¡Bienvenido a nuestra sección de Preguntas Frecuentes (FAQ)! Aquí encontrarás respuestas a las dudas más comunes relacionadas con nuestros módulos. Estamos comprometidos en brindarte la información que necesitas para sacar el máximo provecho de nuestros módulos. Ya sea que estés buscando aclarar conceptos, entender cómo funcionan o resolver problemas comunes, hemos recopilado una lista exhaustiva de preguntas y respuestas para ayudarte. Explora nuestras preguntas y encuentra soluciones a tus inquietudes. ¡Comencemos a despejar todas tus dudas y asegurarnos de que tengas una experiencia óptima con cada uno de nuestros módulos!
Embedded Files
¿Cómo se diferencian los diferentes tipos de pronósticos proporcionados por Datup y cuándo es recomendable utilizar cada uno de ellos en la planificación de la demanda?
El pronóstico es un rango de valores, en lugar de un único valor. Por esa razón, Datup calcula por cada período, item y ubicación el pronóstico sugerido, superior, inferior e ingenuo.
a. El pronóstico sugerido o suggested forecast es el nivel base en las estimaciones futuras de la demanda, si todas las condiciones de normalidad en la venta, agotados y variables de mercado, se cumplen. El pronóstico sugerido nunca arrojará un valor jamás visto en la historia.
b. El pronóstico superior o next suggested forecast sugiere la demanda más alta que puede alcanzar con base en su máximo histórico y la tendencia al alza.
c. El pronóstico sugerido inferior o back suggested forecast sugiere la demanda mínima con base en su piso histórico y la tendencia a la baja.
d. El pronóstico ingenuo o naive forecast sugiere el promedio de la demanda de los últimos períodos de historia. La ventana a considerar es igual al número de períodos que se están pronosticando.
Todos los pronósticos sugeridos por Datup, a excepción del pronóstico ingenuo, son acentuados dependiendo de la estacionalidad y la tendencia histórica. De allí los picos o valles pronunciados que eventualmente se pueden encontrar.
Los pronósticos a largo plazo deben tomarse con precaución en aquellos items con poca historia de demanda, es decir menos de 2 años, ya que la incertidumbre hacia un futuro más lejano aumenta dada la falta de larga historia de apoyo. Con combinaciones con poca historia, el pronóstico tenderá a elevarse, por ello es indispensable considerar el pronóstico inferior e incluso el pronóstico ingenuo.
Todos los pronósticos sugeridos por Datup, junto con la clasificación de items son los mejores insumos para las colaboraciones de planeación. En estas sesiones de colaboración en donde se deben procurar las mejoras en los indicadores de desempeño del proceso: precisión, desviación, FVA y bias. Los pronósticos de Datup sientan sientas las bases de la discusión soportada en la evidencia de los datos para que el conocimiento de negocio de los equipos de ventas y operaciones refinen la selección de los escenarios propuestos.
En el análisis se debe considerar no solo el indicador de precisión/desviación, ya que ofrece una visión parcial del desempeño de los pronósticos de demanda. Sino también el indicador Bias para conocer el porcentaje de sub o sobrepronóstico.
La planeación de demanda es uno de los primeros pasos en la optimización de la cadena de suministro. Junto a los módulos de Inventor y Opt y Distro Opt las inevitables desviaciones de los pronósticos de demanda son minimizadas complementando la estimación de buffers de seguridad y reordenes dinámicas de pedido.
¿Con que medimos el error?
WMAPE (Error porcentual absoluto medio ponderado) es una medida que se utiliza para comparar el comportamiento sugerido de un ítem frente a su demanda real. Sin embargo, es importante destacar que no todos los ítems tienen un comportamiento similar, por lo que se asigna cierto peso a la historia de cada ítem.
La comparación del comportamiento de estos ítems en su historia se realiza mediante el cálculo del WMAPE. Este indicador se calcula como la media del error absoluto porcentual ponderado en todos los entrenamientos. A medida que nos alejamos en el tiempo, el peso asignado al error crece, lo que refleja una mayor incertidumbre.
Al utilizar esta medida, podemos tener una visión más precisa del rendimiento de los ítems y evaluar la calidad de las predicciones realizadas.
