Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Planificacion de La Demanda - Agrupal Item II
Planificacion de La Demanda - Agrupal Item II
19 Mayo 2023
Índice
1. xxxxxx ................................................................................................................2
2. xxxxxx.................................................................................................................2
3. xxxxxx ................................................................................................................3
4. xxxxxx.................................................................................................................4
5. xxxxxx.................................................................................................................5
6. xxxxxx.................................................................................................................5
7. xxxxxx.................................................................................................................6
6. xxxxxx.................................................................................................................7
6. xxxxxx.................................................................................................................9
6. xxxxxx...............................................................................................................11
AG1-Grupal
1 de 8 Planificación de la
demanda
1. ITEM I _ DESCRIPCION DE LA EMPRESA.
AG1-Grupal
2 de 8 Planificación de la
demanda
2. ITEM II_ DEMAND MODELING.
Mediante la elección de una base de datos de venta histórica real asociada al producto escogido,
analizaremos la aplicación de distintos métodos de estimación de demanda futura, utilizando los
datos agrupados a nivel mensual correspondientes a los años 2020, 2021 y 2022, con el objetivo de
entregar un pronóstico de ventas para los 12 periodos del año 2023.
AG1-Grupal
3 de 8 Planificación de la
demanda
❖ Crecimientos del 77% y 50%. ¿Cantos de sirena?: Resulta tentador caer en un
análisis simplista y acotado en torno a un aspecto tan relevante como los crecimientos
históricos, a modo de proyectar los crecimientos futuros. Ahora bien, en la realidad del
producto escogido, existen aspectos clave a la hora de explicar dichos números:
B. METODOS DE PREVISION:
AG1-Grupal
4 de 8 Planificación de la
demanda
VARIACIÓN ESTACIONAL CÍCLICA
MES AÑO 2020 AÑO2021 AÑO 2022 X ̅v X̅i I Xt ASPECTOS DETERMINANTES A TOMAR EN CUENTA:
La combinación del índice de estacionalidad obtenido en
ENE 206 356 728 917 430 0.6 796 función del promedio de ventas históricas y el crecimiento
FEB 132 347 824 1038 434 0.6 804 esperado, focaliza la demanda esperada en los picks
MAR 286 595 851 1072 577 0.7 1,068 históricos. Ahora bien, el aspecto que puede no estar
considerando, es la logística de preparación en cuanto a la
ABR 533 750 1050 1323 778 1.0 1,439 disponibilidad de stock para abastecer a los distribuidores y
MAY 209 361 810 1021 460 0.6 852 mayoristas, previo al inicio de la estacionalidad. Más aun
JUN 249 519 850 1071 539 0.7 998 considerando que el producto escogido posee una cadena
logística de adquisición mediante la importación desde China y
JUL 105 419 913 1150 479 0.6 887 la posterior preparación con accesorios adicionales para
AGO 195 595 940 1184 577 0.7 1,067 conformar el PACK.
SEPT 230 820 1193 1503 748 1.0 1,384 ¿En busca de la linealidad, o el aprovechamiento del pick?:
Una logística más estable en términos de los movimientos de
OCT 898 1185 1590 2003 1224 1.6 2,266 volúmenes de carga siempre será un atractivo para la
NOV 1059 1240 1715 2161 1338 1.7 2,477 estructura operativa de la compañía, por cuanto las
DIC 1086 1984 2315 2917 1795 2.3 3,323 considerables estacionalidades planteadas como estimación
futura, supondrán 2 escenarios posibles:
5,187 9,171 13,779 17,362 9,379 12.0 17,362 Escenario A: Una preparación operacional "previa" a la
X ̅v 1,447 1,447 782 0.26 Crecimiento estacionalidad, con estrategias y marketing tipo PUSH, a modo
X̅g 782 de cargar a los distribuidores, retail y mayoristas previo a los
picks de venta en cliente final, asegurando la correcta y
121% MAPE homogénea distribución a lo largo del país (En especial en la
estacionalidad de fin de año), lo cual incluirá la correcta
negociación y preparación con proveedores locales para
VARIACIÓN ESTACIONAL CÍCLICA_ ESTIMACIÓN VENTAS asegurar los componentes complementarios. Dicho escenario
AÑO 2023 tenderá a nivelar la operación logística, incrementando los
B volúmenes de importación con mayor antelación a los picks de
3500 venta, incurriendo en potenciales mayores costos asociados a
almacenaje e infraestructura de manera más prolongada.
