar repuestos, cuentas con un equipo de mantenimiento que repara los equipos cuando se estropean. Aunque a menudo hay programas de mantenimiento como guía, lo que se necesita más allá de una lista estándar de piezas consumibles a menudo se desconoce hasta que una persona de mantenimiento está en el sitio. En otras palabras, simplemente no hay el mismo tipo de conocimiento comercial disponible para los planificadores de piezas cuando toman decisiones de almacenamiento.

Sí, eso es una desventaja, pero también tiene una ventaja: no hay necesidad de producir un pronóstico de demanda consensuado período por período con todo el trabajo que requiere. Al planificar las piezas de repuesto, normalmente puede omitir muchos de los pasos necesarios para un fabricante, distribuidor o minorista típico. Estos pasos saltables incluyen:  

1. Creación de pronósticos en diferentes niveles del negocio, como familia de productos o región.
2. Compartir el pronóstico de la demanda con ventas, marketing y clientes.
3. Revisar anulaciones de pronósticos de ventas, marketing y clientes.
4. Acordar una previsión consensuada que combine estadística y conocimiento empresarial.
5. Medir el “valor agregado de pronóstico” para determinar si las anulaciones hacen que el pronóstico sea más preciso.
6. Ajuste de la previsión de demanda para futuras promociones conocidas.
7. Contabilización de la canibalización (es decir, si vendo más del producto A, venderé menos del producto B).

Liberados de un proceso de creación de consenso, los planificadores de repuestos y los administradores de inventario pueden confiar directamente en su software para predecir el uso y las políticas de almacenamiento requeridas. Si tienen acceso a un solución probada en el campo que aborda la demanda intermitente, pueden "ponerse en marcha" rápidamente con pronósticos de demanda más precisos y estimaciones de puntos de pedido, existencias de seguridad y sugerencias de pedidos. Su atención se puede centrar en obtener datos precisos sobre el uso y el tiempo de entrega del proveedor. La parte "política" del trabajo puede limitarse a obtener el consenso de la organización sobre los objetivos de nivel de servicio y los presupuestos de inventario.

​

La planificación de piezas de servicio impulsada por el nivel de servicio es un proceso de cuatro pasos que se extiende más allá de la previsión simplificada y las existencias de seguridad de regla empírica. Proporciona a los planificadores de piezas de servicio un soporte de decisiones basado en datos y ajustado al riesgo.

Paso 1. Asegúrese de que todas las partes interesadas estén de acuerdo con las métricas que importan. Todos los participantes en el proceso de planificación del inventario de piezas de servicio deben ponerse de acuerdo sobre las definiciones y qué métricas son más importantes para la organización. Niveles de servicio detalle el porcentaje de tiempo que puede satisfacer completamente el uso requerido sin agotar existencias. Tasas de relleno detallar el porcentaje del uso solicitado que se completa inmediatamente con el stock. (Para obtener más información sobre las diferencias entre los niveles de servicio y la tasa de llenado, vea esta lección de 4 minutos aquí.) Disponibilidad detalla el porcentaje de repuestos activos que tienen un inventario disponible de al menos una unidad. Costos de mantenimiento son los costos anualizados de tenencia de existencias teniendo en cuenta la obsolescencia, los impuestos, los intereses, el almacenamiento y otros gastos. costos de escasez son el costo de quedarse sin existencias, incluido el tiempo de inactividad del vehículo/equipo, expediciones, pérdida de ventas y más. gastos de pedido son los costos asociados con la colocación y recepción de pedidos de reabastecimiento.