¿Cómo es el proceso de aprendizaje de la herramienta?
El proceso de aprendizaje de la herramienta se basa en la utilización de una historia previa como base. El rendimiento de la herramienta puede variar dependiendo de la calidad de esta historia. A través de los resultados obtenidos y el análisis de la historia, la herramienta aprende y se adapta, tanto a través de su propia experiencia como de factores externos como el stockout o sellout, eventos climáticos, fluctuaciones en los precios del petróleo o el dólar, entre otros.
La herramienta utiliza un enfoque de árbol de decisiones, donde examina detalladamente la historia y realiza backtesting, evaluando cómo se comportó en el pasado. Genera intervalos de confianza que representan la incertidumbre asociada a las predicciones. Este proceso se repite hasta un máximo de cinco veces, y al final, el modelo que mejor se ajuste a la historia real es seleccionado.
Es importante destacar que los modelos siempre se re-entrenan para mantener su precisión y adaptarse a los cambios en los datos. Cada mes, se utilizan fragmentos de datos más recientes para generar nuevos resultados y posibles pronósticos para un punto específico. En última instancia, el proceso de aprendizaje de la herramienta permite al usuario elegir el pronóstico que mejor se adapte a sus necesidades y preferencias.
¿En qué columna me debo basar para tomar el pronóstico?
El pronóstico sugerido se presenta en tres columnas que te brindan información para tomar la mejor decisión. Idealmente, se recomienda utilizar el pronóstico sugerido como punto de referencia. Sin embargo, también se proporcionan intervalos de confianza que te permiten evaluar la incertidumbre asociada a las predicciones.
En última instancia, la elección de la columna en la que te debes basar para tomar el pronóstico depende de tus necesidades y consideraciones específicas. Puedes tener en cuenta factores como tus objetivos, tolerancia al riesgo y preferencias personales. Analiza cuidadosamente las tres columnas y selecciona aquella que se ajuste mejor a tu situación. Recuerda que cada columna ofrece diferentes perspectivas y niveles de confianza, por lo que es importante tomar una decisión informada en función de tus requerimientos individuales.
¿Cuánta historia debo de tener para hacer un pronóstico?
Para poder realizar pronósticos a largo plazo, como por ejemplo pronósticos de 12 meses, se recomienda tener un mínimo de 4 años de historia disponible.
La razón detrás de esta recomendación es que contar con un período de tiempo más extenso permite capturar mejor las tendencias, patrones estacionales y otros factores que pueden influir en la demanda. Al tener una muestra más amplia de datos históricos, se puede obtener una visión más completa y precisa de cómo se ha comportado en el pasado el fenómeno que se desea pronosticar.
¿Qué pasa si tengo ítems nuevos?
En primer lugar, si el nuevo ítem tiene características similares a otros ítems previamente existentes, se puede utilizar la historia de esos ítems como referencia. Esto implica tomar la información histórica de los ítems comparables y aplicarla al nuevo ítem, asumiendo que seguirá patrones similares de demanda.
En el caso de que el nuevo ítem no tenga ningún ítem homólogo o comparable, se vuelve más desafiante generar pronósticos sin historia. En esta situación, puede ser necesario esperar a acumular suficiente historia del nuevo ítem para poder realizar pronósticos más confiables. Es importante tener paciencia y permitir que se recopile la información necesaria para tomar decisiones basadas en datos sólidos.
Si el ítem nuevo tiene historia disponible, se puede utilizar el ítem homólogo o similar como referencia para generar pronósticos. En este caso, se aprovecha la información histórica del ítem homólogo y se aplica al nuevo ítem, considerando que comparten características y comportamientos similares.
¿Cómo puedo tener la historia de otro ítem?
Para obtener la historia de otro ítem y utilizarla como referencia, es necesario identificar los códigos o identificadores que pertenecen a los ítems homólogos. Estos códigos son utilizados para rastrear y vincular la información histórica de los ítems relacionados.
Utilizando los códigos de los ítems homólogos, extrae la información histórica asociada a ellos. Esto puede incluir datos de demanda, ventas, inventario, precios u otros indicadores relevantes para el pronóstico.
¿Qué tipo de archivos recibimos en Datup?
