Demand planning: cómo prever la demanda sin bolas de cristal
El demand planning (planificación de la demanda) es el proceso de estimar qué se va a vender — por referencia, por punto de venta y por periodo — para que compras, producción y logística trabajen sobre un plan y no sobre corazonadas. Es el proceso que más dinero mueve de toda la cadena de suministro: cada punto de error de previsión se paga dos veces, en stock de sobra o en ventas perdidas.
Y conviene desmontar el mito de entrada: el objetivo del demand planning no es acertar — nadie acierta — sino equivocarse cada vez menos, medir cuánto y proteger la cadena contra el error restante.
Qué hace exactamente un proceso de demand planning
- Previsión estadística de base: proyectar la historia de ventas limpiando anomalías (roturas, promociones pasadas, clientes puntuales). Es el suelo objetivo sobre el que se discute.
- Enriquecimiento comercial: incorporar lo que la estadística no sabe — promociones futuras, altas y bajas de clientes, lanzamientos, canibalizaciones entre productos.
- Consenso: una única cifra acordada entre ventas, operaciones y finanzas. Sin consenso hay tres previsiones y ninguna responsabilidad.
- Medición del error: comparar previsión contra venta real, referencia a referencia, todos los meses.
Forecast accuracy: la métrica que gobierna el proceso
La forecast accuracy (precisión de la previsión) mide cuánto se desvía la previsión de la realidad. Las dos métricas que recomendamos mirar siempre juntas:
| Métrica | Qué mide | Qué te avisa |
|---|---|---|
| Error absoluto (MAPE / WMAPE) | El tamaño medio del error, sin signo | Cuánta protección (stock de seguridad) necesita tu cadena |
| Sesgo (bias) | Si el error va siempre en la misma dirección | Previsiones sistemáticamente optimistas (inflan el stock) o pesimistas (fabrican roturas) |
El sesgo es el más revelador de los dos: un error grande pero centrado es ruido; un error pequeño pero siempre optimista es un problema organizativo — normalmente una previsión que hace ventas con su objetivo comercial en la cabeza. Los números lo delatan en dos ciclos.
Un ejemplo resuelto: así se calcula (y se lee) la accuracy
Tres referencias de un fabricante, previsión contra venta real del mes:
| Referencia | Previsión / Real | Error |
|---|---|---|
| A — la estrella | 10.000 / 9.200 | +800 (8% sobre previsión) |
| B — estacional | 3.000 / 4.100 | −1.100 (27%) |
| C — cola larga | 500 / 350 | +150 (30%) |
Tres lecturas que cambian las decisiones:
- El promedio simple engaña: el error medio de las tres es un 22%, pero ponderado por volumen (WMAPE) es un 15% — porque la referencia que importa, la A, se prevé bien. Por eso se pondera: un desastre en una referencia C no puede pesar lo mismo que un desvío en la A.
- El signo importa más que el tamaño: si la B se queda corta tres meses seguidos, no es mala suerte — es sesgo. Alguien está previendo con el freno de mano (o el sistema no ha recogido la estacionalidad). El sesgo sistemático se corrige de raíz; el error aleatorio se cubre con stock de seguridad. Confundirlos es carísimo.
- Cada punto de error tiene precio: en la referencia B, quedarse 1.100 unidades corto significa venta perdida o producción urgente; en la A, pasarse 800 significa capital parado. La accuracy no es un KPI académico: es la factura mensual de la incertidumbre.
¿Hace falta software de demand planning?
La pregunta llega siempre, y la respuesta honesta es: depende de en qué fase estés.
- Menos de ~500 referencias y datos limpios: una hoja de cálculo bien montada con la historia depurada y el ciclo mensual funcionando da el 80% del valor. Empezar aquí tiene además una ventaja: obliga a entender el proceso antes de automatizarlo.
- Miles de referencias, varios almacenes, promociones frecuentes: el software especializado (desde módulos APS del ERP hasta herramientas dedicadas con previsión estadística e IA) compensa, porque la previsión referencia a referencia deja de ser humanamente abordable.
- La trampa: comprar la herramienta para arreglar un proceso que no existe. El software calcula mejor la previsión base, pero el consenso, la limpieza de datos y la responsabilidad sobre el error siguen siendo trabajo de personas. Sin eso, habrás automatizado la generación de previsiones que nadie usa.
