Si tu objetivo es crecer de forma rentable, es importante que sepas como calcular la demanda de forma adecuada para tu compañía.
El cálculo de la demanda te permite entender cómo se comportará tu mercado, para que a partir de estos datos puedas alinear a tus áreas estratégicas y ajustar tus operaciones, desde el aprovisionamiento desde tus proveedores hasta la distribución a tus clientes.
Aquí te compartiremos algunos aspectos clave, que debes tener en cuenta sobre cómo calcular la demanda.
El proceso de cálculo de la demanda analiza la cantidad de productos o servicios que los consumidores están dispuestos a comprar en las diferentes combinaciones o jerarquías de tu compañía, las cuales pueden incluir diferentes ubicaciones, canales, precios y demás condiciones de mercado relacionadas con tu empresa.
Pasos para Calcular la Demanda
1. Recopilación de Datos
Poder definir cuáles son tus fuentes de datos y cómo accederás a ellos para poder procesarlos es el primer paso cuando te estás preparando para calcular la demanda.
Datos Históricos:
Examina tu demanda histórica para comprender patrones y tendencias, la cantidad de tiempo a considerar dependerá del método que desees utilizar.
Recuerda que la demanda equivale a la relación entre pedidos recibidos y productos facturados. Si no estás haciendo un correcto seguimiento a tus agotados es importante que encuentres la forma de capturar esta información para obtener un cálculo más preciso.
Generalmente la base para el cálculo de la demanda la encontrarás en tu ERP (Enterprise Resource Planning).
Otras Fuentes de Datos Internas:
La aceleración del proceso de transformación digital ha llevado a que las empresas adquieran nuevas herramientas para sus ventas y cadena de suministro como lo son el WMS (Warehouse Management System), MRP (Material Requirements Planning), TMS (Transportation Management System), CRM (Customer Relationship Management), entre otras.
Debes tener en consideración las herramientas que pueden ayudarte a tener un cálculo de la demanda más preciso, según tengas definido tu proceso.
Fuentes de Datos Externas:
Identificar que fuentes de datos externas pueden impactan el comportamiento de tu mercado te puede ayudar a obtener proyecciones más precisas. Se debe verificar que tu fuente de información sea estable y confiable para poder integrarla a tu proceso.
Si tu industria lo requiere, puedes realizar investigaciones de mercado como encuestas, entrevistas o análisis de datos secundarios para obtener información sobre las preferencias y comportamientos de los consumidores.
Mientras más variables y fuentes de datos desees integrar, más robusto debe ser el método de procesamiento de información, como lo son modelos de machine learning y deep learning para poder obtener insights de valor en el análisis de datos complejos.}
Ten en cuenta que la calidad de los datos y tus fuentes dependerá la calidad de los resultados que obtengas.
2. Identificación de Variables
Definir las variables relevantes para tu empresa te ayudará a establecer mecanismos que contribuyan en la mejora de la precisión.
- Precio: ¿Tienes claro si las variaciones en el precio afectan la cantidad de productos demandada? ¿Qué tan volátil es el comportamiento del precio de tus materias primas y como afecta el precio de tus productos?
- Ingresos: ¿Has evaluado si existe alguna relación entre los ingresos de los consumidores y la demanda de tus productos?
- Gustos y Preferencias: ¿Tu demanda es sensible a cambios en las preferencias del consumidor? ¿Cómo puedes obtener esta información?
- Factores Externos: ¿Las variables externas como la economía, política, demografía y tendencias del mercado afectan el comportamiento de tu demanda? ¿Cuáles son las variables más representativas en tu industria?
Recuerda preguntarte ¿qué otra variable es representativa en tu industria? e inclúyela en tu modelo.
3. Selecciona el Modelos de Planeación de Demanda:
Existen múltiples modelos para la proyección de tu demanda y la selección del modelo adecuado te ayudará a mejorar tus resultados.
¿Has notado que un mismo producto puede tener comportamiento diferente según como lo analices? Es decir, si miras el comportamiento de un mismo producto en las diferentes ubicaciones, canales o combinaciones, cada uno de estos puede tener un comportamiento diferente.
Algunos tendrán un comportamiento más estable y otros más variable, razón por la cual te recomendamos no depender de un único modelo de pronóstico.
Métodos causales:
Modelos de Regresión Lineal: Se basa técnicas estadísticas para identificar relaciones entre variables.
y = α + β x
Imagina que vas a predecir demanda de helados (y) en base a la temperatura (x). Suponiendo que has recopilado datos y quieres calcular la regresión lineal.
y = La variable dependiente que quieres predecir, ¿Cuántos helados voy a vender?
x = La variable independiente, en este caso será la temperatura
α = Valor de origen, que representa el valor de las ventas cuando la temperatura es igual a cero.