En Datup podemos recibir y trabajar con archivos Excel, CSV, Parquet, TXT, así como fuentes frías, conexiones en caliente y archivos en formato SQL o XML, para procesar y analizar datos de manera efectiva.
¿Cuáles son los cálculos que se hacen para el Ranking?
El ítem Ranking se construye considerando la distribución basada en el principio de Pareto, la desviación estándar sobre el promedio. para la demanda, costos o ventas y la frecuencia o velocidad de venta o demanda. Estas medidas combinadas proporcionan una visión más completa y precisa de la importancia relativa de los elementos en el ranking.
¿Con cuánto tiempo se calcula el Ranking?
El ranking se calcula en periodos que generalmente abarcan de 3 a 12 meses. Este intervalo de tiempo es utilizado para evaluar y clasificar los ítems en función de ciertos criterios o métricas específicas.
¿Por qué no veo pronóstico para ciertos ítems?
Existen varias razones por las cuales es posible que no se visualice un pronóstico para ciertos ítems. Estas razones incluyen:
Falta de historia disponible: Si un ítem no cuenta con datos históricos registrados o no se dispone de suficiente información para generar un pronóstico preciso, es probable que no se muestre un pronóstico para ese ítem en particular. La disponibilidad de datos históricos es fundamental para poder realizar un análisis de tendencias y patrones pasados, lo cual es fundamental en la generación de pronósticos.
Filtros o reglas de negocio asignadas por el cliente: En ocasiones, los clientes pueden establecer filtros o reglas de negocio específicas que afectan la generación de pronósticos para ciertos ítems. Estos filtros se basan en criterios particulares definidos por el cliente y pueden implicar la exclusión de ciertos ítems del proceso de pronóstico. Estas reglas de negocio pueden estar relacionadas con aspectos como la disponibilidad de datos, la relevancia del ítem en el contexto del negocio o cualquier otro criterio establecido por el cliente.
Homólogos de ítems: Si un ítem en particular no cuenta con suficiente información histórica, es posible utilizar la historia de ítems homólogos o comparables. Esto implica basarse en la historia de otros ítems similares para generar un pronóstico para el ítem en cuestión. Sin embargo, si no se encuentran homólogos adecuados, esto también puede resultar en la ausencia de un pronóstico para ciertos ítems.
¿Cómo funciona la estacionalidad y la tendencia?
La estacionalidad y la tendencia son componentes importantes en el análisis de pronósticos. La estacionalidad se refiere a patrones recurrentes o fluctuaciones en la demanda que ocurren en ciertos períodos de tiempo, como estaciones del año, días de la semana o meses específicos. Por otro lado, la tendencia representa la dirección general en la que se está moviendo la demanda a lo largo del tiempo, ya sea aumentando o disminuyendo.
En nuestro enfoque, reconocemos la existencia de estacionalidad y tendencia en tus datos históricos. Para tener en cuenta estos patrones, aplicamos ajustes adicionales a los pronósticos generados. Por ejemplo, para la estacionalidad, aplicamos un valor porcentual a los pronósticos para reflejar la demanda esperada durante esos períodos específicos. Este ajuste puede ser un aumento o disminución en los pronósticos, dependiendo de la estacionalidad observada en los datos históricos.
En cuanto a la tendencia, también realizamos ajustes al forecast inicial. Si identificamos una tendencia creciente, sumamos unos puntos al pronóstico para capturar ese incremento esperado en la demanda. Por otro lado, si hay una tendencia decreciente, restamos unos puntos al pronóstico para reflejar esa disminución en la demanda proyectada.
¿Qué columnas se deben tener en cuenta?
Para construir una historia completa, es ideal contar con los siguientes datos en tu conjunto de datos: fecha, identificador de ítems (ID), demanda (cantidad, ventas, unidades) y valor monetario (ventas). Estas columnas son fundamentales para comprender y analizar la demanda de tus productos a lo largo del tiempo.
Además, existen algunas columnas complementarias que pueden resultar útiles para obtener una visión más completa y precisa de la demanda. Estas columnas incluyen la ubicación (location), que es opcional y puede proporcionar información relevante sobre las variaciones regionales en la demanda. También es importante tener en cuenta las columnas relacionadas con eventos específicos, como el stockout (falta de stock) y el sellout (ventas realizadas durante promociones o descuentos). Estas columnas pueden ayudarte a identificar períodos en los que la demanda se vea afectada por factores externos o promociones especiales.
