Una forma más sencilla de modernizar su cadena de suministro

La mayoría de los ejecutivos creen que la digitalización de la cadena de suministro de una gran empresa cuesta decenas de millones de dólares. La suposición es que se tratará de un enorme esfuerzo de transformación de tres a cinco años, que requerirá importantes inversiones en tecnología de nube, la instalación de etiquetas y lectores RFID en todos los contenedores de productos y en cada instalación, el despliegue de tecnologías robóticas y de impresión 3D y nuevos instrumentos en las máquinas del taller para supervisar su rendimiento y estado. Se piensa que todo lo que es necesario para derribar los muros entre las áreas funcionales y crear una cadena de suministro integrada que dé una ventaja competitiva.

Pero en nuestro trabajo de consultoría para varias empresas, hemos descubierto una alternativa. Las experiencias de estas firmas, que incluyen un minorista mundial de moda, un gran fabricante de productos de consumo empaquetados (CPG), un fabricante mundial de electrodomésticos y una empresa de alta tecnología que produce ordenadores, tabletas y estaciones de trabajo, demuestran que es posible obtener beneficios sustanciales gastando unos pocos millones de dólares en una modernización de la cadena de suministro que lleve de 12 a 24 meses. En estos esfuerzos más moderados, las empresas recopilan datos fácilmente disponibles; utilizan la analítica avanzada para entender y predecir el comportamiento de los clientes y los proveedores; optimizan la toma de decisiones sobre el inventario, la producción y el aprovisionamiento para reducir costes y mejorar la capacidad de respuesta; y añaden un poco de automatización para renovar los procesos existentes e introducir otros nuevos.

El secreto del éxito de este enfoque está en tres iniciativas: en la primera, las empresas sustituyen las previsiones consensuadas por una visión unificada de la demanda. En el segundo, pasan de una estrategia de cadena de suministro de talle único a una estrategia segmentada. En la tercera, crean un plan único para equilibrar continuamente la oferta y la demanda e identificar y responder a las desviaciones o interrupciones.

Si se ejecutan bien, estas iniciativas conducen a reducir los costes de la cadena de suministro y a aumentar los ingresos debido a la reducción de las existencias y a la mejora de los niveles de servicio (la proporción de pedidos que se entregan a tiempo y en su totalidad). Es igualmente importante que permiten a las empresas aumentar la retención de clientes. En la tienda de moda, ayudaron a aumentar la cuota de mercado en más de un 28% y a duplicar los beneficios operativos en solo tres años. Las ganancias operativas y financieras de la iniciativa de la empresa de CPG cubrieron sus costes en solo dos años. La empresa de alta tecnología experimentó una mejora del 10 al 30% en los niveles de servicio. Y el fabricante de electrodomésticos logró un aumento del 20% en sus ingresos, aumentó la proporción de clientes a los que podía ofrecer entregas en un día del 70 al 90% y redujo sus costes operativos entre un 3 y un 4%.

Unas previsiones de pedidos más precisas se traducen claramente en un plan de suministro más eficaz, que reduce la pérdida de ventas.

En este artículo nos centraremos en la implementación del enfoque por parte del fabricante de CPG. Es un caso particularmente instructivo por los extraordinarios desafíos a los que se enfrentaba la empresa para abordar las deficiencias de su sistema actual, que incluía varios procesos manuales que llevaban mucho tiempo, un exceso de inventario y una gran cantidad de productos caducados y dañados.

Crear una visión unificada de la demanda

El viaje comienza con un replanteamiento del proceso de planificación de la demanda. Los enfoques tradicionales emplean la previsión consensuada, en la que cada función (operaciones, finanzas, ventas y operaciones (que es responsable del marketing, las promociones, los descuentos, etc.) utiliza técnicas estadísticas estándar, datos históricos de ventas y algunos datos externos para generar su propia previsión. Luego, todas las funciones se reúnen y elaboran una previsión uniforme de compromiso.

