Autor: Scott Curtiss, Solutions Consultancy Lead – Space & Assortment
Muchas veces, durante estos años trabajando con software de planificación de espacios, nos hemos enfrentado a todas las preguntas que hay que hacerse sobre el tema. Hay una que aparece constantemente: “¿Podemos usar las previsiones de demanda en los planogramas?”.
La respuesta solía ser siempre la misma, “Si nos das los datos de previsiones a nivel semana-producto-tienda, entonces sí”. Ésta sigue siendo hoy, seguramente, la respuesta para la mayoría de los sistemas de planogramación; lo más común es decir que uno debe convertir los datos de previsión en promedios semanales y luego construir los planogramas basados en esos datos. El problema con esta respuesta es que no tiene sentido y las conversaciones sobre el uso de previsiones en los planogramas no llegaban a ningún sitio.
La lógica detrás del uso de las previsiones en los planogramas
Un planograma tiene que representar todos los días de venta de la semana, así que normalmente, lo primero que haríamos es mirar el historial de ventas y promediarlo. Pero la industria retail se ha alejado de los planogramas genéricos para adoptar planogramas de clústers (grupos de tiendas) o específicos de tienda, porque todos sabemos que no hay dos tiendas iguales. Tampoco hay dos días iguales. Y en vez de usar ventas pasadas en planogramas, si usamos los pronósticos podremos producir planogramas basados en las previsiones que reflejarán las tendencias de la demanda con total precisión. Por ejemplo, además de tener suficientes cervezas en la estantería durante cualquier día normal de la semana, en cada una de las tiendas; la tienda que está al lado del campo de fútbol puede estar preparada para un incremento de la demanda los días de partido.
El reto con los datos históricos
Cuando usamos los datos históricos para construir planogramas, estamos proyectando las próximas 12 semanas asumiendo que serían similares a las últimas 12 semanas. Pero todos sabemos que éste no es el caso. Al tener en cuenta la previsión de la demanda, podemos actualizar estas proyecciones y hacerlas más precisas. Por ejemplo, la información histórica puede que no incluya fluctuaciones meteorológicas, tendencias, estacionalidad, etc. Aquí, las previsiones pueden demostrar que añaden un valor significativo.
¿Por qué no debes confiar en promedios semanales?
Históricamente, los planogramas usaban los promedios de ventas semanales. Estos promedios se dividen entre el número de días de apertura para obtener el promedio de las ventas diarias. El siguiente paso ha sido usar el promedio diario para saber cuántos días de cobertura dan.
No hay nadie en el mundo de Retail que pueda recordar “un día normal”. ¿Por qué estamos entonces haciendo promedios y construyendo el primer punto de interacción con el cliente sobre estas aproximaciones?
Veamos este típico ejemplo: en azul claro vemos la demanda diaria para un producto en una sola tienda, el azul oscuro nos muestra un promedio de ventas. ¿Observamos las diferencias que hay con el promedio?
Con dos entregas por semana, sería algo común poner 3 días de cobertura en el planograma. En el promedio las ventas diarias son de 14 unidades, por lo tanto 3 días de cobertura serán 42 unidades. Mirando el ejemplo anterior, si reponemos las estanterías el viernes por la mañana después de la entrega esa misma mañana, tendríamos una estantería vacía a mitad del sábado.
Con esto, sería razonable considerar que hemos usado los promedios semanales en el pasado para mantener bajos los volúmenes de datos y suavizar todo tipo de picos o de valles en los que no queremos basar nuestra planificación. Los cálculos aproximados están bien para ver si algo tiene sentido en general, pero ya ha llegado el momento de empezar a pensar en enfocar la planificación de espacios de una forma más científica.
¿Podemos estar seguros de que la previsión es suficientemente precisa?
Al usar datos históricos en los planogramas, los retailers más astutos usarán un período de tiempo que refleje la frecuencia de la revisión de la categoría. Así, para una categoría que se cambia una vez al año, usarán los datos de venta de las 52 semanas anteriores. Para uno que dura 12 semanas, usarán los datos de las 12 semanas anteriores, etc. Cuando usamos datos de previsión en los planogramas, hacemos más o menos lo mismo. Así, para un planograma estacional de 12 semanas, necesitaremos 12 semanas de datos de previsión.
Muchos retailers se preguntarán: “¿Es la previsión suficientemente precisa para confiar en ella para las próximas 12 ó 52 semanas?” La única manera de responder a esta pregunta es haciendo una prueba empírica, pero podemos estar seguros de que, si comparamos la previsión de ventas de 12 semanas (para las semanas 13-35) con las ventas reales (para las semanas 13-25) y con el promedio de ventas históricas (para las semanas 1-12), el pronóstico no estará muy lejos del real y estará significativamente mejor que el promedio. Para más información sobre este tema, pueden consultar nuestra guía de precisión de pronósticos.
Unifique su planificación y benefíciese para la construcción de planogramas
En un mundo donde contamos con una potencia tecnológica excepcional y sistemas que crean previsiones y suavizan anomalías, es mucho más fácil aportar algo diferente y añadir valor a los planogramas y pensar en el futuro. El mundo Retail está cambiando.
Nuestra visión es unificar la planificación en retail y desafiar la forma en que la industria ha gestionado hasta ahora (con silos) la planificación de espacios y la planificación de la cadena de suministro, rompiendo los limites redundantes entre los dos áreas.
