La inteligencia de datos aplicada a la detección y previsión de la demanda

La capacidad para integrar y analizar datos con rapidez es un factor determinante para tomar decisiones empresariales acertadas en la gestión de la cadena de suministro. Esta agilidad resulta crucial a la hora de contrastar la demanda real con las proyecciones estimadas. Sin embargo, este proceso suele verse ralentizado por la falta de visibilidad de extremo a extremo, el uso de procesos de gestión de datos obsoletos o la presencia de información inexacta.

La sincronización entre la oferta y la demanda se enfrenta a perturbaciones constantes debido a factores externos como conflictos geopolíticos, limitaciones en la capacidad de los proveedores, escasa visibilidad del inventario en red y los cambios continuos en el comportamiento de los compradores. A este escenario se suma la complejidad de gestionar datos imprecisos procedentes de múltiples aplicaciones y sistemas corporativos aislados dentro de la propia organización, sus socios y sus proveedores.

Los métodos de previsión tradicionales tienen dificultades para adaptarse a la velocidad de los cambios en las cadenas de suministro y esto limita su eficacia en los periodos de alta volatilidad. Al depender, principalmente, de datos históricos y de sistemas internos, las empresas ven reducida su capacidad de respuesta ante giros repentinos del mercado. Identificar las alteraciones de la demanda en tiempo real y mejorar la precisión de los pronósticos, en estas circunstancias, es un reto complejo, pero es indispensable para mantener un alto nivel de satisfacción del cliente y asegurar la capacidad de adaptación operativa. Las organizaciones que adoptan estrategias de detección de la demanda consiguen posicionarse en una situación de mayor ventaja competitiva tras superar estas crisis.

La gestión eficiente de la cadena de suministro exige coordinar dos procesos fundamentales que son complementarios aunque operan con horizontes temporales y metodologías diferentes: la detección y la previsión de la demanda.

La detección de la demanda (demand sensing) se centra en el corto plazo. Mediante el análisis de datos en tiempo real, esta técnica identifica alteraciones inmediatas en el mercado y facilita una reacción rápida ante imprevistos. Por el contrario, la previsión de la demanda (demand forecasting) adopta una perspectiva estratégica a largo plazo. Este método recurre al histórico de datos para proyectar la evolución de las ventas durante meses o años.

La incorporación de modelos estadísticos y algoritmos de machine learning en estas herramientas optimiza la precisión y aporta flexibilidad al sistema. Disponer de ambas capacidades resulta indispensable para planificar las ventas, dimensionar las existencias en los almacenes y organizar el reabastecimiento de manera eficiente. La combinación de estos modelos predictivos asegura que la programación de la actividad empresarial responda con exactitud a las necesidades reales del mercado.

La optimización de la cadena de suministro requiere medir con exactitud la diferencia entre las ventas previstas y las reales, la rotación de las existencias, las tasas de rotura de stock, la obsolescencia del inventario, el nivel de cumplimiento de los pedidos y el porcentaje de entregas a tiempo y completas. Al realizar las previsiones, anticipar la demanda de un producto específico resulta fundamental para evitar tanto el exceso de almacenamiento como el desabastecimiento. Las herramientas de análisis avanzado y machine learning proporcionan una visión detallada de la actividad comercial, los niveles de inventario y los indicadores financieros, lo que facilita una toma de decisiones más precisa en toda la organización.

Ante la creciente complejidad de estos requisitos, InterSystems realizó una encuesta a 450 profesionales y directivos del sector logístico para analizar los principales desafíos tecnológicos, las tendencias y las estrategias de toma de decisiones en cinco ámbitos clave: la optimización del cumplimiento de pedidos, la detección y previsión de la demanda, la orquestación de la cadena de suministro, la optimización de la planificación de la producción y los criterios ambientales, sociales y de gobernanza (ESG).