Ese proceso tiene dos inconvenientes. En primer lugar, se tarda mucho (normalmente de cuatro a cinco semanas) en generar las distintas previsiones y llegar a un consenso que satisfaga todos los requisitos empresariales. Para entonces, los datos de ventas utilizados son antiguos. En segundo lugar, en lugar de ponerse de acuerdo con los datos y hacer que los análisis produzcan una previsión única, las personas implicadas suelen centrarse en encontrar un equilibrio entre las previsiones contradictorias y se basan en sus instintos sobre lo que impulsa las ventas, los ingresos y los márgenes.

Una forma mucho mejor de generar una visión unificada de la demanda es empezar con los conjuntos de datos que todos los participantes estén de acuerdo en que ofrecen la imagen más precisa. El fabricante de productos de CPG, por ejemplo, eligió cuatro tipos:

• datos internos sobre envíos a minoristas, precios, descuentos, promociones y diversas características del producto
• datos sobre la demanda de los consumidores, a los que pueden acceder a través de la tecnología de puntos de venta de los minoristas o que proporcionan empresas como IRI y Nielsen
• información macroeconómica (incluidos el PIB trimestral, el índice de gestores de compras, el índice de precios al consumidor y las tasas de desempleo e inflación) que ayude a explicar el comportamiento, la estacionalidad y las tendencias de los consumidores
• datos externos sobre otros factores que pueden indicar o afectar a la demanda, como las búsquedas en Internet, las menciones de productos en las redes sociales, la temperatura media, las precipitaciones, las vacaciones y los precios de la competencia

Con estos datos y análisis avanzados, las empresas pueden establecer un proceso circular automatizado de cinco pasos que genere planes de oferta, financieros y comerciales para las próximas 50 a 80 semanas, el horizonte de planificación para la mayoría de las empresas. Así es como es ese proceso en el fabricante de productos de CPG:

Cinco pasos para una cadena de suministro mejor y más barata

Mediante la analítica avanzada, las empresas pueden establecer un proceso circular automatizado de cinco

…

En primer lugar, la información de planificación comercial (sobre promociones, descuentos e inversiones de marketing futuras) se combina con los datos de consumo, macroeconómicos y externos para generar una previsión de la demanda del mercado por SKU y minorista para cada semana de todo el horizonte. Por lo que hemos observado, la mayoría de las empresas de CPG nunca han intentado predecir la demanda con un nivel tan detallado.

En segundo lugar, la previsión de la demanda de cada minorista se combina con los datos históricos de los envíos de la empresa a ese minorista para generar una previsión semanal de los pedidos del minorista de cada SKU para el futuro.

En tercer lugar, la empresa suma todas las previsiones de pedidos y las convierte en un plan de suministro factible. El plan tiene en cuenta los recursos disponibles, incluidos los inventarios de materias primas y productos acabados, las restricciones de la capacidad de fabricación y los objetivos del mercado (por ejemplo, para aumentar las ventas de una categoría de productos en una combinación determinada de minoristas y regiones). También tiene como objetivo lograr ciertos objetivos de rendimiento. La empresa de CPG se centró en minimizar los costes totales de la cadena de suministro, pero el objetivo elegido variará de una empresa a otra. En algunas empresas, por ejemplo, puede ser para maximizar los ingresos o la cantidad de suministros producidos.

El cuarto paso es utilizar el plan semanal de suministro de SKU para que todos los minoristas generen previsiones de ingresos y márgenes brutos a nivel de marca para cada mes del horizonte de planificación.

El quinto paso es comparar esa previsión financiera con los objetivos empresariales de la empresa. Una brecha entre ambos podría provocar un cambio en el plan comercial, por ejemplo, añadir descuentos más agresivos o aumentar las inversiones en marketing para estimular las ventas.

Cuando estaban considerando la adopción de este nuevo proceso, los directores de la empresa de CPG hicieron una serie de preguntas que son representativas del tipo de preocupaciones que la mayoría de los ejecutivos expresan sobre nuestro enfoque. Vamos a examinarlos uno por uno.

¿Qué grado de precisión de las previsiones puede alcanzar el proceso?

