Desmitificando la detección de demanda en SAP IBP: cómo aporta valor a su cadena de suministro

El término «detección de demanda» se puede usar para diferentes cosas, según el contexto.
Este blog tiene como objetivo aclarar cualquier confusión sobre lo que entendemos por detección de demanda en SAP Integrated Business Planning for Supply Chain, qué valor aporta y cuáles son las diferencias con la previsión estadística/planificación de la demanda.

¿Por qué debería usar Demand Sensing? Demand Sensing lo ayuda a cerrar la brecha entre la planificación y la ejecución. No solo puede incluir señales de datos adicionales en el pronóstico semanal, sino que desagrega el pronóstico semanal en días al reconocer los patrones en su demanda diaria, lo que resulta en

• stock de seguridad reducido
• menos expediciones.

¿Su negocio se concentra en días específicos de la semana? ¿Quiere especificar días no laborables en los que no se espera demanda? ¿Quiere obtener una previsión de la demanda diaria para optimizar la planificación y el despliegue de su inventario? ¿Quiere que su pronóstico de demanda verifique y coincida con los pedidos abiertos existentes? Entonces Demand Sensing es lo que estás buscando.

Antes de profundizar en las diferencias entre Demand Sensing y Statistical Forecasting en SAP IBP, comencemos por comprobar qué significa «Internet» cuando hablamos de Demand Sensing. Aquí hay una muy buena definición: “Demand sensing es un método de pronóstico que utiliza inteligencia artificial y captura de datos en tiempo real para crear un pronóstico de demanda basado en las realidades actuales de la cadena de suministro. Tradicionalmente, la precisión de los pronósticos se basaba en técnicas de series de tiempo que crean un pronóstico basado en el historial de ventas anterior y se basa en varios años de datos para brindar información sobre patrones estacionales predecibles. La detección de demanda utiliza una gama más amplia de señales de demanda (incluidos los datos actuales de la cadena de suministro) y diferentes matemáticas para crear un pronóstico que responda a eventos del mundo real, como cambios en el mercado, cambios climáticos, desastres naturales y cambios en el comportamiento de compra del consumidor. ”

Hay varios puntos que intervienen en esta definición de detección de demanda:

• Inteligencia artificial
• Señales de demanda (incluidos los datos de la cadena de suministro, es decir, señales internas y externas)
• Datos actuales (es decir, datos relacionados con eventos recientes)

¿Se ajusta esta definición a lo que Demand Sensing puede hacer en SAP IBP? Sí. ¿Todos estos puntos son prerrogativa de Demand Sensing en SAP IBP? No.

Uso de inteligencia artificial y señales de demanda para pronosticar, no solo en detección de demanda

La inteligencia artificial y las señales de demanda (tanto internas como externas) se pueden usar en SAP IBP con los algoritmos de pronóstico multivariados (avanzados) de Statistical Forecasting y en Detección de demanda.

Para el pronóstico a largo y mediano plazo, los algoritmos disponibles son Gradient Boost of Decision Trees, (Seasonal) ARIMAX y Multiple Linear Regression. Todos estos algoritmos pueden incluir señales de demanda adicionales, sin embargo, requieren una cantidad adecuada de datos tanto en el pasado como en el futuro. Los ejemplos típicos son las promociones o las vacaciones, que se conocen de antemano y pueden ayudar a mejorar la precisión del pronóstico. A veces, este tipo de pronóstico se denomina «detección de demanda a largo plazo». Puede encontrar más detalles sobre cómo usar Gradient Boosting en mi blog anterior.

Para el pronóstico a corto plazo, se pueden utilizar algoritmos de detección de demanda basados ​​en regresión lineal múltiple y xGBoost. Estos algoritmos pueden tener en cuenta señales de demanda adicionales, que también pueden darse solo en el horizonte pasado.

Uso de datos actuales para pronósticos, solo en Demand Sensing

Por definición, los datos actuales solo están disponibles para el pasado y el presente recientes, y solo son relevantes para el horizonte a corto plazo. Un ejemplo típico son las señales meteorológicas: saber que va a haber una tormenta de nieve puede afectar a tus ventas, pero solo lo vas a saber con unos días de antelación. Para tales datos, Demand Sensing es lo correcto para usar en SAP IBP: le permite agregar señales que solo están en el horizonte pasado, puede comprender automáticamente el retraso entre la señal y el efecto de la señal en las ventas, y aplicar esto aprendizaje para el futuro cercano.

Otras diferencias entre la previsión estadística y la detección de demanda en SAP IBP

La previsión estadística en SAP IBP se puede utilizar para pronosticar en cualquier nivel de tiempo. Sin embargo, como saben la mayoría de los pronosticadores, no todos los niveles de pronóstico son igualmente buenos en términos de calidad del pronóstico. Por ejemplo, un pronóstico a nivel mensual puede mostrar patrones de estacionalidad mucho más claros que un pronóstico semanal. Por este motivo, no suele ser una buena idea utilizar la previsión estadística para la previsión diaria: la demanda diaria suele ser intermitente y contiene mucho ruido. Si necesita un pronóstico diario preciso, Demand Sensing es la mejor manera de hacerlo: después de un paso de optimización del pronóstico semanal, el pronóstico se desglosa inteligentemente en días mediante el análisis de los patrones de las últimas semanas, teniendo en cuenta los días laborables, los días festivos y los días festivos. ordenes abiertas.

Concluiré citando ChatGPT: «La detección de demanda es una herramienta importante para las empresas que buscan mejorar la precisión de sus pronósticos, reducir costos y aumentar la satisfacción del cliente al proporcionar los productos que necesitan, cuando los necesitan».

Espero que esto le haya dado una mejor idea de lo que queremos decir con Demand Sensing en SAP IBP y cómo podría beneficiarlo. Si tiene alguna pregunta, no dude en ponerse en contacto conmigo.

Si tiene curiosidad por saber qué piensan nuestros clientes sobre la detección de demanda y la integración de señales adicionales en su pronóstico, eche un vistazo a estos: