Previsión de la demanda
La previsión de la demanda es un campo del análisis predictivo [1] que trata de comprender y predecir la demanda de los clientes para optimizar las decisiones de suministro por parte de la cadena de suministro corporativa y la gestión empresarial. Los métodos de pronóstico de la demanda se dividen en dos categorías principales, métodos cualitativos y cuantitativos. Los métodos cualitativos se basan en la opinión de expertos y la información recopilada en el campo, mientras que los métodos cuantitativos utilizan datos , y especialmente datos históricos de ventas, así como técnicas estadísticas de mercados de prueba . La previsión de la demanda se puede utilizar en la planificación de la producción, la gestión del inventario y, en ocasiones, en la evaluación de los requisitos de capacidad futuros o en la toma de decisiones sobre la entrada en un nuevo mercado .
Calcular la precisión del pronóstico de la demanda es el proceso de determinar la precisión de los pronósticos realizados con respecto a la demanda de un producto por parte del cliente. [2] [3] Comprender y predecir la demanda de los clientes es fundamental para que los fabricantes y distribuidores eviten los desabastecimientos y mantengan niveles de inventario adecuados. Si bien los pronósticos nunca son perfectos, son necesarios para prepararse para la demanda real. Para mantener un inventario optimizado y una cadena de suministro eficaz, es imprescindible contar con pronósticos precisos de la demanda.
La precisión del pronóstico en la cadena de suministro generalmente se mide utilizando el error porcentual absoluto medio o MAPE. Estadísticamente MAPE se define como el promedio de errores porcentuales.
La mayoría de los profesionales, sin embargo, definen y usan el MAPE como la desviación absoluta media dividida por las ventas promedio, que es solo un MAPE ponderado por volumen, también conocido como relación MAD/Mean. Esto es lo mismo que dividir la suma de las desviaciones absolutas por las ventas totales de todos los productos. Este cálculo , donde A es el valor real y F el pronóstico, también se conoce como WAPE, Error porcentual absoluto ponderado.
Otra opción interesante es la ponderada . La ventaja de esta medida es que podría ponderar errores, por lo que puede definir cómo ponderar para su negocio relevante, ex beneficio bruto o ABC. El único problema es que para los productos de temporada crearás un resultado indefinido cuando las ventas = 0 y eso no es simétrico, eso significa que puedes ser mucho más impreciso si las ventas son más altas que si son más bajas que la previsión. Entonces, sMAPE también se usa para corregir esto, se conoce como error porcentual absoluto medio simétrico.
Por último, pero no menos importante, para los patrones de demanda intermitente, ninguno de los anteriores es realmente útil. Entonces puedes considerar MASE (Mean Absolute Scaled Error) como un buen KPI para usar en esas situaciones, el problema es que no es tan intuitivo como los mencionados anteriormente. [4]