Los estudios han demostrado que la variabilidad en la demanda de los clientes es significativamente inferior a la variabilidad en los pedidos minoristas, una realidad que subyace al conocido efecto látigo en las cadenas de suministro. Esto implica que predecir el consumo debería ser más fácil que predecir los pedidos minoristas y, de hecho, la precisión de las previsiones de la empresa de CPG sobre la demanda del mercado es bastante alta. En cualquier momento, las previsiones de demanda a nivel de SKU, semana y minorista para dentro de cinco a ocho semanas han demostrado tener una precisión del 85%.

La combinación de una previsión de consumo más exacta con los pedidos minoristas históricos permitió a la empresa de productos de consumo envasados mejorar su previsión de los futuros pedidos de los minoristas. La precisión de las previsiones de pedidos semanales ha sido entre 15 y 20 puntos porcentuales más alta que la de las previsiones estándar basadas en el consenso que la empresa utilizaba anteriormente. Y unas previsiones de pedidos o envíos más precisas se traducen claramente en un plan de suministros más eficaz, que reduce la pérdida de ventas (lo que aumenta los ingresos) y mejora los niveles de servicio y la experiencia del cliente.

Por último, dado que las aportaciones son más precisas, también lo es el plan financiero. En varias implementaciones de este enfoque en varias empresas de CPG, la precisión de las previsiones financieras realizadas a principios de un mes determinado para el mes siguiente aumentó del 95 al 97%.

¿Podremos entender qué impulsa los cambios de comportamiento y de otro tipo que predicen los planes?

Esta pregunta es probablemente la más importante. De hecho, según nuestra experiencia, prácticamente todos los ejecutivos se muestran reacios a seguir ciegamente las recomendaciones de una caja negra desarrollada por científicos de datos. Quieren, con razón, poder interpretar y explicar el resultado del proceso de previsión de la demanda.

Por ejemplo, ¿el aumento o la disminución se debe al comportamiento de la competencia, a la canibalización de los productos, las promociones y los descuentos, o simplemente a un evento especial o festivo? La buena noticia es que la tecnología analítica actual es lo suficientemente madura como para permitir que una sola previsión semanal de SKU se descomponga en sus componentes básicos. Esto se hace modelando explícitamente los datos como una combinación de variables clave (el comportamiento de la competencia, etc.) y estimando la contribución de cada una de ellas a la previsión.

Los ejecutivos también quieren saber las razones por las que, por ejemplo, la previsión generada la semana pasada es diferente a la generada esta semana. Esta también es la información que la tecnología analítica actual puede proporcionar al comparar los datos de entrada utilizados para generar cada una de las previsiones.

Las tomas aéreas de Bernhard Lang de una planta de producción de bebidas exploran la repetición y la geometría de la vida cotidiana. Bernhard Lang

Por último, los ejecutivos quieren entender por qué las previsiones y las ventas reales a veces se desvían. En la empresa de CPG, la respuesta es que las ventas se ven afectadas por la forma en que los minoristas ejecutan las decisiones sobre precios, promociones, descuentos e inventario, una dimensión que el equipo de planificación del fabricante no puede ver. Por ejemplo, la previsión puede estar equivocada cuando un minorista tiene problemas operativos para trasladar el inventario a las estanterías o para implementar promociones o descuentos según lo planeado. La información sobre el inventario del minorista y los precios que pagan los consumidores en la caja registradora puede revelar estos problemas, pero según nuestra experiencia, la mayoría de los minoristas no la proporcionan a sus proveedores de productos de consumo. Por lo tanto, en la empresa de CPG, cualquier diferencia significativa entre las ventas previstas y las reales desencadena una investigación sobre el motivo de la diferencia.

¿Cómo podemos asegurarnos de que todas las funciones siguen el nuevo enfoque?

La respuesta es establecer un centro de previsión de excelencia que reúna a personas de las distintas funciones, tecnólogos de la información y científicos de datos. Su función consistirá en ponerse de acuerdo sobre los datos que se utilizarán y dejar que los análisis generen las previsiones y el plan de suministro de acuerdo con el proceso de cinco pasos.

¿Con qué frecuencia debemos ejecutar este proceso?