β = Pendiente o variación de la variable independiente, que indica cuánto cambian las ventas de helados por cada cambio unitario en la temperatura.
y (Cantidad de Helados a Vender) = α (50) + β (2) * x (Temperatura)
Esto significa que, según el modelo, por cada grado adicional de temperatura, se espera que las ventas de helados aumenten en 2 unidades.
Modelos de Regresión Múltiple: Involucra múltiples variables independientes.
La regresión múltiple es útil cuando se necesita predecir una variable dependiente (como las ventas de helados) en función de dos o más variables independientes (como el precio, la publicidad y la temperatura). La ecuación de regresión múltiple puede expresarse de la siguiente manera:
y = α + β1 x1 + β2 x2 + β3 x3
Tomando como base el ejemplo anterior, se va a predecir demanda de helados (y) en base al precio (x1), la publicidad (x2) y la temperatura (x3). Suponiendo que has recopilado datos y quieres calcular la regresión lineal.
y = α + β1 (Precio) + β2 (Publicidad) + β3 (Temperatura)
y (Demanda de Helados) = α (1.000) – (50 * Precio) + (20 * Publicidad) + (2 * Temperatura)
Esto significa que, según nuestro modelo, las ventas se esperan que disminuyan en 50 unidades por cada aumento en el precio, aumenten en 20 unidades por cada unidad adicional de inversión en publicidad, y aumenten en 2 unidades por cada grado adicional de temperatura.
Series temporales:
Promedio Móvil Simple: Método estadístico utilizado para analizar datos temporales y suavizar las fluctuaciones a corto plazo con el fin de identificar tendencias o patrones a largo plazo de una serie temporal.
La proyección de la demanda con un promedio móvil simple requiere calcular el promedio de la demanda de un producto en intervalos de tiempo sucesivos, con la siguiente ecuación:
y = X (Demandai)
Donde:
y = Proyección de la Demanda de Helados y equivale a la estimación de la demanda del próximo período.
n = Número de períodos incluidos en el promedio móvil.
Demandai = Suma de ventas en el período i.
Para el caso de la proyección de la demanda de Helados mensuales, se realizará un promedio simple de 3 meses.
y = Ventast-3 + Ventast-2 + Ventast
3
y (Proyección de la Demanda de Helados) = Demanda Enero + Demanda Febrero+ Demanda Marzo 3
y = 50 + 30 + 60 = 46,6 ↦ Promedio de 47 Helados/Mes
3
El promedio móvil simple es útil para suavizar las fluctuaciones estacionales y destacar tendencias a mediano plazo en las ventas de productos. Se debe ajustar el valor de n según la calidad de los datos y la frecuencia de las fluctuaciones que se desean suavizar.
Suavización Exponencial: Es similar al promedio móvil, pero se asignan pesos a los datos históricos para dar mayor relevancia a la información más reciente.
Ft+1 = α * Yt + (1−α) * Ft
Ft+1 = Estimación de la demanda de próximo período.
Yt = Demanda en el período actual.
Ft = Estimación de la demanda para el período actual
α = Factor de suavización exponencial. Determina la rapidez con la que se reacciona a nuevas observaciones, con un valor entre 0 y 1.
Cuando α es cercano a 1, se da más peso a los datos más recientes, haciendo que el modelo reaccione rápidamente a cambios en la demanda. Por otro lado, cuando α es cercano a 0, el modelo tiende a ser más estable y menos sensible a variaciones recientes.
Si Yt = 100 Helados y Ft = 90 Helados para el mes actual, y se define α = 0.2 para dar más peso a los valores recientes el cálculo sería:
Ft+1 = α (0.2) * Yt (100) + (1−α (0.2)) * Ft (90) = 20 + 0.8 * 90 = 20 + 72 = 92
Ft+1 = 92 Helados se proyectan para el próximo período.
Descomposición de Series Temporales: Se usa para desglosar una serie temporal en sus componentes fundamentales como lo son tendencia, estacionalidad y error con el objetivo de obtener proyecciones más precisas.
Yt = Tt + St + Et
Yt = Demanda en el período t.
Tt = Representa la dirección de la demanda a lo largo del tiempo. (Ascendente, Decreciente, Constante)
St = Refleja patrones repetitivos en corto plazo.
Et = Variación entre la tendencia y estacionalidad.
Para ejemplificar se tiene el siguiente caso:
Yt = 100 Helados para el tiempo t.
