1. Las estrategias del retail de alimentación fracasan si no están respaldadas por cadenas de suministro adecuadas

El sector retail de alimentación es un mercado difícil y turbulento. Los alimentos nunca han sido fáciles de gestionar, pero la transformación actual del sector es la más drástica que se ha visto en décadas, especialmente con la COVID-19, lo que ha provocado que muchas tendencias que dan forma al mercado se hayan acelerado aún más. 

Los retailers por departamentos con canales de negocio de alimentación deben abordar simultáneamente varias tendencias importantes: 

  • Rápida evolución de los pedidos online y de las opciones de entrega. Desde los pedidos online hasta la entrega a domicilio o la recogida en la acera, la velocidad del desarrollo omnicanal ha hecho que la eficiencia operativa sea particularmente difícil para los retailers de alimentos debido a la combinación de productos de bajo valor y los elevados costes de manipulación de los productos delicados y de distintos tamaños que a menudo requieren control de temperatura. Sin embargo, a pesar de que muchos retailers de alimentación luchan por rentabilizar la venta online, pocos pueden permitirse el lujo de no estar en la red. 
  • Las tiendas de descuento han demostrado el poder de la eficiencia operativa. Desde la crisis financiera de 2008, las tiendas de descuento han aumentado su participación de mercado, lo que demuestra que los compradores aprecian los productos de marca privada de bajo coste y los surtidos bien seleccionados, incluso a expensas de una gran cantidad de opciones. El control de costes siempre proporciona una ventaja competitiva, especialmente cuando los consumidores son reticentes a gastar, por lo que la optimización de las operaciones para mejorar la eficiencia debe ser una parte clave de la estrategia de cada retailer de alimentación. 
  • Los retailers de alimentación deben competir también con el sector alimentario. Los restaurantes, los servicios de entrega de comida y los locales de comida para llevar se adueñan cada vez más de los bolsillos de los consumidores. Como resultado, los supermercados recurren a las comidas preparadas para aumentar su relevancia y a productos de alto valor para llevar y mejorar así sus márgenes en un entorno difícil. Algunos incluso están abriendo restaurantes en el interior de tiendas y supermercados. Sin embargo, con una mala ejecución, estas iniciativas también pueden representar pérdidas económicas por el elevado coste del desperdicio de alimentos. 
  • El desafío de los productos frescos y de vida útil corta. Las tendencias de alimentación saludable han hecho que incluso tiendas de descuento como Aldi o Lidl mejoren sus ofertas de productos frescos para incluir carnes orgánicas y panes recién horneados. En su búsqueda del crecimiento, estas antiguas tiendas de descuento consagradas se están alejando de sus zonas de confort altamente eficientes que se basaban en la simplicidad, la estandarización y los grandes volúmenes. La creciente complejidad a medida que experimentan con productos más frescos, formatos de tienda más pequeños y surtidos localizados pondrá a prueba sus cadenas de suministro. 
  • El crecimiento de las preocupaciones medioambientales de los consumidores. A medida que los consumidores impulsan sus esfuerzos personales de sustentabilidad, también esperan que sus tenderos aumenten sus prácticas sustentables. Muchos retailers líderes se han comprometido a reducir las emisiones de carbono, pero la sostenibilidad está pasando de los “mensajes positivos” a lo que está en juego. Los retailers que no toman medidas significativas para reducir los residuos y las emisiones ponen en riesgo su reputación. La buena noticia es que la sostenibilidad, la eficiencia y la rentabilidad suelen ir de la mano. 
Figura 1: Los productos frescos con un alto riesgo de merma requieren una cadena de suministro de alimentos más reactiva. En el caso de productos secos, almacenados a temperatura ambiente y otros productos con una vida útil más larga, la eficiencia operativa es clave. 

Para que los retailers de alimentación puedan lograr el éxito continuo es crucial el dominio de la cadena de suministro de alimentos altamente eficientes y ajustadas de los grandes establecimientos de descuento, como las cadenas de suministro ágiles y reactivas necesarias para los productos frescos. Además, muchos de ellos deberán lidiar con la complejidad de gestionar múltiples formatos de tienda y de ofrecer diversas opciones de entrega.  

Para lograrlo, se necesitará a su disposición herramientas de planificación adecuadas y la mejor comprensión de cómo aplicarlas.