Paso 2. Compare el rendimiento del nivel de servicio actual histórico y previsto. Todos los participantes en el proceso de planificación del inventario de piezas de servicio deben tener una comprensión común de los niveles de servicio futuros previstos, las tasas de llenado y los costos y sus implicaciones para sus operaciones de piezas de servicio. Es crítico medir tanto la historia Indicadores clave de rendimiento (KPI) y sus equivalentes predictivos, Predicciones clave de rendimiento (KPP). Al aprovechar el software moderno, puede comparar el rendimiento anterior y aprovechar los métodos de pronóstico probabilístico para simular el rendimiento futuro. Por pruebas de estrés sus políticas actuales de almacenamiento de inventario frente a todos los escenarios plausibles de demanda futura, sabrá de antemano cómo es probable que funcionen las políticas de almacenamiento actuales y propuestas.

Paso 3. Acuerde los niveles de servicio específicos para cada pieza de repuesto y tome medidas correctivas proactivas cuando se prevea que no cumplirán los objetivos. Los planificadores de piezas, el liderazgo de la cadena de suministro y los equipos mecánicos/de mantenimiento deben acordar los objetivos de nivel de servicio deseados con una comprensión completa de las compensaciones entre el riesgo de falta de existencias y el costo del inventario. Mediante el aprovechamiento escenarios hipotéticos en el software moderno de planificación de piezas, es posible comparar políticas de almacenamiento alternativas e identificar aquellas que mejor cumplen con los objetivos comerciales. Acuerde qué grado de riesgo de desabastecimiento es aceptable para cada pieza o clase de piezas. Asimismo, determine los presupuestos de inventario y otras restricciones de costos. Una vez que se acuerden estos límites, tome medidas inmediatas para evitar desabastecimientos y exceso de inventario antes de que ocurran. Utilice su software para cargar automáticamente puntos de pedido modificados, niveles de existencias de seguridad y/o parámetros mínimos/máximos en su sistema de planificación de recursos empresariales (ERP) o gestión de activos empresariales (EAM) para ajustar la compra diaria de piezas.

Paso 4. Hazlo así y mantenlo así. Capacite al equipo de planificación con el conocimiento y las herramientas que necesita para garantizar que logre el equilibrio acordado entre los niveles de servicio y los costos impulsando su proceso de pedido utilizando entradas optimizadas (pronósticos, puntos de pedido, cantidades de pedido, existencias de seguridad). Realice un seguimiento de sus KPI y use su software para identificar y abordar las excepciones. No permita que los puntos de pedido se vuelvan obsoletos y obsoletos.  recalibrar las políticas de almacenamiento en cada ciclo de planificación (al menos una vez al mes) utilizando el historial de uso actualizado, los plazos de entrega de los proveedores y los costos. Recuerde: la recalibración de su política de inventario de piezas de servicio es un mantenimiento preventivo tanto contra los desabastecimientos como contra el exceso de existencias.

​

La verificación y validación de datos son esenciales para el éxito de la implementación de software que realiza análisis estadísticos de datos, como Smart IP&O. Este artículo describe el problema y sirve como una guía práctica para hacer el trabajo correctamente, especialmente para el usuario de la nueva aplicación.

Cuanta menos experiencia tenga su organización en la validación de transacciones históricas o atributos maestros de artículos, más probable es que haya problemas o errores con la entrada de datos en el ERP que hasta ahora han pasado desapercibidos. La regla de basura que entra, basura que sale significa que debe priorizar este paso del proceso de incorporación del software o correr el riesgo de demoras y posibles fallas en la generación de retorno de la inversión.

En última instancia, la mejor persona para confirmar que los datos en su ERP se ingresan correctamente es la persona que conoce el negocio y puede afirmar, por ejemplo, "esta parte no pertenece a ese grupo de productos". Esa suele ser la misma persona que abrirá y usará Smart. Aunque un administrador de base de datos o soporte de TI también puede desempeñar un papel clave al poder decir: "Esta parte fue asignada a ese grupo de productos en diciembre pasado por Jane Smith". Asegurarse de que los datos sean correctos puede no ser una parte habitual de su trabajo diario, pero se puede dividir en pequeñas tareas manejables para las que un buen director de proyectos asignará el tiempo y los recursos para completar.