Este artículo es la segunda parte de la serie sobre la optimización del rendimiento de la cadena de suministro mediante datos unificados, y se centra de forma específica en la detección y previsión de la demanda.

En dicho estudio, se consultó a los participantes sobre el modo en que integran y preparan la información procedente de distintas fuentes para la toma de decisiones. Los resultados muestran que el 42% de las empresas recurre a métodos manuales, como las hojas de cálculo, para consolidar y procesar estos datos dispersos. Aunque las hojas de cálculo resultan herramientas útiles y su empleo está muy extendido en los procesos de planificación empresarial, este tipo de gestión manual plantea importantes limitaciones.

Como muestra la imagen anterior, las hojas de cálculo carecen de utilidad cuando se trata de aplicar la inteligencia de decisiones. Esta disciplina se centra en optimizar los resultados mediante el estudio de los procesos de elección y el uso de la IA y el machine learning. En el ámbito de la cadena de suministro, una plataforma de inteligencia de decisiones equipada con estas tecnologías permite gestionar de forma óptima las alteraciones antes de que se produzcan o en el momento en que suceden. De este modo, las empresas aumentan su velocidad de respuesta para asegurar la disponibilidad de los productos cuando se necesitan, al tiempo que supervisan la actividad comercial para mejorar los resultados de las ventas.

Una de las principales características de la detección y previsión de la demanda es que necesita una intervención humana frecuente. La IA, muy a menudo, carece de la sensibilidad necesaria para comprender la complejidad de los patrones de la demanda. La implicación del personal ayuda a superar este obstáculo pero es un proceso que consume mucho tiempo y pueden darse errores, especialmente si los datos de partida son incorrectos.

Según los resultados del estudio, el 36% de los encuestados utiliza múltiples soluciones en las que los datos deben incorporarse manualmente. A los inconvenientes que ya hemos mencionado se suma el que utilizar varios sistemas independientes suele generar silos inconexos de información. Si los sistemas no se comunican entre sí, tomas decisiones es más lento y se pierde precisión. Esto provoca fallos en la detección y la previsión de la demanda. Para evitarlo y asegurar que la información es exacta y está vigente, los datos deben actualizarse y transferirse con regularidad.

La realidad del sector muestra todavía no se ha generalizado la utilización de plataformas de datos inteligentes. Solo el 27% de los participantes cuenta con una plataforma de este tipo. Esta carencia es especialmente notable en los sectores de logística y transporte, con un 18%, y en el sector farmacéutico, con un 19%, donde menos de una quinta parte de las empresas utiliza actualmente estas herramientas. Para que estas plataformas resulten eficaces, es indispensable validar toda la información antes de incorporarla a los modelos de previsión para garantizar la coherencia y la precisión de los resultados.

Según el estudio, las principales dificultades en la detección y previsión de la demanda están relacionadas con la gestión de los datos, concretamente con su recopilación, visibilidad y análisis. Este escenario no resulta extraño, ya que estos inconvenientes derivan directamente de las incoherencias en la información. Disponer de datos depurados resulta esencial para garantizar la precisión y la coherencia del sistema, especialmente cuando se integran conjuntos de datos externos.

Para los encuestados estos son los principales obstáculos en esta materia: la falta de visibilidad en tiempo real a lo largo de la cadena de suministro (41%), el exceso de procesos manuales actuales (39%), la inexactitud de la información dentro de la organización, los socios y los proveedores (37%), y la ausencia de una detección inmediata de los cambios en la oferta y la demanda (34%).

Comprender las variaciones en la oferta y la demanda para reaccionar de forma adecuada constituye el núcleo de estas soluciones logísticas. Por el lado de la demanda, las oscilaciones son el resultado de la evolución de las preferencias de los consumidores, la fidelidad a la marca o los factores económicos. Por el lado de la oferta, estos cambios del mercado están vinculados al precio o la disponibilidad de las materias primas, la escasez de mano de obra o la aparición de nuevos competidores. Las empresas que no detectan estas alteraciones en tiempo real pueden sufrir una pérdida de precisión en sus previsiones y, en consecuencia, perder ventas y ver aumentados los costes de los productos vendidos.