  • Los productos frescos suelen presentar un alto riesgo de merma o descuento, por lo que es muy importante prever la demanda con precisión y reabastecer los productos de acuerdo con esta. En el caso de los productos frescos, el proceso de planificación debe ser lo suficientemente granular para detectar hasta los cambios más pequeños en la demanda, y la cadena de suministro debe ser lo suficientemente ágil para adaptarse a una demanda variable. 
  • Los productos con una vida útil más larga son clave para la manipulación eficiente de mercancías y la optimización del flujo de inventario. Aunque una previsión precisa sigue siendo esencial, el reabastecimiento de productos de vida útil larga no tiene que estar perfectamente sincronizado con la demanda en un momento dado, lo que permite nivelar el flujo de inventario a lo largo de la cadena de suministro para hacer un uso eficiente de la capacidad. Para mejorar la rentabilidad, es esencial configurar las entregas en tiendas de modo que permitan el reabastecimiento instantáneo o la entrega del “camión al estante”.  
  • La omnicanalidad ha crecido hasta un punto en el que ya no se puede operar como un servicio “complementario” exento de los requisitos estándar de eficiencia. De hecho, la cumplimentación en línea acentúa la necesidad de alta calidad y de frescura porque los consumidores finales no pueden evaluar los productos por sí mismos. Además, dado que actualmente muchas tiendas de alimentación sufren pérdidas significativas en los pedidos en línea, el crecimiento continuo de la omnicanalidad destaca la necesidad de mejoras significativas en la eficiencia operativa. 

En esta guía de mejores prácticas, destacaremos los enfoques fundamentales para mejorar tanto la capacidad de respuesta como la eficiencia de las cadenas de suministro de alimentos. Hoy en día, es difícil encontrar un solo retailer que implemente todas estas prácticas recomendadas. Animamos a priorizar las áreas de desarrollo más factibles e influyentes. 

2. Uso del poder de la IA para optimizar la cadena de suministro de alimentos

Como la mayoría de los retailers de hoy, se recopilan cantidades masivas de datos de sus transacciones e interacciones con los consumidores tanto en línea como fuera de línea. Precisamente por eso, el retail de la alimentación combina a la perfección con la inteligencia artificial (IA), ya que esta permite emplear los datos para tomar decisiones más rápidas y acertadas. La IA es un activo muy preciado en un sector donde se deben controlar millones de flujos de mercancías y ajustar la oferta a la demanda con precisión en miles de tiendas. 

A las empresas tecnológicas les gusta posicionar sus algoritmos de IA como “inteligentes” y hacerlos lo más humanos posible, dándoles incluso nombres humanos como Siri, Alexa, Einstein o Watson. Sin embargo, debemos recordar que la IA no es una persona. La IA ni siquiera es “algo” singular. 

Aún estamos lejos de una inteligencia artificial general capaz de resolver creativamente problemas poco definidos. Sin embargo, estamos realizando grandes avances en IA especializada que resuelve problemas bien definidos (como los algoritmos de reconocimiento de imágenes) y en combinaciones de varios tipos de IA especializada (como los vehículos autónomos). 

Figura 2: ¿Cuál es el mejor robot para lavar la ropa? La IA especializada es cada vez más común y a menudo se usa para ejecutar aplicaciones que, a primera vista, no parecen especialmente inteligentes. (Ilustración inspirada en una excelente entrada del blog de Ben Evans). 

Los retailers de alimentación no necesitan la “IA”, sino emplear varios algoritmos de IA en sus herramientas de análisis para complementar tecnologías “obsoletas” como el análisis estadístico y la heurística basada en reglas. Por ejemplo, los algoritmos de machine learning consideran cientos de factores que pueden influir en la demanda al pronosticar las ventas de retail (sección 3.2), algo que un planificador de demanda humano nunca podría lograr. 

Figura 3: La previsión de la demanda es sólo un área en la que los retailers de alimentación pueden aplicar la IA. Al aprovechar la IA en la comercialización y las operaciones, los retailers pueden mejorar la rentabilidad y la sostenibilidad. 

No obstante, la aplicación de la IA en el retail de alimentación no se limita a la previsión de la demanda. Los retailers de alimentación pueden obtener beneficios aún mayores si emplean la IA para optimizar todo su rango de operaciones, desde la optimización de pedidos (consulte la sección 4.1.1) hasta la optimización los turnos laborales (consulte el documento técnico) y la optimización de precios (consulte el documento técnico). 

