Sales and Operations Planning (S&OP)

Sales and Operations Planning (S&OP) es una práctica corporativa destinada a ofrecer una ejecución superior de la cadena de suministro mediante una mayor alineación con otras divisiones más allá de la cadena de suministro, especialmente ventas, finanzas y producción. La práctica generalmente gira en torno a un proceso mensual que comienza con las previsiones de ventas y termina con planes de producción cuantificados. Esta práctica surgió en los años 80, junto con los ERPs y MRPs que proporcionaron los números en los que basar las previsiones.

El origen y la motivación detrás de S&OP

La economía de la posguerra de los años 50 y 60 fue, en muchos aspectos, sencilla: mantener una oferta limitada, aumentar la producción, reducir los precios a través de economías de escala, y finalmente aumentar la demanda a través de los medios de comunicación masivos. Sin embargo, a finales del siglo XX, las cadenas de suministro habían superado este modelo: una gama de productos más amplia, más ubicaciones geográficas, más niveles. Como resultado, surgieron numerosas ineficiencias y la noción de cadena de suministro se convirtió en una práctica distinta de la logística. En este contexto, S&OP se acuñó en los años 80, ya que las empresas comenzaron a darse cuenta de que las desalineaciones internas eran suficientes para generar importantes costos financieros. Tanto S&OP ¹ como los silos de información ² se formalizaron en 1988.

A nivel sintomático, en los años 80, las grandes empresas se dieron cuenta de que una serie de problemas se habían vuelto frecuentes en sus cadenas de suministro:

• al mismo tiempo, la empresa podía enfrentarse tanto a grandes excedentes de inventario como a bajos niveles de servicio.
• los equipos de ingeniería sobredimensionados terminaban descartando la mayoría de las iniciativas de I+D, pero se retrasaban en la entrega de los productos que importaban.
• los equipos de marketing terminaban amplificando tanto los problemas de sobreproducción como los de subproducción al enfocar sus esfuerzos en los productos equivocados.

Frente a estos problemas, S&OP presentó una respuesta distintiva de doble vía. En primer lugar, la alineación en toda la empresa, desde la I+D temprana hasta los impulsos de marketing, debía convertirse en responsabilidad directa de la alta dirección, incluidos los CEO. Esta alineación se crearía siguiendo un proceso específico delineado por S&OP. En segundo lugar, el proceso se volvería explícita y cuantitativamente impulsado por datos, una novedad relativa de finales de los años 80 que se hizo posible a medida que los niveles de inventario electrónicos y los movimientos de inventario electrónico se volvieron comunes mediante la adopción de ERPs.

Los 5 pasos de S&OP

Se espera que el CEO de la empresa sea el responsable del proceso de S&OP y se asegure de que varias partes interesadas dediquen suficientes recursos a la iniciativa de S&OP para lograr los beneficios previstos en toda la empresa. Se supone que el proceso debe pasar por los siguientes pasos:

• Pronóstico de ventas: se consolidan los datos históricos de ventas, así como las ideas cuantitativas de los equipos de ventas, generalmente siguiendo un proceso de abajo hacia arriba, comenzando con los empleados de ventas. Se producen pronósticos de demanda en bruto.
• Planificación de la demanda: evaluación y validación de los pronósticos de demanda. Adición de ideas estructurales sobre la demanda futura y la identificación de riesgos estratégicos, que pueden no estar reflejados en los pronósticos en bruto, como fuentes de variabilidad esperada (por ejemplo, acciones de marketing).
• Planificación de la oferta: evaluación y validación de las capacidades proyectadas necesarias para cumplir con la demanda, teniendo en cuenta las variabilidades proyectadas tanto en el lado de la demanda como en el lado de la oferta. Priorización y programación de las operaciones requeridas.
• Conciliación de planes: conciliación del plan de demanda con el plan de oferta y evaluación del desempeño financiero general de la empresa (margen bruto, flujos de efectivo, retención a largo plazo de clientes, etc.).
• Finalización de planes: finalización del plan y publicación para que esté ampliamente accesible dentro de la empresa y permitir que las partes involucradas continúen con sus respectivas contribuciones al plan.

El proceso de S&OP implica una serie de reuniones destinadas a fomentar el enfoque, la alineación y la sincronización entre todas las funciones de la organización. Estas reuniones suelen ser la oportunidad de “replanificar”, aprovechando el plan anterior como punto de partida de la discusión y dirigiendo los esfuerzos donde las correcciones son más urgentes.

A nivel de software, S&OP se basa en la columna vertebral transaccional de la empresa, es decir, el ERP (Enterprise Resource Planning), el MRP (Material Requirements Planning), el WMS (Warehouse Management System), el TMS (Transportation Management System), para obtener los datos históricos relevantes, pero generalmente delega la carga de trabajo analítica en componentes de software dedicados, típicamente un APS (Advance Planning and Scheduling). El APS respalda explícitamente a S&OP tanto desde una perspectiva numérica, para calcular los pronósticos estadísticos, como desde una perspectiva de flujo de trabajo, para permitir que los usuarios corrijan y validen las cifras.