En este caso, la respuesta depende de los ciclos de mercado de las distintas empresas y marcas. Para la mayoría de las empresas, la previsión de la demanda, la previsión de pedidos de los minoristas y el plan de suministros deben actualizarse semanal o quincenalmente, mientras que la previsión financiera y la comparación con los objetivos de la empresa deben hacerse mensualmente. Pero hay excepciones claras. Algunos de los productos del fabricante de CPG tienen ciclos de vida cortos, de solo seis o siete semanas. En estos casos, las empresas tienen que actualizar la previsión de la demanda, la previsión de pedidos de los minoristas y el plan de suministros dos veces por semana. (Lo mismo ocurre con los fabricantes de productos de moda, cuyas temporadas de venta no duran más de 10 u 11 semanas).

Redefinir la estrategia de la cadena de suministro

Las estrategias tradicionales de la cadena de suministro suelen centrarse en la eficiencia operativa o en la capacidad de respuesta. Cuando la eficiencia operativa es la prioridad, una empresa se esfuerza por reducir la mayor cantidad posible de costes de la cadena de suministro, y ese objetivo impulsa la selección de proveedores, las estrategias de fabricación, el diseño y la distribución de los productos y la logística. Por lo general, las decisiones de producción y distribución se basan en previsiones a largo plazo, los inventarios de productos acabados se sitúan cerca de la demanda de los clientes y los componentes suelen proceder de países de bajo coste.

El objetivo de una estrategia de respuesta es competir a tiempo de comercialización, satisfacer la demanda rápidamente y eliminar las agotaciones de existencias. La fabricación o el ensamblaje de los productos se basan en los pedidos reales y no en las previsiones; los productos pueden personalizarse; los inventarios de los componentes se maximizan pero los inventarios de productos acabados se minimizan; y se prioriza la velocidad por encima del coste en las decisiones sobre el abastecimiento y el transporte.

Aunque los ejecutivos experimentados de operaciones y cadena de suministro entienden la diferencia entre eficiencia y capacidad de respuesta, muchos no saben cuándo aplicar cada estrategia. Esto se debe a que los diferentes productos tienen características diferentes, algunos requieren una estrategia centrada en la eficiencia, otros una estrategia centrada en la capacidad de respuesta y otros un enfoque híbrido. Hasta hace poco, los ejecutivos no tenían las herramientas para segmentar los productos y decidir qué estrategia era la adecuada para un segmento en particular. Pero eso ha cambiado, gracias a la digitalización y la analítica.

Las empresas necesitan predictores clave del rendimiento: métricas que indiquen cuál será el estado de la cadena de suministro en las próximas tres a seis semanas. Son fundamentales para una ejecución inteligente.

El fabricante de bienes de consumo comenzó por explorar las variaciones en los datos de ventas y se centró en la volatilidad de las ventas, el volumen y el margen de beneficio de los productos, ya que cada uno está directamente relacionado con los riesgos asociados con la falta de existencias, los niveles de servicio, el inventario y el transporte. Cuanto mayor sea la volatilidad de las ventas, menor será la precisión de las previsiones y más riesgoso será el producto. Eso, a su vez, se traduce en frecuentes desabastecimientos y niveles de servicio más bajos. Del mismo modo, cuanto mayor sea el margen de beneficio de un producto, mayor será el riesgo, ya que no hacer un pedido tendrá un mayor impacto en los resultados. El volumen, por el contrario, es inversamente proporcional al riesgo, es decir, cuanto mayor sea el volumen, menor será el impacto de no cumplir un pedido y menor será el riesgo. Estas relaciones son coherentes con las que hemos visto en otras empresas de bienes de consumo y minoristas, aunque a veces otras empresas se centran en el precio o el coste del producto más que en el margen del producto, según cuál sea más estable y, por lo tanto, más fácil de aplicar.

El análisis reveló que la empresa de CPG tenía cuatro segmentos de productos, aunque es posible que otras empresas tengan más segmentos dadas las características de sus productos. Cada segmento requería una estrategia de cadena de suministro diferente. El primer segmento comprende productos que se caracterizan por una alta volatilidad. Como sus riesgos de desabastecimiento, nivel de servicio e inventario son altos, necesitan una estrategia de cadena de suministro que responda. Sus inventarios de productos terminados deberían estar ubicados en los centros de distribución centrales. Cada centro será responsable de muchos puntos de venta, lo que permitirá a la empresa acumular la demanda, mejorar la precisión de las previsiones y reducir los inventarios necesarios para abastecer a los minoristas en conjunto y, al mismo tiempo, mantener niveles de servicio altos. Como la entrega rápida es fundamental, estos productos suelen enviarse a través de instalaciones regionales cruzadas, en las que los artículos de los camiones grandes que llegan se recargan en camiones más pequeños que salen sin almacenamiento intermedio.

