Pronóstico de demanda con inteligencia artificial, desde su ERP y sus ventas

Por qué el pronóstico en hoja de cálculo se queda corto

La mayoría de los faltantes se ven días antes de que pasen: una entrega de proveedor que se atrasa, una demanda por encima de su promedio, un mínimo que se definió hace meses. El problema es que esas señales viven en tres sistemas distintos, así que nadie las ve juntas hasta que llama un cliente.

El pronóstico en hoja de cálculo suma otro problema: depende de una persona, de una exportación de un día cualquiera y de una fórmula que nadie más revisa. Cuando la demanda cambia, el archivo no se entera.

Cómo pronostica CIRO AI

Cuatro modelos, gana el que menos se equivoca. CIRO AI compara Prophet, ARIMA, ETS y Holt con validación cruzada walk-forward: entrena cada modelo con el pasado, lo pone a prueba contra periodos que ya ocurrieron y avanza en el tiempo. Gana el modelo con el MAPE más bajo, es decir, el que tuvo el menor error porcentual promedio.

La frecuencia se detecta sola. De diaria a anual, según cómo vienen sus datos.

Lo que trae cada pronóstico:

• las predicciones con intervalos del 95%, para ver el rango y no solo un número;
• las métricas de error RMSE, MAE y MAPE;
• la tabla de posiciones de los modelos que compitieron;
• la estacionalidad y los puntos de cambio que encontró en su historia;
• la descomposición de tendencia y residuos;
• una interpretación escrita por la IA y la exportación a CSV.

Escenarios cuando la incertidumbre importa. La simulación Monte Carlo tiene una plantilla de planeación de demanda, con ocho distribuciones, correlaciones, de 1,000 a 100,000 iteraciones y resultados de P5 a P95. Sirve para preguntar qué pasa con la demanda si un supuesto cambia.

Se actualiza solo. Cada análisis se puede programar: cada hora, cada 6 horas, a diario, cada lunes, el 1 de cada mes o con el horario que usted defina. El pronóstico de esta semana llega con los datos de esta semana.

Qué datos necesita

Para pronosticar la demanda, CIRO AI necesita la historia de ventas o de salidas con su fecha, y el nivel al que quiere pronosticar: producto, tienda, planta o región. Para convertir el pronóstico en reposición, ayuda conectar también el inventario por ubicación y las órdenes de compra abiertas.

Esos datos pueden venir de:

• SAP ECC o S/4HANA, Oracle u otro ERP, con una configuración guiada por el equipo de CIRO AI y un usuario de solo lectura;
• bases de datos y warehouses como PostgreSQL, MySQL, Snowflake, BigQuery o Redshift;
• Excel, CSV o Google Sheets, si la historia vive en archivos.

Cómo se muestra la precisión

Un pronóstico sin su error es una opinión. Por eso CIRO AI muestra, junto a cada pronóstico, cuánto se equivocó cada modelo al pronosticar periodos que ya conocía, y cuál quedó primero.

Para la gerencia basta un dato: el MAPE, el error porcentual promedio. Para el planificador, el intervalo del 95% dice cuánto colchón dejar. Y para el analista, la tabla de modelos, la descomposición y el código están a un clic. Si la historia no alcanza para un pronóstico confiable, CIRO AI lo dice en lugar de adivinar.

Ejemplo con cifras de demostración: en la interfaz de ejemplo de arriba, un pronóstico de unidades a 90 días muestra el mejor de los 4 modelos con 4.6% de error.

Del pronóstico a la acción

Alertas antes del faltante. Una regla de alerta vigila cualquier métrica: inventario bajo el mínimo, una demanda fuera de su rango normal o un cambio porcentual. Se revisa cada 5 minutos, cada 15, cada hora o a diario, y avisa en la app, por correo o en Slack. Cada alerta explica por qué se disparó.

Traslados antes que compras. Cuando un almacén tiene lo que a otro le falta, la reposición puede agruparse en traslados. En un ejemplo con cifras de demostración, 34 líneas en 11 tiendas se resolvieron con 4 traslados desde el almacén central en lugar de 34 pedidos.

La orden de compra, desde la respuesta. Con Cadena de suministro en el mismo registro, la planificadora abre la orden de compra desde la respuesta, el almacén ve el traslado y ventas ve la nueva fecha de entrega antes de que el cliente pregunte.

Las preguntas que responde

1. ¿Cuánto vamos a vender de cada producto en los próximos 90 días?
2. ¿Qué tiendas se quedarán sin los 20 productos principales antes del viernes?
3. ¿Por qué nos falta inventario en la Planta 2 esta semana?
4. ¿Qué productos están vendiendo por encima de su promedio de ocho semanas?
5. ¿Qué insumos van a faltar en cada sede la próxima semana?
6. ¿Cuál será la demanda de cada planta el próximo mes, y cuánto puede variar?

Una semana con el pronóstico de demanda

Ejemplo con cifras de demostración. No corresponde a un cliente.

Lunes, 8:00. El pronóstico se actualizó solo con las ventas de la semana. El resumen llega a compras y operaciones: qué productos van por encima de lo pronosticado y cuáles por debajo.

Martes. La planificadora pregunta qué tiendas se quedarán sin los 20 productos principales antes del viernes. Son 11 tiendas y 34 líneas. CIRO AI propone 4 traslados desde el almacén central y ella los aprueba.

Miércoles. Una alerta avisa que la demanda de la Planta 2 está 12% arriba de su promedio de 8 semanas y que dos entregas de proveedores vienen tarde. Compras se entera antes que el cliente.

Jueves. El gerente de operaciones abre la tabla de modelos del pronóstico que más se equivocó la semana pasada. Ve los puntos de cambio que encontró el modelo y ajusta el mínimo de ese producto.

Viernes. El pronóstico y su error quedan fijados en un tablero que compras y operaciones comparten, y que se actualiza solo.

Las áreas de CIRO AI que lo hacen posible

Para mínimos, existencias y traslados, vea software de inventario con inteligencia artificial.

En El Salvador y Centroamérica

CIRO AI es una empresa salvadoreña de inteligencia artificial para la industria y el comercio, y responde en español o inglés. Una cadena de farmacias de 112 tiendas, con 21,000 líneas de reposición al día, está implementando CIRO AI sobre sus datos de ventas e inventario, tienda por tienda, con una meta: menos líneas sin quedarse sin existencias. En el lanzamiento de CIRO AI, el 19 de noviembre en FUSADES, una de las demostraciones en vivo trata los pronósticos de demanda, inventario y producción.

Pronóstico de demanda por industria