3. La previsión de la demanda es el motor que impulsa la cadena de suministro de alimentos

La previsión de la demanda es la fuerza central que impulsa la cadena de suministro de alimentos. Sin embargo, a pesar de la tecnología disponible, muchos minoristas de comestibles destacados no se han embarcado realmente en su viaje de pronósticos basados en datos. Sin embargo, a pesar de la tecnología disponible, una gran cantidad de retailers de alimentación aún no se ha embarcado realmente en las previsiones basadas en datos. 

3.1. Pronósticos granulares y basados en datos son un imperativo para todos los retailers de alimentación 

En una encuesta realizada entre retailers de alimentación norteamericanos en 2020, solo el 52 % de los encuestados afirmó ser capaz de crear pronósticos a nivel de día-SKU-tienda (SKU = unidad de mantenimiento de stock). El resto deseaba realizar pronósticos a nivel diario, pero simplemente no podía hacerlo. Actualmente, pocos retailers pueden pronosticar los pedidos en línea que se recogen en sus tiendas por separado, lo que conduce inevitablemente a problemas de gestión de la capacidad, especialmente después del crecimiento significativo de la demanda online impulsada por la crisis de la COVID-19. 

El pronóstico granular no es solo una práctica recomendada, sino que es imprescindible en el retail de la alimentación moderno. Sin pronósticos detallados, es imposible posicionar correctamente el inventario en la cadena de suministro para maximizar las ventas y reducir la merma. Los pronósticos granulares también son la base sobre la que se planifica la gestión de los recursos y la capacidad y, por lo tanto, deben considerarse un requisito previo para las operaciones rentables. 

Figura 4: La previsión granular de la demanda respalda todos los tipos de planificación comercial, de recursos y de capacidad en las cadenas de suministro de alimentos. 

3.2. Machine Learning añade un gran valor al pronóstico de la demanda de alimentos 

Lo que comenzó con unos pocos precursores como RELEX se ha generalizado con el paso del tiempo: el uso del Machine Learning para pronosticar la demanda de retail. Actualmente, los proveedores de tecnología para retail aplican el Machine Learning o bien tratan de actualizar sus sistemas heredados para ofrecerlo. 

El Machine Learning proporciona a un sistema de pronósticos la capacidad de aprender automáticamente y mejorar sus predicciones usando solo datos, sin necesidad de programación adicional. Los retailers generan enormes cantidades de datos, lo que permite a la tecnología de Machine Learning demostrar rápidamente su valor. 

Obviamente, los algoritmos de Machine Learning no son nuevos —nos acompañan desde hace décadas. Pero nunca antes habían podido acceder a tantos datos o a tanta potencia de procesamiento de datos como en la actualidad. Aunque los retailers de alimentación ya han realizado esfuerzos en el pasado para actualizar sus pronósticos con rapidez, el procesamiento de datos a gran escala y la tecnología en memoria permiten ahora realizar millones de cálculos de pronósticos en un solo minuto. 

El Machine Learning le permite incorporar una amplia variedad de factores y relaciones que influyen en la demanda a sus pronósticos de ventas. El valor de esto es incalculable, ya que solamente los datos meteorológicos pueden contener cientos de factores diferentes que pueden influir potencialmente en la demanda. 

Figura 5: Gracias al Machine Learning, los retailers pueden identificar el impacto de los patrones de ventas recurrentes, sus propias decisiones comerciales internas y los factores externos sobre la demanda para realizar pronósticos más precisos, granulares y automáticos a corto y largo plazo. 

Sin embargo, es necesario llamar la atención sobre este punto: el modo de implementar el Machine Learning marca realmente la diferencia. Aunque los retailers de alimentación tienen la capacidad de recopilar cantidades masivas de datos, estos suelen estar limitados a nivel de tienda y de SKU. Puede que los productos de baja rotación no proporcionen las suficientes transacciones de ventas para su estudio, pueden faltar datos de referencia sobre promociones y exhibiciones de productos pasadas y, conforme los productos vienen y van, es posible que no haya datos suficientes para la SKU exacta que se intenta pronosticar. El cálculo de pronósticos con Machine Learning debe configurarse correctamente para que sea menos vulnerable a los problemas de datos. De lo contrario, se provocaría un escenario de “datos basura que generan datos basura”. 