El segundo segmento incluye productos de alto volumen y baja volatilidad, que requieren una estrategia de eficiencia. En su caso, las previsiones son fiables y gestionar los costes de transporte es importante. Por eso, los productos se almacenan en almacenes regionales cerca de los clientes y el inventario se repone según un cronograma fijo. Eso permite a una empresa cargar completamente los camiones que llevan los productos de las instalaciones de fabricación a los almacenes regionales, lo que reduce los gastos de transporte.

Los dos segmentos restantes se caracterizan por factores conflictivos: la baja volatilidad de la demanda (lo que sugiere que lo mejor sería una estrategia de eficiencia) y el bajo volumen de productos (lo que por sí solo requeriría una estrategia de respuesta). Lo que distingue a estos dos segmentos son los márgenes de los productos.

Veamos primero los de márgenes altos. Como estos productos son más riesgosos, muchos de ellos se almacenan tanto en ubicaciones centralizadas como en almacenes regionales y se reponen en función de las ventas reales en las tiendas. Esa estrategia permite a la empresa lograr un equilibrio entre la eficiencia y la capacidad de respuesta, aunque se inclina por la capacidad de respuesta.

Los productos de baja volatilidad, bajo volumen y bajos márgenes, por el contrario, exigen una estrategia híbrida que se incline por la eficiencia. De hecho, dado que los riesgos y el coste de mantener el inventario son bajos y la demanda es predecible, una empresa puede enviar estos productos en camiones completamente cargados a los almacenes regionales cercanos a sus clientes, suministrarlos desde esos lugares y minimizar los costes de transporte.

Una vez que la empresa ha realizado la segmentación, tiene que desarrollar estrategias detalladas de abastecimiento, fabricación y logística. Un objetivo debería ser identificar las sinergias entre los segmentos que permitan a la empresa beneficiarse de las economías de escala. Se pueden lograr aprovechando el volumen en todos los segmentos para reducir los costes de aprovisionamiento, compartiendo la capacidad y la infraestructura en la fabricación y la logística y consolidando la información sobre la demanda y la oferta para una mejor planificación y ejecución. Vamos a analizar ahora con más detalle esta última actividad.

Equilibrar la oferta y la demanda

Un importante proceso de gestión de la cadena de suministro que se aplica desde mediados de la década de 1980 es la planificación de ventas y operaciones (S&OP). Equilibra continuamente la oferta y la demanda e, históricamente, ha pedido que los gerentes que lanzan nuevos productos y los líderes de la fabricación y la distribución se unan y acuerden un plan único. Por lo general, implica un análisis a nivel de unidad de negocio o familia de productos, no a nivel de productos individuales.

Tradicionalmente, S&OP no es más que una extensión de la previsión consensuada y, por eso, tiene limitaciones similares: no comienza con una visión unificada de la demanda, no crea un plan a nivel de SKU, no distingue entre los segmentos de la cadena de suministro y se basa principalmente en el sentido común, la experiencia y la intuición, no en los datos y el análisis. Como es un proceso manual, normalmente lleva un mes.

Un mejor enfoque de S&OP sustituye el proceso manual por uno automatizado que se puede realizar semanalmente y garantiza que las funciones de ingeniería, finanzas, ventas, cadena de suministro, fabricación, abastecimiento y comercio funcionan todas para lograr los mismos objetivos empresariales. El nuevo proceso comienza cuando un sistema de optimización basado en la analítica genera el plan de suministro SKU por SKU que describimos anteriormente. Este plan servirá de base para todo, desde los programas maestros de producción hasta la planificación de los materiales y la logística, incluidas las decisiones de inventario y transporte.