3000
Escenario B: Adoptar una estrategia de ventas y marketing
2500 PULL enfocada en clientes finales, apuntando a incrementar la
A capacidad logística puntualmente en la estacionalidad,
2000 utilizando recursos e infraestructura temporal, contratos a corto
plazo y promociones con el fin de movilizar los productos en un
1500 menor lapso temporal y a mayores volúmenes, utilizando
1000 plazos de importación y llegada de productos más acotadas.
Los riesgos de esta estrategia tienen que ver con el
500 aseguramiento de la capacidad de distribución física de
productos y disponibilidad de inventario en la cadena de
0 distribuidores al momento de la estacionalidad. La capacidad
ENE FEB MAR ABR MAY JUN JUL AGO SEPT OCT NOV DIC de preparación y armado local para la constitución del pack de
venta local, también supone un riesgo en términos del estrés
AÑO 2020 AÑO2021 AÑO 2022 EST 2023|VAR. EST. CICLICA. que sufrirá la operación logística. La ventaja es acotar los
2) PROMEDIO MÓVIL SIMPLE: El promedio móvil simple, es una herramienta sencilla, cuyo
objetivo es entregar mayor importancia relativa a los datos más recientes. En este caso en
particular, resulta ser una alternativa poco viable tomando en consideración los abruptos
cambios cíclicos agrupados en las 2 estacionalidades ya definidas (Primaria y Secundaria).
Como el promedio ponderado supone el uso del promedio de los meses previos para
estimar el siguiente, en este caso se optó por considerar el último Q de 2021 para estimar
el Q1 de 2023. De lo contrario, utilizando únicamente los datos del 2022, la estimación del
2023 hubiera comenzado en Abril, al utilizar el promedio de los últimos 3 meses con datos
reales.
AG1-Grupal
5 de 8 Planificación de la
demanda
EST-
VENTA 2023|PRO ERROR
MES- ESTIMACIÓN VENTA 2023_PROMEDIO MÓVIL SIMPLE
2021- M.MOV.SI 2022 |
AÑO 2500
2022 MPLE EST 2023 B
OCT-21 1185
NOV-21 1240 2000
DIC-21 1984 A
ENE-22 728 1,470 202% 1500
FEB-22 824 1,317 160%
MAR-22 851 1,179 139% 1000
ABR-22 1050 801 76%
MAY-22 810 908 112% 500
JUN-22 850 904 106%
JUL-22 913 903 99% 0
ENE FEB MAR ABR MAY JUN JUL AGO SEPT OCT NOV DIC
AGO-22 940 858 91%
SEPT-22 1193 901 76% AÑO 2020 AÑO 2021
OCT-22 1590 1,015 64% AÑO 2022 EST-2023|PROM.MOV.SIMPLE
NOV-22 1715 1,241 72%
DIC-22 2315 1,499 65% A- Estacionalidad Secundaria B- Estacionalidad Primaria
13779 12,996 1262% ** Grado de relevancia ** Grado de relevancia
** Efecto de desfase de demanda (subestima, ** Efecto de subestimación de estacionalidad
MAPE 105% disminuye en el pick del real historico), pero primaria, utilizando el promedio movil simple
sobrecarga los periodos previos al pick. **Alto Riesgo de quiebre de stock / La estimacion
** Efecto de sobreestimación temprana. 2023 queda por debajo de la venta real año 2021
PROMEDIO MÓVIL SIMPLE (Utilizando los últimos 3 periodos): Utilizar una herramienta de estimación que posee un mejor
desempeño en condiciones de ausencia de estacionalidad, con las características estacionales ya conocidas de nuestra
demanda histórica, puede ser una jugada arriesgada o poco realista. De hecho, tal y como se puede apreciar, este mecanismo
entrega una estimación de acuerdo al promedio simple de los periodos inmediatamente previos, desvirtuando la estimación
cuando se trata de los periodos post- estacionalidades altas. El caso de la estimación de Q1 para el 2023, es un claro ejemplo
de una modelación potencialmente riesgosa, con serias consecuencias de sobre stock para el producto, seguido de una
estimación para la estacionalidad de fin de año, potencialmente subestimada, con riesgos de quiebre de stock. Asumir estos
parámetros estimados, considerando el historial puntual del producto, sería una jugada con un alto riesgo de fallo.
