Pronósticos de la demanda y su relación con IA

El pronóstico de la demanda es un campo de análisis predictivo, cuyo objetivo es el de estimar la demanda a futuro el comportamiento de una o más variables, como ventas, compras, clientes, proceso, por mencionar algunas. El uso de los métodos de previsión de la demanda es benéfico para las empresas ya que pueden mejorar sus procesos de toma de decisiones sobre el flujo de caja, la evaluación de riesgos, la planificación de la capacidad y la planificación de la fuerza laboral.

Estos pronósticos han estado evolucionando conforme al tiempo, pasando de análisis tradicionales que se enfocaban en la detección de patrones en la serie de tiempo, a enfoques impulsados por la demanda que integran algoritmos de aprendizaje automático que nos pueden ayudar a modelar de una mejor manera el comportamiento de la variable que estamos monitoreando.

Basado en observaciones e investigaciones recientes, los pronósticos impulsados por la demanda son impulsado en un 60 % por proceso, 30 % por analítica, y el 10 % habilitando la tecnología, dependiendo de la dinámica de la industria, el mercado y el canal que influye en la forma en que las empresas dirigen una respuesta a la demanda.

La evolución en los algoritmos nos está permitiendo analizar lo que pasa en la cadena de suministro considerando algunas otras variables externas que pueden estar relacionados a cuestiones financieras y del mercado, temperaturas, producto, entre otras más. Pudiendo con ello tener un panorama más completo y general que tienen un impacto benéfico en la generación de modelos más precisos de lo que ocurrirá en periodos futuros.

La inteligencia artificial y en especifico su subárea de aprendizaje automático, está impulsando mejores pronósticos de demanda. De acuerdo con McKinsey Digital, los pronósticos basados en inteligencia artificial pueden reducir los errores entre un 30 y un 50% en las redes de la cadena de suministro. La precisión mejorada conduce a una reducción del 65% en las ventas perdidas debido a situaciones de inventario agotado y los costos de almacenamiento disminuyen entre un 10 y un 40%. El impacto estimado de la IA en la cadena de suministro es de entre $ 1,2 billones y $ 2 billones en la planificación de la cadena de fabricación y suministro.

PhD. María de la Paz Rico Fernández.

Fuentes:

-          Smartening up with Artificial Intelligence (AI), McKinsey Digital

-          Chase, C. W. (2013). Demand-driven forecasting: a structured approach to forecasting. John Wiley & Sons.