Si se implementa de la manera correcta, el Machine Learning aborda de manera eficaz los desafíos comunes relacionados con los datos de retail y beneficia a todas las áreas de la previsión de la demanda de alimentos: 1) detectar los patrones de demanda recurrentes que cambian con el día de la semana o la temporada, 2) predecir el impacto de las promociones, los cambios de precios y otras decisiones comerciales internas, 3) prever el impacto del tráfico, de eventos, la meteorología y otros factores externos e incluso 4) detectar cuándo factores desconocidos (como un cambio no registrado de la presentación de un producto) pueden estar afectando a la demanda. 

Figura 6: El Machine Learning aborda todos los requisitos típicos de la previsión de la demanda de un retailer de alimentos.

En escenarios simples como pronosticar una variación de la demanda recurrente predecible, el Machine Learning ofrece tan solo una precisión equivalente o ligeramente superior a la previsión de la demanda tradicional basada en series temporales. Sin embargo, en escenarios complejos como promociones superpuestas o canibalización de ventas, la previsión basada en el Machine Learning supera claramente a los enfoques de previsión tradicionales. 

3.3. Desafíos habituales de la previsión de la demanda en supermercados, y tiendas de autoservicio 

A continuación, analizaremos cómo superar algunos de los desafíos de la previsión de la demanda que se presentan habitualmente en supermercados, tiendas de descuento y tiendas de conveniencia. Aquí discutimos cómo los retailers de alimentación pueden superar estos desafíos en su variedad de tiendas. 

3.3.1. Pronóstico de demanda para nuevos productos y tiendas 

El Machine Learning se basa en la detección de patrones en los datos históricos de ventas, por lo que los nuevos productos que carecen de estos datos pueden ser un desafío. Afortunadamente, también existen más rutinas que ayudan a gestionar mejor la introducción de nuevos productos. 

Cuando se introduce un nuevo producto, el enfoque más común es asignarle un producto de referencia que se utilizará como modelo para el patrón de ventas hasta que el nuevo producto haya acumulado suficientes datos históricos propios. Sin embargo, en el retail de alimentación, el número de nuevos productos puede ser enorme cada año. Por ello, identificar y establecer productos de referencia manualmente es inviable o, al menos, muy ineficiente. 

Es mucho más eficiente usar un sistema que pueda comparar automáticamente los atributos del producto (por ejemplo, grupo de producto, marca, tamaño del envase, color o precio óptimo) para asignar el producto de referencia más relevante. El mismo enfoque puede aplicarse para encontrar tiendas de referencia adecuadas para la apertura de nuevas tiendas. 

Figura 7:Para un producto nuevo de la categoría de cereales, puede buscarse un buen producto de referencia inicial en productos con la misma marca, tamaño y características diferenciadoras como, por ejemplo, orgánicos e integrales.  

3.3.2. Previsión del impacto de las promociones y los cambios de precio y displays

Las decisiones comerciales de retailers de alimentación también son un factor importante de variación de la demanda, desde las promociones y los cambios de precio hasta ajustes en la forma de exponer los productos en las tiendas. A pesar de que los retailers planifican y controlan estos cambios por sí mismos, muchos retailers del sector siguen siendo incapaces de prever su impacto con precisión. 

En el estudio de 2020 realizado entre retailers de alimentación norteamericanos, el 70 % de los encuestados indicó que no eran capaces de considerar todos los aspectos relevantes de una promoción —precio, tipo de promoción o exposición en tienda— al pronosticar el incremento de ventas de una promoción. Pero también indicaron que les gustaría. 

El Machine Learning permite a los retailers modelar con precisión la elasticidad del precio de un producto o determinar en qué grado afectará un cambio de precio a la demanda de ese producto. Sin embargo, la elasticidad del precio por sí sola no captura el impacto total de un cambio de precio. 

El precio de un producto en relación con otros productos de su categoría también suele tener un gran impacto. En muchas categorías, el producto con el precio más bajo atrae a una parte desproporcionadamente grande de la demanda. La previsión de la demanda basada en el Machine Learning permite considerar la posición del precio de un producto con más facilidad, como se muestra en la figura a continuación. 