El proveedor del software de planificación de la demanda que recibe los datos también tiene una función. Confirmarán que los datos sin procesar se ingirieron sin problemas. El proveedor también puede identificar anomalías en los archivos de datos sin procesar que apuntan a la necesidad de validación. Pero confiar en el proveedor de software para asegurarle que los datos se ven bien no es suficiente. No desea descubrir, después de la puesta en marcha, que no puede confiar en la salida porque algunos de los datos "no tienen sentido".

Cada paso en el flujo de datos necesita verificación y validación.  La verificación significa que los datos en un paso siguen siendo los mismos después de pasar al siguiente paso. La validación significa que los datos son correctos y utilizables para el análisis. 

El flujo de datos más común se ve así:

Con menos frecuencia, el primer paso entre los datos maestros de ERP y los archivos de interfaz a veces se puede omitir, donde los archivos no se utilizan como interfaz. En cambio, una API creada por TI o el proveedor de software de optimización de inventario es responsable de que los datos se escriban directamente desde el ERP a la base de datos reflejada en la nube. El proveedor trabajaría con TI para confirmar que la API funciona como se esperaba. Pero el primer paso de validación, incluso en ese caso, todavía se puede realizar. Después de ingerir los datos, el proveedor puede hacer que los datos reflejados estén disponibles en archivos para la verificación de DBA/TI y la validación comercial.

La confirmación de que los datos duplicados en la nube completan el flujo hacia la aplicación es responsabilidad del proveedor del software como servicio. Los proveedores de SaaS prueban continuamente que el software funcione correctamente entre la aplicación de front-end que ven sus suscriptores y los datos de back-end en la base de datos en la nube. Si los suscriptores todavía piensan que los datos no tienen sentido en la aplicación incluso después de validar los archivos de interfaz antes de ponerlos en marcha, ese es un problema que se debe plantear con el servicio de atención al cliente del proveedor.

Independientemente de cómo se obtengan los archivos de interfaz, la mayor parte de la verificación y validación recae en el director del proyecto y su equipo. Deben realizar una prueba de los archivos de interfaz para confirmar:

1. Coinciden con los datos del ERP. Y que se extrajeron todos y solo los datos del ERP que era necesario extraer para su uso en la aplicación.
2. Nada “salta” a la empresa como incorrecto para cada uno de los tipos de información en los datos
3. Están formateados como se esperaba.

Tareas de verificación de DBA/TI

1. Probar el extracto:

El paso de verificación de TI se puede realizar con varias herramientas, comparando archivos o importando archivos a la base de datos como tablas temporales y uniéndolos con los datos originales para confirmar una coincidencia. TI puede depender de una consulta para extraer los datos solicitados en un archivo, pero ese archivo puede no coincidir. La existencia de delimitadores o retornos de línea dentro de los valores de datos puede hacer que un archivo sea diferente de su tabla de base de datos original. Esto se debe a que el archivo se basa en gran medida en delimitadores y retornos de línea para identificar campos y registros, mientras que la tabla no se basa en esos caracteres para definir su estructura.

2. Sin malos personajes:

Los campos de entrada de datos de forma libre en el ERP, como las descripciones de productos, a veces pueden contener retornos de línea, tabuladores, comas y/o comillas dobles que pueden afectar la estructura del archivo de salida. No se deben permitir retornos de línea en valores que se extraerán a un archivo. Los caracteres iguales al delimitador se deben eliminar durante la extracción o, de lo contrario, se debe usar un delimitador diferente.

Consejo: si las comas son el delimitador de archivo, los números superiores a 999 no se pueden extraer con una coma. Use "1000" en lugar de "1,000".