Tt = 90 Helados como tendencia a largo plazo.
St = 20 Helados equivalentes a un patrón estacional.
Et = Yt – Tt – St = 100 – 90 -20 = -10 Helados que representan el error residual.
Pronóstico Colaborativo: Busca la colaboración entre diferentes stakeholders, como áreas internas, aliados comerciales, proveedores o incluso clientes estratégicos, para generar pronósticos más precisos y basados en diversas fuentes de información.
En las áreas internas permite alinear la visión de diversas áreas estratégicas dentro de la cadena de suministro, como lo son las áreas de ventas, mercadeo, operaciones y finanzas, incluye información como negociaciones, restricciones de proveedores, campañas de mercadeo, entre otros factores.
- Mercadeo sugiere que las próximas promociones pueden aumentar la demanda en un 10%.
- Ventas aporta información sobre tendencias del mercado y prevé un aumento del 5% debido a la temporada navideña.
- Producción identifica restricciones en la cadena de suministro que podrían afectar negativamente las ventas, estimando una reducción del 3%.
Pronóstico Colaborativo = Pronóstico Base + Aporte de Mercadeo + Aporte de Ventas + Aporte de Operaciones
Si se parte de un pronóstico base de 1.000 Helados y teniendo en cuenta los aportes de cada departamento, se puede calcular:
Pronóstico Colaborativo = 1.000 Helados + (1.000 * 0.1) + (1.000 * 0.05) – (1.000 * 0.03) = 1.120 Helados
Con aliados comerciales o clientes estratégicos permite incluir sellout, negociaciones, participación en campañas de mercadeo, entre otros.
A los proveedores permite anticiparlos o tener en cuenta restricciones que puedan tener para el cumplimiento de niveles de servicio.
Permitiendo tener en cuenta, por ejemplo, negociaciones que se están llevando a cabo con clientes, campañas de mercadeo, entre otros factores que pueden afectar al área de operaciones y los niveles de servicio hacia los clientes.
Modelos de Inteligencia Artificial: Si requieres analizar grandes volúmenes de información e incluir variables complejas, lo ideal es recurrir al uso de modelos de inteligencia artificial debido a la velocidad y precisión con la que puedan analizar grandes volúmenes de información para proyectar escenarios probables.
Existen diversos métodos de inteligencia artificial para el procesamiento de pronósticos de la demanda que pueden incluir aprendizaje supervisado y no supervisado, como lo son: machine learning, redes neuronales, deep learning e inteligencia artificial generativa. Permitiendo acceder a nuevos niveles de analítica avanzada para tu negocio como lo son los modelos predictivos, prescriptivos o cognitivos.
Algunos de los más usados son modelos de machine learning, a los cuales se les realiza aprendizaje supervisado para que a partir de data histórica puedan aprender de los patrones y hagan proyecciones futuras.
4. Establecimiento de Escenarios
Escenarios de Precio: Analiza cómo diferentes niveles de precio afectan la demanda.
Escenarios Económicos: Considera situaciones económicas diversas y su impacto en la demanda.
Elasticidad Precio de la Demanda: Mide la sensibilidad de la cantidad demandada ante cambios en el precio.
Escenario de Promociones y Eventos: Evalúa el impacto de promociones, descuentos u otros eventos de mercadeo en la demanda para optimizar estrategias comerciales.
Escenario de Estacionalidad: Considera patrones estacionales para anticipar aumentos o disminuciones predecibles en la demanda, como en las temporadas de vacaciones o eventos específicos.
Escenario de Cambios en las Tendencias: Analiza y proyecta cambios en las tendencias de la demanda, ya sea por factores externos, cambios en la preferencia del consumidor o innovaciones en el mercado.
Escenario de Introducción de Nuevos Productos: Proyecta la demanda al lanzar nuevos productos al mercado, considerando la aceptación del consumidor y la competencia.
Escenario de Escasez de Suministros: Anticipa el impacto de posibles interrupciones en la cadena de suministro en la demanda y tomar medidas preventivas.
Escenario de Cambios en las Políticas Gubernamentales: Evalúa cómo cambios en las políticas gubernamentales, como regulaciones comerciales o fiscales, pueden afectar la demanda.
Conclusiones
El cálculo de la demanda es un proceso dinámico que requiere una comprensión profunda del mercado y una adaptación constante a cambios en las variables clave. Al utilizar herramientas analíticas y modelos matemáticos, las empresas pueden tomar decisiones basadas en datos para satisfacer las necesidades cambiantes de los consumidores y mantenerse competitivas en el mercado.