LA SUPPLY CHAIN CUANTITATIVA EN POCAS PALABRAS (RESUMEN DE LA LECTURA 1.2)

Aunque la Supply Chain Cuantitativa (QSC) y las iniciativas convencionales buscan generar las mejores decisiones empresariales (y retornos financieros), la primera se desvía de la última en varias formas consecuentes. Estas características distintivas, como se describen en el Manifiesto de Supply Chain de Lokad, resumen los principios fundamentales que guían el enfoque de Lokad hacia la optimización de la supply chain. Más allá de la intervención del software, la QSC defiende una recalibración general de la mentalidad, que se centra en las fuerzas más importantes pero menos visibles que realmente ejercen la mayor influencia en la supply chain.

Ver la Conferencia

Todos los futuros posibles

Por definición, una iniciativa de supply chain es un intento de identificar y atender la demanda futura. El problema es que el futuro (en todos los contextos) es inherentemente e irreductiblemente incierto; existe una amplia gama de posibles resultados futuros, cada uno de los cuales tiene su propia probabilidad de ocurrir. La clave es que no todos los resultados son igualmente probables. Lo mismo ocurre con las supply chains, sin embargo, las soluciones tradicionales al problema de la incertidumbre de la demanda, como los pronósticos de series de tiempo, simplemente ignoran la incertidumbre. En cambio, las soluciones tradicionales se centran en producir un único valor de demanda futura, posteriormente fortificado con una fórmula predefinida de stock de seguridad.

Este enfoque ignora fundamentalmente la multitud de posibles valores de demanda futura, dejando a una empresa completamente expuesta si la demanda no cumple con las expectativas. Sin embargo, la QSC aborda la incertidumbre e identifica todos los posibles valores de demanda futura (con probabilidades distintas de cero). Esta visión es el producto del pronóstico probabilístico de la demanda, que es la base de la QSC, y proporciona una imagen mucho más detallada de la demanda futura que la serie de tiempo clásica.

Todas las decisiones factibles

En su esencia, un negocio es la suma de una extraordinaria variedad de decisiones y restricciones. En términos de decisiones, un negocio debe lidiar con opciones tanto a nivel macro como micro; trasladar una fábrica es una decisión macro importante, mientras que elegir aumentar o disminuir la cantidad de compra en una unidad representa una decisión micro rutinaria. Cada decisión conlleva su propio costo de oportunidad: no se puede gastar el mismo dólar dos veces, y tiene consecuencias en cómo afecta al negocio, tanto directa como indirectamente.

En general, un profesional de la cadena de suministro se enfrenta a un mayor volumen de decisiones a nivel micro que a nivel macro. Estas decisiones a nivel micro suelen ser las más mundanas, pero representan una capa problemática de complejidad, que se complica aún más cuando un negocio considera sus restricciones (sin mencionar las de sus proveedores y clientes). Estas pueden ser cantidades mínimas de pedido (MOQ), cantidades económicas de pedido (EOQ), tamaños de lote, espacio disponible en el estante, fechas de vencimiento, etc. En presencia de estos numerosos parámetros y el espectro de la incertidumbre futura, el concepto de una decisión perfecta de la cadena de suministro es fantasioso en el mejor de los casos.

En cambio, la QSC busca identificar todas las decisiones factibles. En este contexto, una decisión es “factible” si es inmediatamente ejecutable, lo que significa que cumple completamente con las restricciones de un negocio. Clasificar estas decisiones factibles (en busca de la más óptima) requiere no solo una comprensión sofisticada de las restricciones de un negocio, sino también una comprensión muy detallada de sus impulsores económicos.

Impulsores económicos

En términos generales, la QSC prioriza la reducción de los dólares de error en lugar de aumentar la precisión del pronóstico. Aunque puede parecer contraintuitivo, un pronóstico más preciso no se traduce automáticamente en mayores ganancias o rendimiento empresarial. Por ejemplo, se podría garantizar un nivel de servicio del 99.99% simplemente ordenando mucho más stock del que se podría vender concebiblemente. En términos de satisfacción del cliente, el negocio sería un éxito. Sin embargo, esta política resultaría en enormes pérdidas, afectando negativamente los resultados finales de la empresa.

Por lo tanto, en mayor o menor medida, hay un inevitable compromiso entre un mayor nivel de servicio y el retorno económico. La QSC no solo se centra en la reducción de los dólares de error, sino que adopta una visión económica aún más detallada, teniendo en cuenta tanto los impulsores de primer orden como los de segundo orden. Los impulsores de primer orden se pueden considerar los más obvios e ordinarios que se encuentran comúnmente en los libros de contabilidad y los ERPs convencionales: costo de los materiales, márgenes brutos, costo de mantenimiento de inventario, etc. Los impulsores de segundo orden son más sutiles, menos inmediatos y están completamente ausentes en el software empresarial tradicional. Estos impulsores representan los efectos de segundo orden de las decisiones y son una clase de preocupación más abstracta.