3. Confirmar los filtros:

La otra forma en que los extractos de consulta pueden arrojar resultados inesperados es si las condiciones de la consulta se ingresan incorrectamente. La forma más sencilla de evitar las cláusulas "where" erróneas es no usarlas. Extraiga todos los datos y permita que el proveedor filtre algunos registros de acuerdo con las reglas proporcionadas por la empresa. Si esto produce archivos de extracción tan grandes que se dedica demasiado tiempo informático al intercambio de datos, el equipo de DBA/TI debe reunirse con la empresa para confirmar exactamente qué filtros en los datos se pueden aplicar para evitar el intercambio de registros que no tienen sentido para el solicitud.

Consejo: Tenga en cuenta que la información de activo/inactivo o del ciclo de vida del elemento no debe utilizarse para filtrar registros. Esta información debe enviarse a la aplicación para que sepa cuándo un elemento se vuelve inactivo.

4. Se consistente:

El proceso de extracción debe producir archivos de formato consistente cada vez que se ejecuta. Los nombres de archivo, los nombres de campo y la posición, el delimitador y el nombre de la hoja de Excel si se usa Excel, los formatos numéricos y los formatos de fecha, y el uso de comillas alrededor de los valores nunca deben diferir de una ejecución del extracto de un día a otro. Se debe preparar y utilizar un informe de no intervención o un procedimiento almacenado para cada ejecución del extracto.

Fondo de validación comercial

A continuación se desglosa cada paso de validación en consideraciones, específicamente en el caso en que el proveedor haya proporcionado un formato de plantilla para los archivos de interfaz donde cada tipo de información se proporciona en su propio archivo. Los archivos enviados desde su ERP a Smart están formateados para exportarlos fácilmente desde el ERP. Ese tipo de formato hace que la comparación con el ERP sea un trabajo relativamente simple para TI, pero puede ser más difícil de interpretar para el negocio. La mejor práctica es manipular los datos del ERP, ya sea mediante el uso de tablas dinámicas o similar en una hoja de cálculo. TI puede ayudar proporcionando archivos de datos reformateados para que la empresa los revise.

Para profundizar en los archivos de interfaz, deberá comprenderlos. El proveedor proporcionará una plantilla precisa, pero generalmente los archivos de interfaz consisten en tres tipos: datos de catálogo, atributos de artículos y datos transaccionales.

• Los datos del catálogo contienen identificadores y sus atributos. Los identificadores suelen ser para productos, ubicaciones (que podrían ser plantas o almacenes), sus clientes y sus proveedores.
• Los atributos de artículo contienen información sobre productos en ubicaciones que se necesitan para el análisis de la combinación de producto y ubicación. Tal como:
  • Política de reabastecimiento actual en forma de mínimo y máximo, punto de reorden o período de revisión y orden hasta el valor o stock de seguridad
  • Asignación de proveedor principal y tiempo de entrega nominal y costo por unidad de ese proveedor
  • Requisitos de cantidad de pedido, como cantidad mínima de pedido, tamaño de lote de fabricación o múltiplos de pedido
  • Estado activo/inactivo de la combinación de producto/ubicación o indicadores que identifican su estado en su ciclo de vida, como pre-obsoleto
  • Atributos para agrupar o filtrar, como comprador/planificador asignado o categoría de producto
  • Información de inventario actual, como cantidades disponibles, en pedido y en tránsito.
• Los datos transaccionales contienen referencias a identificadores junto con fechas y cantidades. Como la cantidad vendida en una orden de venta de un producto, en una ubicación, para un cliente, en una fecha. O la cantidad colocada en la orden de compra de un producto, en una ubicación, de un proveedor, en una fecha. O la cantidad utilizada en una orden de trabajo de un producto componente en una ubicación en una fecha.