Figura 8: La demanda de este producto aumenta cuando su precio baja, pero aumenta aún más cuando el precio del producto es el más bajo de su categoría. 

Sin embargo, el Machine Learning hace más que simplemente utilizar los datos de precios. El pronóstico con Machine Learning permite a los retailers de alimentación predecir el impacto de las promociones con precisión, ya que tiene en cuenta factores que incluyen, entre otros: 

Figura 9: El Machine Learning puede incorporar los efectos de actividades promocionales como el marketing, los descuentos y las exposiciones para prever con precisión la demanda de artículos promocionales. 

3.3.3. Considerar los efectos de canibalización y halo en el pronóstico

Es bastante común que una mejora promocional de un producto reduzca las ventas de otro. Por ejemplo, si un supermercado que vende las marcas de carne picada orgánica “Vaca Feliz” y “Ternera Verde” promociona el producto Vaca Feliz, más personas lo comprarán, pero es probable que parte de la demanda de referencia de Ternera Verde cambie a Vaca Feliz. Si los planificadores no reducen la previsión de la demanda del producto Ternera Verde, corren un alto riesgo de acumulación de stock, lo que genera mermas. 

Para la mayoría de los productos secos, como alimentos enlatados o cereales, la canibalización no es un gran problema. Si la demanda disminuye temporalmente, bastará con activar una orden de reabastecimiento del producto canibalizado más tarde de lo habitual. Sin embargo, en el caso de los productos frescos y especialmente aquellos que tienen un número limitado de sustitutos directos, los pronósticos deben considerar el impacto de la canibalización para impedir el exceso de stock y la merma. 

Figura 10: Los algoritmos de Machine Learning pueden modelar con precisión los efectos de la canibalización en relación con las promociones o los cambios de precios en función de los datos históricos de ventas. 

Ajustar manualmente los pronósticos de todos los artículos potencialmente canibalizados simplemente no es factible en la mayoría de los contextos de retail porque el número de productos es demasiado grande. Por lo general, los patrones son bastante específicos, tanto para los surtidos de cada tienda como para los patrones de compra. La capacidad de los algoritmos de Machine Learning para identificar patrones automáticamente y ajustar los pronósticos en consecuencia agrega un valor enorme al abordar la canibalización de ventas. 

La otra cara de la canibalización, por supuesto, es el efecto halo: cuando la promoción del producto Vaca Feliz también impulsa las ventas de productos relacionados no pertenecientes a la clase de “carne picada”. Los panes para hamburguesa, por ejemplo, tienen una correlación obvia y predecible con la carne picada. 

Desafortunadamente, el impacto del efecto halo puede dispersarse tanto en el surtido que identificar cada producto afectado es una tarea prácticamente imposible, incluso con el Machine Learning. Pensemos en cebollas, patatas fritas, cerveza, sandía, kits para tacos, acompañamientos para ensaladas, galletas saladas, maíz, salsa inglesa, salsa de soja o cualquier otro artículo que los compradores puedan asociar con un plato de carne picada. Pero, aunque los sistemas de pronóstico no pueden identificar todas las posibles relaciones de halo, sí deberían facilitar a los planificadores los pronósticos para las relaciones que sí saben que existen. 

3.3.4. Estimación del impacto de la meteorología y otros factores externos sobre la demanda

Factores externos como la meteorología, conciertos, eventos deportivos o los cambios de precios de la competencia pueden tener un impacto significativo en la demanda. 

Parece sencillo entender cómo algo como la meteorología, por ejemplo, influye en las ventas: las altas temperaturas aumentan las ventas de helados, la lluvia aumenta la demanda de paraguas, etc. Sin embargo, al observar la oferta completa de surtido de un retailer, se vuelve más complicado. 

El uso de pronósticos y de los datos meteorológicos locales para prever la demanda con mayor precisión es un gran ejemplo del poder del Machine Learning. Los algoritmos de Machine Learning pueden detectar automáticamente la relación entre las variables meteorológicas locales y las ventas de productos específicos en tiendas específicas. 

Figura 11: En este producto, las ventas de referencia siguen un patrón semanal regular. Sin embargo, mediante el uso de patrones de ventas históricos, el sistema ha identificado automáticamente que el producto reacciona notablemente los fines de semana con un día despejado. 

