En el mundo logístico es crucial pronosticar la demanda; ello permite anticiparse y tomar decisiones, por ejemplo, qué nivel de inventario necesitaremos para el próximo período. Pero, como sabemos, todo pronóstico está sujeto a error. Mientras más cerca el pronóstico esté de la realidad, más se podrá evitar los quiebres de stock, las pérdidas de venta y los costos logísticos en exceso, entre otros.
Primero expliquemos los símbolos: Ft representa el pronóstico para el período t mientras que At representa el consumo real para el mismo período. Los períodos pueden representar días, semanas o meses. Supongamos que para esta semana el pronóstico era Ft = 20 unidades, pero en realidad se vendieron At = 18 unidades. Entenderemos “error” (cuyo símbolo es e) como la diferencia entre el dato real y el dato pronosticado, en este caso 18 – 20 = -2. Si lo expresamos en valor absoluto es |e| = |At - Ft| = |20 - 18| = 2 unidades.
Con esto en mente podemos recurrir a diversas métricas para capturar el error de pronóstico para un SKU o categoría de productos, cada una con sus ventajas y desventajas. Aquí comentaremos una de ellas, el Mean Absolute Percentage Error (MAPE).
En este sencillo ejemplo calcularemos el MAPE para 4 SKU, con datos de 4 semanas:
Para el SKU 1, la diferencia en valor absoluto en la primera semana es |20 - 18| = 2; dividiendo este valor por el dato real de esa semana: 2 / 20 = 0,10. Para la segunda semana, |20 - 22| = 2; dividiendo este valor por el dato real de la segunda semana: 2/20 = 0,10. Para la tercera semana, |18 - 16| = 2; dividiendo este valor con el dato real de la tercera semana: 2/18 = 0,11. Para la cuarta semana, |19 - 21| = 2; dividiendo este valor por el dato real de la cuarta semana tenemos 2/19 = 0,11. Luego calculamos el promedio de estos cocientes: (0,10 + 0,10 + 0,11 + 0.11) / 4 = 0,10 ó 10%. Este es el MAPE para el SKU 1 en estas cuatro semanas.
Del mismo modo tenemos el MAPE para los cuatro SKU:
Se puede apreciar la sensibilidad de esta métrica frente a la variabilidad de los datos reales vs los pronosticados. En el caso del SKU2 el MAPE es 0%, lo que es esperable, dado que los datos reales y pronosticados son coincidentes. En el caso del SKU3, hubo un error importante en el período 1 lo que impulsó el MAPE hacia arriba.
Las principales ventajas del MAPE son su amplia aceptación y, además, al ser una métrica adimensional (puesto que se expresa en porcentajes) permite la comparación inter-industrias.
La principal desventaja es que no se puede calcular cuando el dato real At es igual a cero. Cuando en las series de datos hay muchos períodos con At = 0 existen otras métricas que podremos comentar en otra ocasión.
.
#TeamLogistica | @TeamLogistica | www.teamlogistica.com
Comentarios