"Vendemos todo en software" (WSES) Inc era una compañía de productos y se especializó en

soluciones de software para diferentes industrias como defensa, investigación clínica, bienes
de consumo, mercados de capitales, seguridad, bancos y seguros, entre otros. Una de las
divisiones de WSES se centró en el producto de software empresarial. Durante la última
década más o menos, la competencia en el espacio de productos de software empresarial se
había intensificado y, en respuesta a la creciente competencia, WSES había cambiado la
forma en que se enfrentaba a nuevas oportunidades. Mientras tanto, los clientes también
habían madurado y exigían contratos integrados, productos de software y asistencia
posventa. Como resultado de esto, el valor promedio de las oportunidades (tamaño del
boleto) aumentó y también lo hicieron las apuestas.

El CEO de WSES, Jack Williams, estaba bajo la creciente presión de las partes interesadas
para proporcionar números más precisos a la calle para la división de productos de software
empresarial. Un mes antes, cuando Jack se había enfrentado a las partes interesadas, le
había resultado difícil explicarles la razón de la alta variación en los números de ingresos.
Jack había predicho que la división de productos de software empresarial de WSES cerraría
nuevas ventas de USD 2.4 mil millones en el trimestre, mientras que la nueva reserva de
ventas real fue de solo USD 1.48 mil millones. Tuvo una acalorada discusión con Michael
Summers, el CFO sobre esto y Michael había mencionado que esto era algo que no estaba en
su mano. Michael estaba tomando los números de Ben Osborne, vicepresidente de
marketing de WSES y estos números sirvieron como guía para la calle.

Sentado en su habitación el 8 de febrero de 2018, Jack tuvo una conversación telefónica con
Ben para comprender el proceso mediante el cual Ben estaba dando estimaciones de los
ingresos de las nuevas ventas.

Jack: Quiero entender cómo das estimaciones y por qué estamos tan fuera de lugar cada
trimestre.

Ben: Nuestra conversión de nuevas ventas en ingresos es un proceso complejo. Lo que

hacemos es mirar el último trimestre de ventas y agregarle nuestro aumento estimado de
1.5%. Este es el número que le proporciono a Michael como estimación.

Jack: Pero esto no es científico. ¿Por qué agrega 1.5% a las ventas del último trimestre?

Ben: El crecimiento promedio de nuestra industria es del 6% anual y, por lo tanto,

agregamos un 1,5% a las ventas del último trimestre. Estoy de acuerdo en que este no es un
método científico, pero es lo mejor que tenemos hasta ahora.

Jack: Creo que necesitamos ayuda aquí. No predecir la conversión de nuevas oportunidades
no solo está dañando nuestra imagen frente a las partes interesadas, sino que también estoy
escuchando algo de ruido del equipo de entrega y despliegue de que no pueden administrar
el personal y la planificación, ya que estos contratos requieren recursos para personalizar los
productos para los clientes.
Jack recordó haber conocido a Mark Smith hace unas semanas. Mark tenía un doctorado en
Estadística y se había unido a WSES recientemente. Mark tenía una rica experiencia en
análisis y Jack lo llamó para ver si Mark podía ayudarlo a resolver este problema.

Al día siguiente, 9 de febrero de 2018, Jack y Ben se reunieron con Mark y le explicaron el
problema y su proceso de ventas. Las nuevas oportunidades de ventas de WSES pasaron por
tres etapas antes de que se firmara el contrato con los clientes.

Etapa A: inicio y respuesta de la solicitud de propuesta (RFP) Etapa B: discusión comercial y

preselección

Etapa C: discusión del contrato

Le explicaron a Mark que cada nueva oportunidad se agregaba a su sistema global de gestión
de ventas y que la oportunidad avanzaba a través de las etapas de la oportunidad; El estado
se actualizó en el sistema. También se le informó que, en muchos casos, los clientes
decidieron retirar la oportunidad en una de estas etapas o otorgarla a sus competidores. Las
oportunidades exitosas que se convirtieron en ventas fueron aquellas que pasaron por las
tres etapas y culminaron en la etapa de "firma de contrato".

RECOPILACIÓN DE DATOS Y ANÁLISIS PERTINENTE

Honrado pero intimidado por la tarea, Mark primero investigó los datos disponibles. Ingresó
al sistema de gestión de ventas global de WSES y recopiló datos de los últimos 4 meses (de
octubre a enero de 2018) para la división de productos de software empresarial.

Encontró que la cantidad de características de los datos era abrumadora, pero luego se dio
cuenta de que no necesitaría todas estas características (consulte el Anexo 1).

Mirando profundamente los datos, Mark se dio cuenta de que una parte de las
oportunidades en cada etapa se movía a la siguiente etapa en el mes siguiente. Parte
quedaba en la misma etapa y la parte restante se estaba perdiendo (o el cliente estaba
retirando la oportunidad o se la había otorgado a un competidor). Mark sintió que la
estructura del problema podría modelarse utilizando la cadena de Markov. Luego decidió
crear una matriz de probabilidad de transición para representar la estructura de las
oportunidades que se movían a través de diferentes etapas. La idea de Mark era utilizar la
cadena de Markov de estado absorbente para predecir qué porcentaje de oportunidades se
absorbería como "firma de contrato" y qué porcentaje se absorbería como perdido. Esto lo
ayudaría a predecir los ingresos según el valor de las oportunidades en cada etapa de un
mes determinado. Para cada uno de los meses, creó una matriz de transición y, por lo tanto,
terminó con tres matrices de transición. Cada estado representaba el estado de las
oportunidades que se movían a través de las etapas en cada mes y le daba una visión de qué
porcentaje de las oportunidades se absorbía como "firma de contrato" y qué porcentaje se
absorbía como "perdido o retirado". También pudo ver cómo se movían las oportunidades
entre las etapas en cada uno de los meses.
Luego, Mark usó las tres matrices de transición (construidas con datos de cuatro meses) para
crear una matriz agregada (consulte el Anexo 2), y utilizó la prueba Anderson Goodman1
para verificar si la matriz era una matriz de Markov. La prueba demostró que la matriz en
cuestión era una matriz de Markov. Su siguiente paso fue verificar si las tres matrices para
cada uno de los meses eran homogéneas en el tiempo, y utilizó la razón de probabilidad
prueba2 para verificar lo mismo. Hizo esto para asegurarse de que no hubiera diferencia
estadística entre las matrices de transición en cada uno de los meses (octubre a noviembre,
noviembre a diciembre y diciembre a enero) para poder crear una matriz agregada a partir
de las tres matrices.

Armado con los datos y los resultados de las pruebas, hizo los cálculos y llegó a qué
porcentaje de oportunidades en cada etapa se convertiría en ingresos. También calculó la
cantidad de tiempo que tomarían las oportunidades en cada una de estas etapas para
convertirse en reserva de ventas.

Mark luego solicitó una reunión con Jack y Ben para discutir esto.

Mark explicó a Jack y Ben que el modelo no solo podía predecir qué porcentaje de
oportunidades en cada etapa se convertiría en contratos, sino que también podía predecir la
cantidad de tiempo que tomarían las oportunidades en cada etapa para convertirse en
contratos. Luego tomó algunos ejemplos para explicar el concepto y el trabajo detallado a
Jack y Ben.

Jack estaba muy emocionado de ver los resultados.

“Excelente, esto es exactamente lo que necesitábamos. Comencemos a usar esto para

predecir nuestros ingresos para nuevas ventas y también comience a usar estos números
para dar pronósticos al equipo de planificación ", comentó Jack a Ben.