a) Efecto de desface o sobreestimación temprana: Sobrecarga la estimación de demanda previa al pick histórico de la
estacionalidad. Esto puede traer problemas asociados a sobrecostos de almacenamiento, Inventario antiguo, baja rotación, entre
otros. Los problemas asociados al requerimiento de infraestructura necesaria para solventar el almacenamiento masivode
productos con baja rotación, es un factor determinante para replantear el método de estimación.
b) Efecto de subestimación de estacionalidad Primaria: En este caso, resulta notoria la peligrosa subestimación de la
demanda en el pick estacional primario, quedando con un nivel de proyección bajo el real del 2021, en una tendencia suavizada.
CONCLUSION: Realizando la comparación de la estimación, con el historial de años anteriores y su respectivo comportamiento
estacional (Primario y secundario), no pareciera ser un buen modelo de estimación (De hecho con el componente estacional, no
lo es). Más aun considerando el impacto de los efectos de sobreestimación temprana y subestimación de estacionalidad
primaria, los cuales sin duda alguna provocarán perdidas en términos de costos asociados a la operación logística por concept o
de sobre stock (Y consecuentes negociaciones de precio para movilizarlo), y posteriormente por concepto de perdida de ventas
a manos de una subestimación notoria.
AG1-Grupal
6 de 8 Planificación de la
demanda
EST 2023 | ESTIMACIÓN DEMANDA 2023_PROMEDIO MOVIL PONDERADO I_0,5-0,3-0,2
VENTA
MES-AÑO PROM.MOV.
REAL 2500
POND
OCT-21 1185 P-1
NOV-21 1240 P-2
DIC-21 1984 P-3 2000
JAN-22 728 1601
FEB-22 824 1207
MAR-22 851 1027
APR-22 1050 818 1500
MAY-22 810 945
JUN-22 850 890
JULY-22 913 878
AGO-22 940 874 1000
SEPT-22 1193 914
OCT-22 1590 1061
NOV-22 1715 1341
500
DEC-22 2315 1573
13,779 13,130
PONDERACIONES
20% X DEM. P-1 0.20 0
30% X DEM. P-2 0.30 ENE FEB MAR ABR MAY JUN JUL AGO SEPT OCT NOV DIC
50% X DEM. P-3 0.50
AÑO 2020 AÑO 2021 AÑO 2022 EST 23|POND EST 0,5/0,3/0,2
> Relevancia a datos recientes
ESTIMACIÓN DEMANDA 2023 UTILIZANDO PROMEDIO MOVIL PONDERADO_ Ponderaciones a 3 periodos previos con mayor énfasis en la relevancia de datos
recientes.
PONDERACIONES: Como pudimos apreciar en el ejercicio previo, el promedio móvil simple, no logra captar satisfactoriamente los datos de una demanda con picks de
ventas estacionales, provocando sobre stocks previos en la estacionalidad secundaria y una subestimación de la estacionalidad primaria, con potencial quiebre de stock.
Mediante la asignación de una ponderación (usual), otorgando mayor relevancia a los datos históricos recientes, se pretende obtener un mejor resultado de estimación en
comparación con los históricos reales y su respectivo “peso” asignado 2020 (20%), 2021 (30%), 2022 (50%).
1) Efecto de suavización: El primer factor de interés, es que entre el promedio móvil y el promedio móvil ponderado, existe una diferencia en las cantidades totales
estimadas, siendo la modalidad ponderada, la que tiende a "acercarse" más a las curvas de demanda más recientes.