Antipatrones de S&OP

A pesar de las afirmaciones de múltiples proveedores de que las empresas “mejores en su clase” operan bajo S&OP, la mayoría de las implementaciones sufren de fallas similares, que son intrínsecas a la naturaleza misma de S&OP, a saber:

• Algunas partes involucradas tienen incentivos estructurales para distorsionar el proceso de S&OP de formas que no se pueden contrarrestar sin introducir otros problemas. Por ejemplo, “sandbagging” se refiere a la práctica generalizada de establecer objetivos muy conservadores para “superar las expectativas” más tarde, lo cual suele ser el principal impulsor de las promociones/bonificaciones dentro de la empresa.
• El gran número de partes involucradas en S&OP generalmente conduce a situaciones de “diseño por comité” donde la empresa es incapaz de tomar acciones decisivas que pueden ser esenciales para su supervivencia, ya que esas decisiones pueden antagonizar fuertemente a muchos participantes.
• Incluso en las situaciones más favorables, el proceso de S&OP siempre consume tiempo para los equipos directivos de la empresa. El hecho de que los costos generales de S&OP sean un mal necesario es discutible, pero siempre es un proceso pesado.
• Los pronósticos siempre son incorrectos en cierta medida y siempre son motivo de controversia entre las partes. Los intentos de mejorar la precisión de los pronósticos casi siempre resultan en un aumento de la complejidad del software, a expensas de la confiabilidad del software. Los pronósticos estadísticos tienden a ser opacos para la mayoría de las partes involucradas, incluido, con frecuencia, el propio proveedor de software.

También es notable que la mayoría de las críticas, válidas o no, expresadas contra S&OP se desestiman con la falacia del “No verdadero escocés”. El profesor de filosofía Bradley Dowden presenta la siguiente versión simplificada de la falacia:

Persona A: “Ningún escocés pone azúcar en su avena.”

Persona B: “Pero mi tío Angus es escocés y pone azúcar en su avena.”

Persona A: “Pero ningún verdadero escocés pone azúcar en su avena.”

De hecho, en la mayoría de las empresas que luchan con su proceso de S&OP, el consenso es que es su versión imperfecta de S&OP la que está en falta, en lugar de considerar la perspectiva alternativa: aunque S&OP puede ser un ingrediente necesario para operar la empresa, también tiene desventajas predecibles.

Los límites de S&OP

Como la mayoría de las ideas, S&OP es un producto de su tiempo: los años 80. Desde esta década, la práctica de la optimización predictiva de las cadenas de suministro ha evolucionado de formas que no eran completamente concebibles en ese momento. Por lo tanto, se podría argumentar que:

• S&OP enfatiza una perspectiva simplista del “futuro”, es decir, pronósticos clásicos de series de tiempo que intentan reflejar la demanda futura esperada. Los pronósticos probabilísticos no existen en S&OP. Los riesgos asociados, proveedores o competidores no forman parte del modelo tampoco.
• S&OP es lento porque enfatiza una perspectiva de “humanos en el proceso”. Muchas empresas nunca logran operar la versión mensual de S&OP y se quedan atascadas con revisiones trimestrales del plan. En contraste, las cadenas de suministro modernas ahora operan con decisiones impulsadas por máquinas entregadas con latencias despreciables (minutos o menos).
• S&OP no está orientado hacia vastos paisajes aplicativos interconectados que incluyen mercados digitales tanto en el lado de la demanda como en el lado de la oferta, donde las empresas buscan no solo alineación interna sino también alineación a nivel de mercado (por ejemplo, aprovechando datos de inteligencia competitiva).
• S&OP minimiza las “deseconomías de escala” que no se entendieron completamente en los años 80 y que han empeorado considerablemente en un mundo donde las cadenas de suministro ahora son mucho más complejas, no solo a nivel físico (más productos, más escalones, más transportistas, etc.), sino también a nivel de TI (trazabilidad, cumplimiento, riesgo cibernético, etc.).

En conclusión, S&OP identifica correctamente muchos desafíos que siguen siendo fundamentales en las cadenas de suministro actuales, como la necesidad de alineación en toda la empresa y la importancia de decisiones basadas en datos. Sin embargo, las recetas ofrecidas por los procesos generalmente denominados S&OP están desactualizadas.

La visión de Lokad sobre S&OP

Las mejores prácticas son objetivos en constante movimiento. Nuestra crítica principal es que S&OP no es aditivo: los recursos humanos requeridos por el proceso de S&OP se consumen en lugar de invertirse. Sin embargo, las cadenas de suministro ahora están impulsadas por recetas numéricas entregadas a través de sistemas de software. S&OP se enfoca en mejorar los resultados finales, lo cual es un proceso interminable a medida que los datos de entrada se actualizan continuamente. En contraste, los enfoques actuales se centran en mejorar las recetas numéricas en sí mismas, que generalmente involucran diversas técnicas de estadísticas de alta dimensionalidad (por ejemplo, aprendizaje automático), y luego permiten que esas recetas numéricas operen sin intervenciones manuales adicionales.

Referencias