La visibilidad de la supply chain ha despertado un gran interés en los últimos años, aunque habitualmente se asocia, de forma exclusiva, al transporte de mercancías. Las soluciones de seguimiento punto a punto han recibido inversiones multimillonarias de capital riesgo, pero el concepto de visibilidad va mucho más allá de estas herramientas. Esta capacidad facilita que las empresas rastreen la ubicación y el estado de los productos, componentes y materiales a lo largo de todo su recorrido. Sin embargo, también abarca la totalidad de la cadena de extremo a extremo, desde el suministro de las materias primas hasta la entrega final al consumidor. El núcleo de la visibilidad radica en el acceso a datos en tiempo real para optimizar el inventario, realizar el seguimiento y prever posibles alteraciones. Para responder con eficacia a las variaciones de la demanda, las organizaciones necesitan ajustar los niveles de existencias con rapidez ante la volatilidad del mercado y los cambios en las preferencias de los consumidores.

El segundo obstáculo señalado en el estudio es la dependencia de los procesos manuales. Aunque cada vez es más frecuente hablar de la cadena de suministro autónoma, los métodos automáticos de detección de la demanda aprovechan los datos en tiempo real y el análisis avanzado para predecir las fluctuaciones a corto plazo. Por el contrario, los procedimientos manuales se basan en la interpretación humana de la información, una práctica que consume mucho tiempo y resulta propensa a errores.

La tercera dificultad destacada por los participantes son las inexactitudes en los datos procedentes de la propia organización, los socios y los proveedores. Ya en 1957, los expertos en informática acuñaron la expresión "si entra basura, sale basura" (garbage in, garbage out). En un artículo de prensa de la época sobre el trabajo de los matemáticos del ejército estadounidense con los primeros ordenadores, se explicaba que las máquinas no pueden pensar por sí mismas y que los datos introducidos de manera descuidada conducen inevitablemente a resultados incorrectos. La tecnología ha evolucionado de forma notable desde entonces, pero el principio fundamental sigue siendo el mismo. La falta de precisión en la información provoca fallos en la detección y previsión de la demanda, lo que afecta directamente a la gestión del inventario, a las operaciones logísticas y a la rentabilidad empresarial.

Las capacidades que los profesionales consideran fundamentales para optimizar la previsión de la demanda coinciden de forma exacta con sus mayores dificultades cotidianas. Así lo refleja el estudio, donde el 27% de los encuestados sitúa como prioridad absoluta la posibilidad de incorporar y analizar, en tiempo real, datos procedentes de múltiples fuentes y en formatos heterogéneos.

InterSystems Supply Chain Orchestrator lo resuelve unificando la información relevante, tanto del entorno interno como del externo. La herramienta recopila desde eventos geopolíticos hasta incidencias en la integridad del producto o discrepancias en el cumplimiento de los proveedores. Una vez que la plataforma armoniza y normaliza estos flujos para ofrecer datos precisos de manera inmediata, simula los procesos de negocio y aplica funciones integradas de inteligencia artificial y machine learning. Al implementarse sin necesidad de sustituir los sistemas existentes, un proceso conocido en el sector como rip-and-replace (sustitución completa), las empresas aceleran la adopción de nuevas funciones tecnológicas y reducen el coste total de propiedad con una gran eficiencia.

La segunda prioridad, señalada por el 24% de los participantes, se centra en la gestión integrada del inventario con los sistemas de planificación de recursos empresariales (ERP) y los terminales de punto de venta electrónicos (EPOS) para automatizar la detección y previsión de la demanda.