Los errores clásicos del demand planning
- Confundir previsión con objetivo: la previsión es lo que crees que pasará; el objetivo, lo que quieres que pase. Cuando se mezclan, el almacén paga la diferencia.
- Prever todo con el mismo esfuerzo: las referencias A con demanda estable se prevén casi solas; el esfuerzo humano debe ir a las volátiles y a las nuevas.
- No limpiar la historia: proyectar ventas que incluyen roturas de stock perpetúa las roturas — el sistema aprende que «eso no se vende» justo donde no se pudo vender.
- Medir el error y no hacer nada con él: la accuracy no es un KPI decorativo; es la agenda de la siguiente reunión de previsión.
- Esperar que la IA lo arregle sola: los modelos de previsión con IA mejoran la base estadística, pero no sustituyen la información comercial ni el consenso. Herramienta sí, proceso primero.
Demand planning y S&OP: el motor y el coche
El demand planning produce el plan de demanda; el S&OP es el proceso mensual donde ese plan se confronta con la capacidad real de suministro y se convierte en decisiones aprobadas por dirección. Un demand planning sin S&OP genera previsiones que nadie usa; un S&OP sin demand planning discute opiniones. Funcionan juntos o no funcionan.
Cómo implantar un demand planning que funcione: los primeros 90 días
No hace falta un año ni un software nuevo para pasar de «cada uno su Excel» a un proceso serio. La secuencia que aplicamos:
- Días 1-30 — la base: limpiar la historia de ventas (roturas, promociones, atípicos), segmentar el catálogo por volumen y variabilidad, y montar la previsión estadística de partida. Al final del mes existe una previsión objetiva de referencia, aunque sea imperfecta.
- Días 30-60 — el proceso: definir el calendario mensual (quién enriquece la previsión, quién la consensúa, cuándo se cierra), la plantilla única y los dos KPIs (error ponderado y sesgo). Primer ciclo completo en real, con sus roces — que salgan ahora.
- Días 60-90 — el hábito: segundo y tercer ciclo, revisión del error del ciclo anterior como primer punto del orden del día, y primeras correcciones de sesgo. Aquí es cuando el equipo comercial descubre que la previsión ya no es «un papeleo de operaciones» sino el número que decide el stock de sus clientes.
A partir del tercer ciclo, el proceso pide naturalmente su siguiente escalón: conectarlo con la capacidad de suministro en un S&OP completo.
Cómo saber si tu previsión necesita una revisión
- Nadie sabe decir la accuracy del mes pasado — o cada departamento da una cifra distinta.
- Las roturas y los excesos conviven: señal de previsión sin protección calculada.
- La previsión «oficial» es el presupuesto comercial del año, repartido en doce.
- Cada lanzamiento de producto pilla a la cadena por sorpresa, aunque llevara meses planificado en marketing.
Si te suenan dos o más, el problema no es de herramienta: es de proceso. Es una de las áreas que primero diagnosticamos en nuestra consultoría de supply chain, porque casi todo lo demás — inventarios, servicio, urgencias — cuelga de aquí. El marco completo lo tienes en la guía de supply chain management.
Preguntas frecuentes sobre demand planning
¿Qué es el demand planning?
El proceso de estimar la demanda futura por referencia y periodo, combinando previsión estadística e información comercial, para que compras, producción y logística trabajen sobre un plan único y medible.
¿Qué es la forecast accuracy?
La métrica que mide cuánto se desvía la previsión de la venta real. Se complementa con el sesgo (bias), que detecta si el error va siempre en la misma dirección — el síntoma típico de previsiones infladas por objetivos comerciales.
¿Qué diferencia hay entre demand planning y S&OP?
El demand planning genera el plan de demanda; el S&OP es el ciclo mensual donde ese plan se equilibra con la capacidad de suministro y se convierte en decisiones ejecutivas. El primero alimenta al segundo.
¿Sirve la inteligencia artificial para prever la demanda?
Sí, como mejora de la previsión estadística de base, especialmente con muchas referencias y datos ricos. Pero no sustituye la información comercial (promociones, lanzamientos) ni el proceso de consenso: sin ellos, automatiza un plan que nadie asume.
