La previsión de la demanda es un campo de análisis predictivo [1] que intenta comprender y predecir la demanda de los clientes para optimizar las decisiones de suministro mediante la cadena de suministro corporativa y la gestión empresarial. La previsión de la demanda implica métodos cuantitativos como el uso de datos , y especialmente los datos históricos de ventas, así como técnicas estadísticas de los mercados de prueba . La previsión de la demanda se puede utilizar en la planificación de la producción, la gestión de inventarios y, en ocasiones, para evaluar los requisitos de capacidad futuros o para tomar decisiones sobre la entrada en un nuevo mercado .
Métodos
Evaluación cualitativa
Previsión de la demanda basada en la opinión de expertos. Algunos de los tipos de este método son,
- Juicio sin ayuda
- Mercado de predicciones
- técnica Delphi
- Teoría de juego
- Bootstrapping crítico
- Interacción simulada
- Encuesta de intenciones y expectativas
- jurado de método ejecutivo
Evaluación cuantitativa
- Simulación de eventos discretos
- Extrapolación
- Método grupal de manejo de datos (GMDH)
- Clase de referencia≈ pronóstico
- Analogías cuantitativas
- Previsión basada en reglas
- Redes neuronales
- Procesamiento de datos
- Análisis conjunto
- Modelos causales
- Segmentación
- Modelos de suavizado exponencial
- Modelos Box – Jenkins
- Modelos híbridos
Otros son los siguientes
- Métodos de proyección de series de tiempo
- Método de media móvil
- Método de suavizado exponencial
- Métodos de proyección de tendencias
- Métodos causales
- Método de relación de cadena
- Método del nivel de consumo
- Método de uso final
- Método de indicador líder
Cálculo de la precisión del pronóstico de demanda
El cálculo de la precisión del pronóstico de 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 vital para los fabricantes y distribuidores para evitar desabastecimientos y mantener niveles adecuados de inventario. 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 efectiva, es imperativo realizar pronósticos de demanda precisos.
Calcular la precisión de los pronósticos de la cadena de suministro
La precisión del pronóstico en la cadena de suministro se mide típicamente usando el Error de porcentaje 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 Media Absoluta dividida por las Ventas Promedio, que es solo un MAPE ponderado por volumen, también conocido como la relación MAD / Media. Esto es lo mismo que dividir la suma de las desviaciones absolutas por las ventas totales de todos los productos. Este calculo, donde A es el valor real y F el pronóstico, también se conoce como WAPE, error de porcentaje absoluto ponderado.
Otra opción interesante es la ponderada . La ventaja de esta medida es que podría ponderar los 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 que no sea simétrico, eso significa que puedes ser mucho más inexacto si las ventas son más altas que si son más bajas que el pronóstico. Por lo tanto, sMAPE también se usa para corregir esto, se conoce como error de porcentaje absoluto medio simétrico.
Por último, pero no menos importante, para los patrones de demanda intermitentes, 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]
Calcular el error de pronóstico
El error de pronóstico debe calcularse utilizando las ventas reales como base. Se utilizan varias formas de métodos de cálculo de error de pronóstico, a saber , error porcentual medio , error cuadrático medio , señal de seguimiento y sesgo de pronóstico .
Ver también
Referencias
- ^ Resumen
- ^ Hyndman, RJ, Koehler, AB (2005) "Otra mirada a las medidas de precisión del pronóstico" , Universidad de Monash.
- ^ Hoover, Jim (2009) "Cómo realizar un seguimiento de la precisión del pronóstico para guiar la mejora del proceso" , Prospectiva: The International Journal of Applied Forecasting.
- ^ Puede encontrar una discusión interesante aquí .
Bibliografía
- Milgate, Murray (marzo de 2008). "Bienes y materias primas". En Steven N. Durlauf y Lawrence E. Blume. The New Palgrave Dictionary of Economics (2ª ed.). Palgrave Macmillan. págs. 546–48. doi: 10.1057 / 9780230226203.0657. Consultado el 24 de marzo de 2010.
- Montani, Guido (1987). "Escasez". En Eatwell, J. Millgate, M., Newman, P. The New Palgrave. Un diccionario de economía 4. Palgrave, Houndsmill. págs. 253–54.