2) Desfase de estimación de demanda: Aún persiste la subestimación notoria en la estacionalidad primaria correspondiente a las festividades de fin de año. La
sobreestimación dentro del Q1 de 2023 correspondiente al periodo previo a la estacionalidad secundaria (Fiestas patrias), tam bién sigue reflejándose, y de hecho se ha
incrementado, alejándose aún más de los datos reales. Ahora bien, este incremento o alejamiento de la realidad, puede ser suavizado mediante las ponderaciones. La
lógica nos indicaría que si el promedio móvil simple como estimación, no refleja correctamente las estacionalidades o picks cíclicos - si estos son conocidos-, podemos
disminuir dicho sesgo bajando la ponderación o relevancia de los datos cercanos, especialmente en el caso de esta demanda en particular, que "comenzará a estimar el
inicio de año, utilizando una ponderación de datos alta precisamente sobre un pick de estacionalidad cíclica, lo cual evidentemente recargará la estimación inicial,
EST 2023 |
VENTA ESTIMACIÓN DEMANDA 2023_PROMEDIO MOVIL PONDERADO II 0.34-0,33-0,33
MES-AÑO PROM.MOV.
REAL
POND 2500
OCT-21 1185 P-1
NOV-21 1240 P-2
DIC-21 1984 P-3
2000
JAN-22 728 1475
FEB-22 824 1311
MAR-22 851 1175
APR-22 1050 802 1500
MAY-22 810 910
JUN-22 850 903
JULY-22 913 903
AGO-22 940 858 1000
SEPT-22 1193 901
OCT-22 1590 1017
NOV-22 1715 1244
500
DEC-22 2315 1501
13,779 13,001
PONDERACIONES
33% X DEM P- 1 0.33 0
33% X DEM P- 2 0.33 ENE FEB MAR ABR MAY JUN JUL AGO SEPT OCT NOV DIC
34% X DEM P- 3 0.34
AÑO 2020 AÑO 2021 AÑO 2022 EST 23| POND 0,34/0,33/0,33
< Relevancia a datos recientes
ESTIMACIÓN DEMANDA 2023 UTILIZANDO PROMEDIO MOVIL PONDERADO_ Ponderaciones a 3 periodos previos con menor énfasis en la relevancia de datos
recientes (Ponderación de relevancia prácticamente "plana").
SUAVIZAR LAS PONDERACIONES ANTE UNA ESTACIONALIDAD CONOCIDA: Pese a la conocida importancia de los datos recientes, modificamos las ponderaciones
a modo de "compensar" los picks estacionales con una ponderación menor, haciendo la curva más estable.
El resultado es un suavizado inicial centrado en el efecto de sobreestimación temprana, precisamente en el Q1 de 2023. Se acortó la brecha de sobreestimación inicial,
pero más adelante la curva continúa con una subestimación de la demanda real, por cuanto el resultado es levemente mejor, pero sigue sin entregar parámetros de
estimación con fundamentos más asertivos.
CONCLUSION: Dada la naturaleza del mecanismo de estimación de promedio móvil ponderado, y su comportamiento frente a las estacionalidades, pese a contar con la
opción de utilizar índices de ponderación para los datos utilizados en la estimación de demanda futura, no existen cambios relevantes en la curva de demanda proyectada
utilizando dicho método, o el promedio móvil simple. Las características individuales de la demanda correspondiente al producto escogido y su comportamiento cíclico,
reflejan curvas de estimación con deficiencias notorias al momento de la proyección, pese a los intentos de suavizar o "compensar" dichas deficiencias mediante
ponderaciones que incluso fueron definidas de manera lineal o prácticamente plana.
¿No hay crecimiento esperado?: Pese a utilizar datos históricos del 2022, el resultado de la estimación del 2023, no refleja crecimiento en relación al 2022. Ahora bien,
el sesgo a considerar es la utilización del Q4 de 2021, como base para la estimación del Q1 del 2023, a modo de completar el 2023. Hablamos de sesgo en este punto,
dado que el Q4 de 2021 es considerablemente inferior al Q4 de 2022, el cual -dado el mecanismo- no fue utilizado directamente.
AG1-Grupal
7 de 8 Planificación de la
demanda
C. ELECCIÓN DE MÉTODO IDÓNEO & CONCLUSIONES:
B. PROVEEDORES CLAVE:
C. CANALES DE DISTRIBUCION:
AG1-Grupal
8 de 8 Planificación de la
demanda