Validación de datos del catálogo

Teniendo en cuenta primero los datos del catálogo, es posible que tenga archivos de catálogo similares a estos ejemplos:

1: Comprobar un recuento razonable de registros de catálogo

Para cada archivo de datos del catálogo, ábralo en una herramienta de hoja de cálculo como Hojas de cálculo de Google o MS Excel. Responde estas preguntas:

1. ¿Está el récord en el estadio de béisbol? Si tiene alrededor de 50 000 productos, no debería haber solo 10 000 filas en su archivo.
2. Si es un archivo corto, tal vez el archivo de ubicación, puede confirmar exactamente que todos los Iidentificadores esperados están en él.
3. Filtre por cada valor de atributo y confirme nuevamente que el recuento de registros con ese valor de atributo tenga sentido.

2: Comprobar la exactitud de los valores en cada campo de atributo

Alguien que sepa cuáles son los productos y qué significan los grupos necesita tomarse el tiempo para confirmar que realmente es correcto, para todos los atributos de todos los datos del catálogo.

Por lo tanto, si su archivo de producto contiene los atributos como en el ejemplo anterior, filtraría por Estado de activo y verificaría que todos los productos resultantes estén realmente activos. Luego filtre por Estado de Inactivo y verifique que todos los productos resultantes estén realmente inactivos. Luego filtre por el primer valor de Grupo y confirme que todos los productos resultantes estén en ese grupo. Repita para Group2 y Group3, etc. Luego repita para cada atributo en cada archivo.

Puede ayudar hacer esta validación con una comparación con un informe ya existente y confiable. Si tiene otra hoja de cálculo que muestra productos por grupo por cualquier motivo, puede comparar los archivos de interfaz con ella. Es posible que deba familiarizarse con la función BUSCARV que ayuda con la comparación de hojas de cálculo.

Validación de datos de atributos de artículos

1: Comprobar un recuento razonable de registros de artículos

La confirmación de los datos de los atributos del artículo es similar a los datos del catálogo. Confirme que el conteo de combinación de producto/ubicación tenga sentido en total y para cada uno de los atributos únicos del artículo, uno por uno. Este es un archivo de datos de elementos de ejemplo:

2: Encuentra y explica números raros en el archivo del artículo

Suele haber muchos valores numéricos en los atributos del artículo, por lo que los números "raros" merecen una revisión. Para validar los datos de un atributo numérico en cualquier archivo, busque dónde está el número:

• falta por completo
• igual a cero
• Menos que cero
• Más que la mayoría de los demás, o menos que la mayoría de los demás (ordenar por esa columna)
• No es un número en absoluto, cuando debería ser

Una consideración especial de los archivos que no son archivos de catálogo es que es posible que no muestren las descripciones de los productos y ubicaciones, solo sus identificadores, lo que puede no tener sentido para usted. Puede insertar columnas para contener los descriptores de productos y ubicaciones que está acostumbrado a ver y completarlos en la hoja de cálculo para ayudarlo en su trabajo. La función BUSCARV también funciona para esto. Ya sea que tenga o no otro informe para comparar el archivo de artículos, tiene los archivos de catálogo para productos y ubicación que muestran tanto el identificador como la descripción de cada fila.

3: Verificación al azar

Si le frustra descubrir que hay demasiados valores de atributo para verificar manualmente en un período de tiempo razonable, la verificación puntual es una solución. Se puede hacer de una manera que pueda detectar cualquier problema. Para cada atributo, obtenga una lista de los valores únicos en cada columna. Puede copiar una columna en una hoja nueva y luego usar la función Eliminar duplicados para ver la lista de valores posibles. Con eso:

1. Confirme que no hay valores de atributos presentes que no deberían estar presentes.
2. Puede ser más difícil recordar qué valores de atributo faltan que deberían estar allí, por lo que puede ser útil buscar otra fuente para recordarlo. Por ejemplo, si están presentes los grupos 1 a 12, puede consultar otra fuente para recordar si estos son todos los grupos posibles. Incluso si no se requiere para los archivos de interfaz para la aplicación, puede ser fácil para TI extraer una lista de todos los grupos posibles que están en su ERP que puede usar para el ejercicio de validación. Si encuentra valores adicionales o faltantes que no espera, lleve un ejemplo de cada uno a TI para investigar.
3. Ordene alfabéticamente y explore hacia abajo para ver si dos valores son similares pero ligeramente diferentes, tal vez solo en la puntuación, lo que podría significar que un registro tenía los datos del atributo ingresados incorrectamente.