Considere los efectos a largo plazo de un evento de desabastecimiento. En un contexto B2B, una empresa puede tener penalizaciones contractuales por estas situaciones, lo que representa un claro incentivo financiero para evitar no alcanzar los objetivos de nivel de servicio. En un contexto B2C, estos incentivos son mucho menos claros. No existe un acuerdo explícito de nivel de servicio entre un negocio (por ejemplo, un supermercado) y sus clientes, por lo tanto, no hay un mecanismo tradicional para medir el impacto de un evento de desabastecimiento. Esto puede llevar a algunos profesionales a subestimar -o incluso ignorar por completo- las consecuencias negativas de no tener suficiente leche en los estantes.

Sin embargo, la QSC argumenta que los eventos de desabastecimiento para algunos SKUs tienen impactos financieros inesperadamente altos, y estos son desproporcionadamente altos en relación con sus contribuciones directas al margen. En otras palabras, algunos artículos, como las neveras, suelen comprarse de forma aislada. Otros, como la leche y el pan, suelen comprarse en conjunto, es decir, en combinación con otros productos. Por lo tanto, la falta de disponibilidad de ciertos SKUs puede influir en las decisiones generales de compra de un cliente.

Por ejemplo, una persona puede estar perfectamente dispuesta a esperar a que esté disponible el modelo de nevera que prefiere, pero la falta de leche en una tienda puede hacer que la misma persona se vaya y complete sus compras en otro lugar. Estos últimos SKUs, aunque quizás no sean impulsores significativos del margen en un sentido directo, tienen un valor de inventario significativo dado su valor indirecto: facilitan la venta de otros productos. Por lo tanto, en este ejemplo, la penalización por desabastecimiento de leche no se limita solo a la leche en sí; incluye la pérdida de todos los demás artículos en la cesta.

En la QSC, este valor menos obvio se expresa como cobertura de desabastecimiento (un impulsor de recompensa) y se tiene en cuenta en las políticas de inventario priorizadas¹.

El control requiere automatización

Una vez que una empresa ha identificado todos los posibles valores futuros de la demanda, ha considerado las decisiones factibles y las ha clasificado en función de todos sus impulsores económicos, el siguiente paso en la QSC es automatizar por completo el proceso de toma de decisiones de la cadena de suministro (o, como mínimo, generar automáticamente decisiones recomendadas). Esta automatización se opone directamente a la práctica común, es decir, los departamentos de empleados con hojas de cálculo.

En realidad, una cadena de suministro es un sistema de actores densamente distribuido (por ejemplo, mayoristas, proveedores, clientes), restricciones (por ejemplo, tiempos de entrega, presupuesto, niveles de servicio) y fuerzas externas (por ejemplo, estacionalidad , desastres naturales, precios de los competidores). Esperar que una mente humana (o incluso un equipo de mentes) se ocupe de todas estas variables incluso para un solo SKU es simplemente irrazonable, y mucho menos para un catálogo de miles de SKUs para múltiples tiendas.

Además, cualquier intento de innovación dentro de este marco está destinado a la burocracia y a una costosa reentrenamiento, ambos producirán retrasos e ineficiencias. En el otro extremo de este espectro, QSC busca implementar una receta numérica de extremo a extremo que genere todas las decisiones triviales y mundanas de la cadena de suministro para la gestión operativa. Estas son las decisiones que consumen demasiados dólares de atención y desvían el ancho de banda de preocupaciones mucho más urgentes.

QSC, como tal, trata la cadena de suministro como un activo en lugar de un gasto; es un proceso que debe ser optimizado (y automatizado) para obtener su mayor valor².

El Supply Chain Scientist

Un software de cadena de suministro, por impresionante que sea, no puede gobernarse a sí mismo, y mucho menos asumir la responsabilidad de los resultados que genera. La efectividad de una receta numérica está, de hecho, limitada por la experiencia del científico de datos que la implementa y supervisa. En Lokad, este rol es desempeñado por el Supply Chain Scientist (SCS).

Un SCS tiene la responsabilidad, entre otras cosas, de procesar los datos para la iniciativa QSC y de asumir la implementación exitosa de la receta numérica. Establecer una semántica de datos válida (lo que los datos realmente significan) requiere habilidad considerable, ya que el éxito de QSC se basa no solo en el procesamiento de datos, sino también en darle sentido en primer lugar. A pesar de todos los avances en IA, este sigue siendo un proceso liderado por humanos.

Por ejemplo, analizar datos de ventas históricas simples puede parecer relativamente sencillo, pero este conjunto de datos puede ser engañoso debido a una serie de factores anidados y pasados por alto. Los datos pueden contener promociones de manera no intencional, por lo que no reflejan la verdadera demanda de productos a precio completo. Alternativamente, el historial puede contener devoluciones, lo que da otra impresión falsa de la demanda. El término cantidad por día también está sujeto a cualquier número de interpretaciones; podría reflejar el día en que se realizó una venta, o el momento en que se aceptó un pedido anticipado, o cuando se recibió el pago del cliente. Esto no dice nada sobre la complejidad adicional que el ERP de una empresa podría introducir en el proceso.

Todo esto es para decir que darle sentido a los datos es complicado y requiere un científico de cadena de suministro altamente capacitado para hacerse cargo del proceso y supervisar el funcionamiento diario de la receta numérica³.

Notas