Bernhard Lang

Si bien no todas las empresas o unidades de negocio necesitan elaborar un plan semanal, esa frecuencia es fundamental para los productos cuya demanda es muy volátil y cuyas estrategias de marketing y promoción cambian a menudo.

El nuevo proceso de S&OP también exige actividades de supervisión. Las empresas deben recopilar información a lo largo de la cadena de suministro sobre los indicadores clave de rendimiento (KPI), como los plazos de entrega de los suministros, los inventarios de materias primas y productos acabados y los niveles de servicio, en busca de cualquier problema o desviación que pueda socavar el plan de ventas y operaciones. Las empresas pueden entonces trabajar para abordar esas cuestiones y, si resultan importantes, ajustar el plan en sí.

Las empresas también tienen que vigilar los datos y los eventos que presagian lo que puede suceder en un futuro próximo. Por ejemplo, si bien los niveles de inventario y servicio pueden sugerir que todo va bien, los datos de seguimiento de los envíos pueden indicar que es probable que los plazos de entrega aumenten y que, como resultado, los niveles de servicio podrían bajar en las próximas semanas, lo que indica la necesidad de crear inventarios o acelerar los envíos. Del mismo modo, si un desastre provoca el cierre de la planta de fabricación de un proveedor en Asia, podría afectar a la oferta disponible en el futuro, lo que podría obligar a las plantas de fabricación y ensamblaje de una empresa en la costa oeste de los EE. UU. a reducir o detener sus operaciones en cinco semanas. Pero los KPI tradicionales por sí solos pueden no ser ningún aviso.

Por esta razón, las empresas necesitan predictores clave de rendimiento (KPP): métricas que indiquen cuál será el estado de la cadena de suministro en las próximas tres a seis semanas. Los KPP son fundamentales para lo que llamamos ejecución inteligente, un nuevo proceso empresarial que complemente el S&OP inteligente. Si bien S&OP se centra en las próximas 50 a 80 semanas, la ejecución inteligente se centra en el corto plazo (no más de seis semanas) e intenta identificar y responder rápidamente a las interrupciones y desviaciones del plan.

La ejecución inteligente implica tres funciones automatizadas: (1) la captura en tiempo real de datos internos y externos que revelan posibles desviaciones del plan, interrupciones del suministro o cambios en la demanda; (2) inteligencia artificial que identifica el posible impacto de esos avances en el rendimiento de la cadena de suministro; y (3) la optimización basada en el análisis que determina la mejor respuesta, teniendo en cuenta diversas compensaciones y objetivos.

He aquí una ilustración. Al recopilar información financiera sobre los proveedores que cotizan en bolsa y datos internos sobre el desempeño de los proveedores (por ejemplo, sobre los plazos de entrega, los niveles de servicio o la calidad de los productos), las empresas pueden identificar a los proveedores en dificultades. Un sistema de IA puede entonces proyectar la probabilidad y el impacto de que un proveedor no cumpla sus compromisos futuros con la entrega puntual y la calidad del producto. Por último, el sistema de optimización automatizado puede identificar un proveedor alternativo para obtener el material.

. . .

Durante la mayor parte de su historia, la empresa de fabricación de productos de envasado había utilizado una estrategia de talle único. Sus previsiones se cumplieron por consenso, el S&OP fue un proceso de un mes, la estrategia de la cadena de suministro no distinguía entre los diferentes productos y las desviaciones del plan y las interrupciones del suministro se gestionaron de forma ad hoc. La empresa había sobresalido en cuanto a eficiencia operativa al adoptar una mejora continua en sus procesos de producción, embalaje, distribución y tramitación de pedidos, pero no había cambiado ninguno de ellos de manera fundamental. Nuestro enfoque de la digitalización de la cadena de suministro permitió a la empresa transformar la organización en menos de la mitad del tiempo y con menos de una cuarta parte del gasto que estos esfuerzos suponen para la mayoría de las empresas.

Otras firmas pueden hacer lo mismo. Un enfoque integral y automatizado puede permitirles redefinir sus estrategias de cadena de suministro y responder rápidamente a las desviaciones del plan. Y como está impulsado por la IA, permitirá a los ejecutivos dedicar más tiempo a actividades de valor añadido, como identificar las mejores oportunidades para hacer crecer la empresa.