Para cada tipo de artículo, tal vez uno de cada grupo de productos y/o ubicación, verifique que todos sus atributos en cada archivo sean correctos o al menos pase una verificación de cordura. Cuanto más pueda verificar al azar de una amplia gama de elementos, es menos probable que tenga problemas después de la puesta en marcha.

Validación de datos transaccionales

Todos los archivos transaccionales pueden tener un formato similar a este:

1: Encuentra y explica números extraños en cada archivo transaccional

Estos deben verificarse en busca de números "raros" en el campo Cantidad. Luego puede proceder a:

1. Filtre las fechas fuera del rango que espera o las que faltan por completo.
2. Encuentre dónde faltan los identificadores de transacción y los números de línea. No deberían serlo.
3. Si hay más de un registro para una determinada combinación de ID de transacción y número de línea de transacción, ¿es un error? Dicho de otra manera, ¿deberían sumarse las cantidades de los registros duplicados o se trata de una doble contabilización?

2: Cantidades sumadas de verificación de cordura

Realice una verificación de cordura filtrando a un producto en particular con el que esté familiarizado, y filtre a un rango de fechas relacionado, como el mes pasado o el año pasado, y sume las cantidades. ¿Es esa cantidad total lo que esperaba para ese producto en ese período de tiempo? Si tiene información sobre el uso total de una ubicación, puede dividir los datos de esa manera para sumar las cantidades y compararlas con lo que espera. Las tablas dinámicas son útiles para la verificación de datos transaccionales. Con ellos, puede ver los datos como:

El total anual de los productos puede ser fácil de verificar si conoce bien los productos. O puede BUSCARV para agregar atributos, como un grupo de productos, y pivotar sobre eso para ver un nivel superior que le resulte más familiar:

3: Conteo de verificación de cordura de los registros

Puede ser útil mostrar un recuento de transacciones en lugar de una suma de cantidades, especialmente para datos de órdenes de compra. Tal como:

Y/o el mismo resumen en un nivel superior, como:

4: Comprobación puntual

La verificación puntual de la corrección de una sola transacción, para cada tipo de artículo y cada tipo de transacción, completa la diligencia debida. Preste especial atención a qué fecha está vinculada a la transacción y si es adecuada para el análisis. Las fechas pueden ser una fecha de creación, como la fecha en que un cliente le hizo un pedido, o una fecha de promesa, como la fecha en que esperaba entregar el pedido del cliente en el momento de crearlo, o una fecha de cumplimiento, cuando realmente entregó en el orden. A veces, una fecha prometida se modifica días después de crear el pedido si no se puede cumplir. Asegúrese de que la fecha de uso refleje más fielmente la demanda real del producto por parte del cliente.

Qué hacer con los datos incorrectos 

Si las entradas erróneas son pocas o únicas, puede editar los registros de ERP a mano a medida que se encuentran, limpiando los atributos de su catálogo, incluso después de la puesta en marcha de la aplicación. Pero si grandes franjas de atributos o cantidades de transacciones están desactivadas, esto puede impulsar un proyecto interno para volver a ingresar los datos correctamente y posiblemente cambiar o comenzar a documentar el proceso que debe seguirse cuando se ingresan nuevos registros en su ERP.

Se debe tener cuidado para evitar un retraso demasiado prolongado en la implementación de la aplicación SaaS mientras se esperan atributos limpios. Divida el trabajo en partes y use la aplicación para analizar primero los datos limpios, de modo que el proyecto de limpieza de datos ocurra en paralelo con la obtención de valor de la nueva aplicación.