Mejorando sus Pronósticos con el Modelamiento Top Down

Que es un Pronostico Top Down?

Muchas organizaciones manejan múltiples niveles de agregación y requieren pronósticos consistentes en todos los niveles. Por ejemplo una empresa de bebidas podría necesita un pronóstico de ventas totales, pero también un pronóstico por marca, por segmento de cliente, por presentación y por SKU.

Cuando se preparan pronósticos por jerarquías, usted debe tener clara su estrategia de consolidación, un enfoque es aplicar métodos de pronóstico estadísticos directamente a las historias de demanda de nivel más bajo y construir todos los pronósticos de nivel de grupo sumando los pronósticos de nivel inferior -esto se conoce como un pronóstico Bottom Up. Un enfoque alternativo es usar métodos de pronóstico estadísticos sobre datos más agregados y luego aplicar un esquema de asignación para generar los pronósticos de nivel inferior – Esto se conoce como un pronóstico Top Down.

Ilustremos este enfoque con un ejemplo:

Modelo Base

Bottom Up

Top Down

6 Pack

70

70

84

12 Pack

30

30

36

Latas

120

100

1 20

La columna de Modelo base contiene los pronósticos aplicando un método de pronóstico estadístico de forma independiente para cada nivel jerárquico. Así en nuestro ejemplo, si usted pronosticara la demanda de la presentación de 6 paq el pronóstico seria igual a 70, de igual forma si pronosticara la demanda de 12 paq el pronóstico seria igual a 30 y si usted pronosticara la demanda de latas totales el pronostico seria igual a 120. Note que los pronósticos totales no son iguales a la suma de 6 paq y 12 paq cuando los tres sets de datos son pronosticados independientemente usando su propia historia.

En el enfoque Bottom Up los pronósticos del modelo base son usados para los datos de nivel de SKU (6 paq y 12 paq) y los pronósticos a nivel de grupo (Latas) son calculados como una suma. En el enfoque Top Down El pronostico del modelo Base es usado a nivel de grupo y los pronósticos de nivel de SKU son ajustados proporcionalmente de modo que la suma sea igual a lo que se esta pronosticando a nivel de grupo.

¿Cuando la aplicación de un modelo Top Down puede mejorar los resultados del pronostico?

La decisión de utilizar un modelo Top Down o un Bottom Up a menudo depende de dos cuestiones importantes.

1. Las unidades de niveles inferiores (SKUs) requieren distintos modelos estadísticos?

Esto sería el caso si las fuerzas de mercado que forman ventas en el nivel inferior son diferentes. Mercados diferentes, publicidad diferente, promoción, y distribución diferente. Si las manzanas y naranjas tienen mercados claramente diferentes, entonces probablemente será mejor pronosticarlos separadamente.

Si no, entonces hay a menudo una alternativa al pronosticar Top Down, Siempre y cuando los datos de nivel inferior sean estadísticamente similares, este modelo de pronóstico generalmente ofrecerá mejores resultados ya que presenta las siguientes características:

A. Hay un mayor volumen de datos. B. Hay menos “ruido” (variación aleatoria) en los datos agregados que podrían sesgar los pronósticos. C. Los datos agregados a menudo presentan una estructura más pronunciada, donde es más fácil reconocer los patrones y pronosticarlos.

2. ¿Existe suficiente información estadística en el nivel más bajo para construir un modelo basado sólo en las ventas?

Muchas organizaciones que necesitan generar pronósticos al nivel mas bajo descubren que en los niveles más bajos no hay la información suficiente para generar una estructura estadística adecuada. En estos casos no hay más remedio que generar los pronósticos no con modelos estadísticos, sino mediante el uso de un sistema de asignación Top Down.

Por ejemplo.

Figura 1.

Figura 2

La figura 1 muestra las ventas mensuales de una marca de jarabe para la tos. La Figura 2 muestra las ventas mensuales para un SKU. La empresa asigna un único número a cada SKU por la combinación de sabor y tamaño de botella que produce.

Considere los dos gráficos. Observe que en el nivel de marca hay una estructura de datos más definida, el patrón estacional es evidente, hay menos ruido y también se tiene más de tres años de historia de la demanda en la marca, mientras que a nivel de SKU sólo se cuenta con la historia de los últimos 10 meses.

En este ejemplo, . El jarabe para la tos es claramente un producto estacional pero la falta de historia a nivel de SKU no permite construir un modelo de pronóstico con estas características, por consiguiente un modelo bottom-up ofrece un rendimiento de pronostico muy pobre. Por otro lado, un enfoque Top Down le permite capturar la estructura estacional que existe en el nivel de grupo y pronosticar el SKU por medio de un ajuste proporcional.

Con esto finalizamos esta serie en la cual hemos revisado los pros y los contras de la automatización de los Pronósticos y como por medio de alternativas como el modelamiento de eventos y modelamiento Top Down pueden ayudarnos a mejorar los resultados del pronostico.