Transformando la complejidad de la cadena de suministro en excelencia de servicio superior

Si Amazon materializara hoy de la nada, pocas personas sensatas se sentirían confiadas en poder gestionarlo rentablemente.

Globalmente, la empresa vende más de 3.000 millones de productos a través de 11 marketplaces de diferentes países. Solo en EE. UU., Amazon introdujo 208 millones de nuevos productos en 2018 —la mayoría de los cuales son de movimiento lento, o artículos «cola larga». Sin embargo, a pesar de su complejidad y escala extremas, los beneficios de Amazon en julio de 2018 duplicaron las expectativas de los accionistas, alcanzando un beneficio trimestral de $2,5 mil millones.

El éxito de Amazon podría parecer un golpe de suerte imposible de replicar. Sin embargo, al desglosarlo, Jeff Bezos se convirtió en el humano más rico del mundo averiguando cómo hacer tres cosas aparentemente contradictorias a la vez: ofrecer niveles de servicio excepcionales, al coste más bajo posible, y gestionar la complejidad. Argumento que lograr las tres con verdadero éxito es difícil para cualquier empresa sin capacidades tecnológicas avanzadas.

Primero, cambia tu mentalidad. Desafortunadamente, en un mercado de volatilidad de demanda creciente y mayores expectativas de servicio, demasiadas empresas se encierran en procesos tradicionales y una espiral descendente familiar. Incapaces de pronosticar de forma fiable un número creciente de combinaciones de SKU, cargan inventario para acomodar demanda errática de cola larga. Esto invariablemente conduce a problemas como costes de flete extra e inventario excesivo y obsoleto que debe ser dado de baja o vendido con grandes descuentos. Los planificadores están continuamente en modo reactivo e ineficiente de «apagafuegos», dedicando la mayor parte de su tiempo a cambiar reposiciones sugeridas y manipular niveles de servicio en lugar de impulsar el rendimiento.

Los problemas de la cadena de suministro a menudo son los más difíciles de arreglar porque tienen soluciones contraintuitivas. Si quieres lograr un éxito «amazónico», lo primero que debes hacer es quitarte de en medio y probar un nuevo enfoque. Como dice el viejo adagio, el signo seguro de locura es hacer lo mismo una y otra vez esperando resultados diferentes.

El secreto de la planificación impulsada por el servicio es el pronóstico probabilístico y la optimización del mix de stock. La forma de gestionar la complejidad y alcanzar altos niveles de servicio es primero romper la barrera de la precisión del pronóstico: en lugar de pronosticar un número, entiende el rango de posibilidades de demanda en tu pronóstico. Este método se llama pronóstico probabilístico. Usando este enfoque, aún obtienes un número asociado al resultado más probable. Sin embargo, alrededor de este número obtienes un rango de otros resultados posibles, cada uno con una probabilidad diferente. Es una alternativa al pronóstico tradicional de «un número», basado en promediar números de historial de pedidos agregados.

El pronóstico probabilístico es ideal para cadenas de suministro que incluyen un alto número de artículos de cola larga y enfrentan variabilidad e incertidumbre de demanda debido al enorme número de factores que no pueden modelar adecuadamente. Como concluyó la gurú de supply chain Lora Cecere en su blog Probabilistic Forecasting: Right Fit for Your Business?: «Para perfiles de demanda difíciles, el pronóstico probabilístico es una técnica nueva y poderosa. Es un tipo de motor. El pronóstico se trata de mejores matemáticas, y el ajuste del modelo de datos para impulsar resultados».

Tu cadena de suministro no tiene que volverse demasiado compleja antes de beneficiarse del pronóstico probabilístico. Aquí tienes un ejemplo simplificado para ilustrar. Digamos que quieres pronosticar la demanda para un SKU específico de neumático de coche. Un sistema de pronóstico de un solo número miraría el historial de venta de cuatro unidades al mes de ese neumático e identificaría la demanda media como un neumático por semana. Como este pronóstico no aborda a clientes que cambian los cuatro neumáticos a la vez, propondría continuamente el pronóstico erróneo y, por tanto, niveles de inventario incorrectos para cumplir los niveles de servicio objetivo.

Para la planificación de inventario, necesitas saber la probabilidad de cada cantidad de pedido por línea —para un neumático, dos, tres, cuatro, etc. El pronóstico probabilístico proporciona exactamente esa información, identificando los patrones de pedido (tamaño, frecuencia) que el inventario puede usar para servir la demanda.