En este sentido, Supply Chain Orchestrator agiliza la adaptación de los planes de previsión con un alto nivel de exactitud. Esta capacidad ayuda a afrontar con éxito imprevistos, alteraciones o tendencias que afecten al mercado, lo que transforma por completo la optimización en el cumplimiento de los pedidos. Al aprovechar la detección de la demanda, las organizaciones incrementan el rendimiento y adaptan los calendarios de producción a las necesidades previstas. La integración de estas funciones avanzadas con los puntos de venta, los sistemas ERP y el resto de las aplicaciones del entorno tecnológico acelera la obtención de valor para el negocio.

SPAR Austria, una empresa con una facturación de 4000 millones de euros que cuenta con más de 800 establecimientos y 600 comerciantes asociados, necesitaba un sistema integrado de planificación de recursos empresariales (ERP) y terminales de punto de venta (POS) para mejorar el control de las existencias en sus tiendas locales. Tras analizar las opciones del mercado, la compañía implantó IMAge (Integrated Management Application for Grocery Enterprises), una solución desarrollada con tecnología de InterSystems.

La plataforma unifica las funciones y la información de origen local y centralizado. El centro de datos de SPAR en Salzburgo gestiona el ERP central de la aplicación, encargado del control del inventario, la gestión de pedidos y el análisis de datos. En paralelo, cada establecimiento ejecuta un módulo local que coordina el sistema de cajas y funciona en dispositivos móviles para facilitar la introducción de datos en las propias estanterías. Este componente local se comunica con el ERP centralizado, lo que ofrece a los directores de tienda una perspectiva completa y unificada de las ventas, las existencias, los pedidos y los repartos. Al contrastar las entregas pendientes, los responsables optimizan el volumen de existencias y disminuyen los desabastecimientos, un factor que eleva la eficiencia comercial.

En el pasado, las tiendas sufrían roturas de stock ocasionales porque dependían de la información imprecisa que calculaba la oficina central. En la actualidad, los directores supervisan de forma directa el movimiento de la mercancía, el inventario real y los envíos pendientes, según explica Günther Kilian, responsable de procesos en SPAR Austria. Además, el sistema destaca por su sencillez, con un conjunto de herramientas adaptado a las necesidades diarias de la plantilla.

La facilidad de uso fue un requisito prioritario durante el diseño de la aplicación, señala Gerd Karnitschnig, director general de SPAR IGT Eslovenia y coordinador de tecnología en ASPIAG. La tecnología de InterSystems hizo posible la creación de una interfaz de usuario común tanto para los entornos centralizados como para los locales. De este modo, el personal solo debe aprender el funcionamiento de un único entorno informático, lo que proporciona una clara ventaja competitiva.

La agilidad y la competitividad empresarial dependen hoy de la capacidad para obtener información estratégica casi en tiempo real. Este objetivo plantea serias dificultades a las compañías que carecen de una visibilidad completa de sus operaciones o que todavía dependen del análisis manual de los datos y de la integración improvisada de soluciones tecnológicas dispares. En el área de la detección y la previsión de la demanda, la dependencia de los procesos manuales resulta crítica debido a la dispersión actual de los flujos de información. Cuando una organización no comprende las causas que provocan los cambios en la oferta, resulta imposible ajustar las previsiones con exactitud. Esta carencia se traduce de forma directa en desajustes en el almacenamiento, pérdida de oportunidades comerciales y un incremento en el coste de los productos vendidos.

Optimizar estos procesos requiere una gestión basada en datos unificados, fiables y armonizados. InterSystems Supply Chain Orchestrator funciona como una plataforma inteligente de inteligencia de decisiones que ofrece una perspectiva integral de toda la cadena de suministro, al consolidar la información heterogénea de aplicaciones, proveedores, fabricantes, distribuidores, puntos de venta y consumidores. A través de la inteligencia artificial y el machine learning, la herramienta identifica las incidencias actuales, anticipa los escenarios más probables y propone las opciones operativas más eficientes, lo que agiliza la toma de decisiones y elimina retrasos en la operativa diaria.

El informe completo está disponible para su lectura en este enlace.