CREACION DE PRONOSTICOS PRECISOS A TRAVES DEL

MODELAMIENTO TOP DOWN

Hay dos principios fundamentales en un proceso de planeacin de Ventas y Operaciones, el primero de ellos es balancear la oferta y la

demanda del cual es la esencia del proceso de planeacin de la demanda y del cual ya se ha hablado en mltiples ocasiones en nuestras

publicaciones, sin embargo hay otro principio fundamental sobre el cual no se ha hecho el mismo nfasis:

Concentrarse en el Panorama y administrar el MIX El presente artculo explica como la aplicacin de este principio va en

concordancia con las mejores prcticas del proceso de pronstico para mejorar la precisin del resultado, donde dependiendo de las

propiedades de los datos se puede utilizar una estrategia de planeacin

agregada (Top Down).

Que es un Pronostico Top Down?

Muchas compaas manejan mltiples niveles de agregacin y requieren pronsticos consistentes en todos los niveles. Por ejemplo una empresa

de bebidas podra necesitar un pronstico de ventas totales, pero tambin un pronstico por marca, por segmento de cliente, por

presentacin y por SKU.

Modelo Base Bottom Up Top Down Paquete de 6 70 70 84

Paquete de 12 30 30 36 Cerveza 120 100 120

Cuando se preparan pronsticos por jerarquas, usted debe tener clara su estrategia de consolidacin, un enfoque es aplicar mtodos de

pronstico estadsticos directamente a las historias de demanda de nivel ms bajo y construir todos los pronsticos de nivel de grupo sumando

los pronsticos de nivel inferior -esto se conoce como un pronstico Bottom Up. Un enfoque alternativo es usar mtodos de pronstico

estadsticos sobre datos ms agregados y luego aplicar un esquema de asignacin para generar los pronsticos de nivel inferior Esto se conoce como un pronstico Top Down.

Ilustremos este enfoque con un ejemplo:

La columna de Modelo base contiene los pronsticos aplicando un

mtodo de pronstico estadstico de forma independiente para cada nivel jerrquico. As en nuestro ejemplo, si usted pronosticara la

demanda de la presentacin Paquete de 6, el pronstico seria igual a 70, de igual forma si pronosticara la demanda de la presentacin

Paquete de 12 el pronstico seria igual a 30 y si usted pronosticara la demanda de Cerveza totales el pronstico sera igual a 120. Note que

los pronsticos totales no son iguales a la suma de paquete de 6 y paquete de 12 cuando los tres sets de datos son pronosticados

independientemente usando su propia historia.

En el enfoque Bottom Up los pronsticos del modelo base son usados para los datos de nivel de SKU (Paquete de 6 y Paquete de 12) y los

pronsticos a nivel de grupo (Cerveza) son calculados como una suma. En el enfoque Top Down El pronostico del modelo Base es usado a nivel

de grupo y los pronsticos de nivel de SKU son ajustados

proporcionalmente de modo que la suma sea igual a lo que se esta pronosticando a nivel de grupo.

Cuando la aplicacin de un modelo Top Down puede mejorar los

resultados del pronostico?

La decisin de utilizar un modelo Top Down o un Bottom Up a menudo depende de dos cuestiones importantes.

1. Las unidades de niveles inferiores (SKUs) requieren distintos

modelos estadsticos?

Esto sera el caso si las fuerzas de mercado que forman ventas en el nivel inferior son diferentes. Mercados diferentes, publicidad

diferente, promocin, y distribucin diferente. Si las manzanas y

naranjas tienen mercados claramente diferentes, entonces probablemente ser mejor pronosticarlos separadamente.

Si no, entonces hay a menudo una alternativa al pronosticar Top

Down, Siempre y cuando los datos de nivel inferior sean estadsticamente similares, este modelo de pronstico generalmente

ofrecer mejores resultados ya que presenta las siguientes caractersticas:

A. Hay un mayor volumen de datos.

B. Hay menos ruido (variacin aleatoria) en los datos agregados que podran sesgar los pronsticos.

C. Los datos agregados a menudo presentan una estructura ms

pronunciada, donde es ms fcil reconocer los patrones y pronosticarlos.

2. Existe suficiente informacin estadstica en el nivel ms bajo

para construir un modelo basado slo en las ventas?

Muchas organizaciones que necesitan generar pronsticos al nivel mas bajo descubren que en los niveles ms bajos no hay la

informacin suficiente para generar una estructura estadstica adecuada. En estos casos no hay ms remedio que generar los

pronsticos no con modelos estadsticos, sino mediante el uso de un sistema de asignacin Top Down.

Por ejemplo.

La figura 1 muestra las ventas mensuales de una marca de jarabe para la tos.

La Figura 2 muestra las ventas mensuales para un SKU. La empresa asigna un nico nmero a cada SKU por la combinacin de sabor y

tamao de botella que produce.

Considere los dos grficos. Observe que en el nivel de Total Jarabe

hay una estructura de datos ms definida, el patrn estacional es evidente, hay menos ruido y tambin se tiene ms de Dos aos de

historia de la demanda, mientras que a nivel de SKU1 slo se cuenta con la historia de los ltimos 7 meses.

En este ejemplo, . El jarabe para la tos es claramente un producto

estacional pero la falta de historia a nivel de SKU1 no permite construir un modelo de pronstico con estas caractersticas, por

consiguiente un modelo bottom-up ofrece un rendimiento de pronostico muy pobre. Por otro lado, un enfoque Top Down le permite

capturar la estructura estacional que existe en el nivel de grupo y pronosticar el SKU1 por medio de un ajuste proporcional mostrando

que el SKU1 puede tener un comportamiento estacional a pesar de solo contra con 7 meses de historia como lo muestra la Figura 3.