Cortamos una figura solitaria en el mundo de la cadena de suministro a principios de los 90, cuando empezamos a defender este enfoque como alternativa al pronóstico tradicional. Hoy, ante una complejidad abrumadora de la cadena de suministro, hay una plataforma de urgencia mayor para que las empresas lo prueben. Invariablemente, el feedback que recibimos es «¡Ojalá hubiéramos empezado a hacer esto antes!».

En segundo lugar, la optimización del mix de stock permite lo que llamamos «planificación impulsada por el servicio», aprovechando la escala y variabilidad —la complejidad— de tu cartera de SKU a través de la red. En lugar de asignar el mismo nivel de servicio para cada SKU en un grupo, cada ubicación de SKU a lo largo de la cadena de suministro recibe su propio nivel de servicio optimizado para lograr los objetivos de negocio. Por ejemplo, en lugar de asignar a todos los SKU de una clase un nivel de servicio del 98%, un objetivo global del 98% se logra estableciendo óptimamente niveles de servicio individuales de ubicación de SKU al 99%, 97%, 99,5%, etc., alcanzando el mismo objetivo general de servicio al cliente con un gasto en inventario mucho menor.

El fabricante global de lentes de prescripción Shamir Optical aplicó pronóstico basado en probabilidad para volverse más orientado al servicio. En lugar de usar una política de inventario única para todos, Shamir analizó patrones de demanda para crear una mezcla de diferentes objetivos de nivel de servicio para cada SKU individual en cada ubicación. La firma redujo los niveles de inventario en más de un 25% en total, logrando consistentemente niveles de servicio superiores al 99%.

El pronóstico probabilístico no puede ejecutarse lo suficientemente rápido en la práctica por planificadores humanos. Para hacerlo funcionar, necesitas automatizar el proceso de planificación con un sistema auto-adaptativo que use tecnología de machine learning —una forma de inteligencia artificial. Para generar pronósticos probabilísticos, primero necesitas modelar tu cadena de suministro. La mayoría de empresas empiezan con un grupo de muestra de SKUs para probar y escalar con el tiempo. Contra tu modelo, luego necesitas factorizar el impacto de una amplia gama de variables de demanda potenciales. Estas pueden ser entradas tradicionales como historial de pedidos, otras fuentes corporativas como datos de gestión de relaciones con clientes (CRM), e incluso fuentes externas como clima, bolsa y tendencias en redes sociales. Como un modelo de cadena de suministro es un sistema «vivo», el machine learning aprende y ajusta continuamente los resultados con el tiempo, permitiéndote introducir nuevas fuentes de datos según sea necesario. Aplicar IA proporciona una visión profunda del comportamiento de la demanda y el inventario para mejorar los resultados.

La buena noticia para los humanos, sin embargo, es que los pronósticos probabilísticos, por diseño, son un punto de partida —no un fin en sí mismos. Están diseñados para dar a los planificadores los datos que necesitan a tiempo para hacer juicios informados sobre políticas de servicio y los correspondientes niveles óptimos de inventario a lo largo de sus cadenas de suministro.

Esta previsión probabilística aumentada por IA representa la simbiosis ideal entre humanos y máquinas. El sistema se vuelve más inteligente con el tiempo al incorporar la entrada humana, y los humanos se vuelven más inteligentes al aprender de la tasa de éxito de los pronósticos probabilísticos. Esto libera a los planificadores para enfocarse en el servicio, trabajar en proyectos estratégicos y añadir sus insights de negocio al sistema.

Tu negocio puede prosperar en la complejidad también. La belleza del pronóstico probabilístico es que, mientras los niveles de servicio suben, los costes, residuos e ineficiencia bajan. Cientos de empresas como Shamir Optical han obtenido una amplia gama de beneficios, desde liberar capital de trabajo hasta reducir obsolescencia, costes de transporte y urgencias y rebajas. Muchas empresas reportan volverse más receptivas a cambios de mercado y capaces de tomar mejores decisiones estratégicas.

Para personas apegadas al enfoque determinista de «un número», el pronóstico probabilístico se sentirá contraintuitivo. Sin embargo, a menos que estés en un negocio de commodities con pocos artículos y demanda totalmente predecible, el enfoque de un número no servirá. Amazon no solo usa este método, también ofrece una herramienta de pronóstico probabilístico a proveedores socios. ¿No es hora de que lo intentes?

Joseph Shamir es director ejecutivo de ToolsGroup.