¿Cómo se calcula la re-orden sugerida?
El cálculo de la re-orden sugerida se basa en varios factores esenciales. Estos incluyen el inventario disponible, ya sea consolidado o por ubicaciones específicas, la cantidad de ítems en tránsito, el pronóstico sugerido para cubrir un período determinado (cobertura) y el punto de reorden establecido. Al considerar estos elementos de manera integral, podemos determinar con mayor precisión la cantidad de ítems que se deben reabastecer para mantener un nivel óptimo de inventario.
¿Cuál es el stock de seguridad?
El stock de seguridad es una porción de inventario estratégicamente reservada para hacer frente a situaciones imprevistas. Es como un fondo de reserva de inventario que nos permite suplir las necesidades adicionales que puedan surgir debido a eventos imprevistos o emergencias. Este stock adicional nos brinda una tranquilidad y garantiza que estemos preparados para afrontar cualquier eventualidad sin interrupciones en nuestro abastecimiento.
¿El suggested forecast de inventarios es el mismo de los pronósticos?
No, el suggested forecast de inventarios no es equivalente a los pronósticos mensuales. El suggested forecast de inventarios se refiere al inventario para períodos futuros, teniendo en cuenta la duración estimada de cobertura de cada ítem.
¿La demanda histórica me muestra la venta del mes pasado?
Sí, la demanda histórica refleja el valor de ventas que se registró en el mes anterior. Esta métrica nos proporciona información sobre el rendimiento de ventas en períodos pasados, lo que nos ayuda a comprender y evaluar la demanda histórica de nuestros productos.
¿Qué es el punto de reorden?
El punto de reorden es determinado al sumar el leadtime demand con el stock de seguridad. Este cálculo nos indica cuándo debemos realizar o no una orden de compra. Es el punto de equilibrio que nos ayuda a gestionar nuestro inventario de manera eficiente.
¿La cobertura es dinámica o estática, es un valor que se da?
La cobertura puede ser tanto dinámica como estática, y varía según cada cliente. Algunas coberturas son fijas, mientras que otras se calculan en función de la fecha de las órdenes de compra.
¿A qué hora corren mis pronósticos e inventarios?
El horario de ejecución de los pronósticos e inventarios se ajusta a las necesidades de cada cliente. Ellos tienen la libertad de definir el horario que prefieran, ya sea en la mañana, en la tarde o en ambos horarios. Nuestro objetivo es adaptarnos a las necesidades individuales de cada cliente y garantizar un proceso eficiente.
¿Cuáles son las principales diferencias en los enfoques utilizados para los pronósticos entre el dashboard general y el dashboard location, y cómo afectan a la discrepancia en los datos y gráficas?
La discrepancia en los datos y las gráficas entre el dashboard general y el dashboard location se origina debido a la utilización de dos enfoques distintos en los pronósticos.
En el caso del análisis general, se lleva a cabo un análisis global de cada ítem, centrándonos únicamente en su comportamiento durante todo su histórico. Esto implica la ejecución de un pronóstico único exclusivamente para dicho ítem. Por otro lado, en la situación de la combinación ítem-ubicación, se emplea un enfoque diferente que implica la realización de otro pronóstico.
En este escenario, estamos evaluando cómo se comporta un ítem en una ubicación específica, ya sea una bodega, una tienda, u otro lugar similar. Esta distinción en el enfoque es la razón por la cual se presentan divergencias en los datos entre ambos paneles. Cada enfoque, al considerar diferentes variables y contextos, ofrece una perspectiva única que conduce a las diferencias observadas en las representaciones gráficas y los resultados.
¿Por qué no se muestran los datos en el WebApp Colaborativo?
La visualización de datos en el WebApp difiere de la del dashboard web, ya que son dos entornos distintos para la visualización de datos. En el WebApp, es necesario aplicar y afinar tus búsquedas utilizando filtros; una vez que aplicas los filtros, los datos se mostrarán correctamente. Es esencial que primero apliques los filtros de búsqueda antes de esperar resultados.
Page updated
Report abuse