Los algoritmos de Machine Learning pueden utilizarse de la misma manera para aprovechar una amplia variedad de fuentes de datos más allá de la meteorología. Esto permite a los retailers de alimentación a identificar las relaciones entre las variables externas, como eventos deportivos o conciertos locales, y las ventas locales de productos específicos. 

En el retail de alimentación, las fuentes de datos externas más útiles son: 

  • Datos meteorológicos y previsiones meteorológicas locales (lea el caso de éxito
  • Números y pronósticos de pasajeros en los centros de transporte (lea el caso de éxito
  • Información sobre eventos locales pasados y futuros como partidos de fútbol o conciertos 
  • Datos de precios de la competencia 

3.3.5. Gestión de cambios inexplicables en la demanda 

En el retail tradicional, circunstancias locales, como la apertura o el cierre de una tienda cercana de un competidor directo, pueden provocar un cambio en la demanda. Desafortunadamente, es probable que los datos sobre el factor que causa este cambio no estén registrados en ningún sistema. A veces, las propias decisiones internas de los retailers tampoco se registran como, por ejemplo, la colocación de un producto en un área de display especial de la tienda. 

Por suerte, el Machine Learning puede ayudar en estas situaciones. Los algoritmos de machine learning pueden colocar provisionalmente un “punto de cambio” en el modelo de pronóstico y rastrear los datos posteriores para refutar o validar la hipótesis. Esto permite adaptar los pronósticos de forma rápida y automática a los nuevos niveles de demanda. 

Veamos a continuación el ejemplo de la imagen 12, que muestra el impacto sobre las ventas de un producto cuando el personal de la tienda lo colocó en display además de su espacio habitual en las estanterías. Aunque nadie registró este cambio en los datos maestros, el sistema pudo rastrear fácilmente el impacto sobre la demanda como un factor del modo de exponer el producto en la tienda. 

Figura 12: Los cambios escalonados en la demanda de este producto (primero crece y después decrece) son el resultado de exponer el producto adicionalmente en otro display de la tienda. Esta exposición adicional no se registró en los datos maestros de la tienda, pero el algoritmo de Machine Learning pudo considerar este cambio escalonado con muy poco retraso. 

3.3.6. Incorporar la Experiencia del Planificador a la Previsión de la Demanda 

Para que se mantenga la competitividad en el retail de alimentación, es necesario adoptar el Machine Learning, pero también deben entenderse sus limitaciones. La automatización de gran parte de la previsión de la demanda no solo es deseable, sino que es viable gracias al Machine Learning. No obstante, la crisis de COVID-19 demostró claramente que siempre habrá circunstancias en las que los pronósticos generados serán erróneos (aunque algunos sistemas son capaces de recuperarse con más rapidez que otros). 

La pandemia supuso un impacto especialmente extremo para el sistema pero, en un sector tan dinámico como el retail, siempre existe el riesgo de que los pronósticos basados en cómo solían ser las cosas no capturen con precisión cómo son las cosas ahora o cómo serán en el futuro. Ninguna solución de planificación de la demanda, por avanzada que sea, puede escapar por completo a los errores de pronóstico. 

Por eso es tan importante que los expertos de los equipos de planificación de la demanda de retail comprendan los errores de pronóstico. Si el sistema proporciona transparencia en su forma de elaborar el pronóstico, los expertos de retail pueden detectar y corregir rápidamente cualquier error que vean en él. 

Demasiados retailers confían en sistemas de pronóstico de “caja negra” que admite todo tipo de datos para producir pronósticos precisos, pero carecen de transparencia. Sistemas de caja negra bien pueden perjudicar su eficiencia por un par de razones:  

Los ocasionales errores extremos de pronóstico pueden infligir mucho más daño al rendimiento que los errores menores y frecuentes. Considere la posibilidad de conducir en un terreno irregular. Los baches pequeños pueden gestionarse con cuidado, pero un agujero profundo puede causar daños significativos si no está prevenido. 

Cuando los planificadores de demanda no pueden entender los errores de pronóstico, su confianza en todos los cálculos de pronóstico se erosiona, lo que conduce a un incremento en el tiempo dedicado a la doble verificación y pronóstico manual. socavando el propósito de la automatización. 

4. Perfeccionar el reabastecimiento para reducir la merma y mejorar la disponibilidad y la eficiencia 

La calidad del proceso de reabastecimiento de retailers de alimentación tiene un impacto directo en sus ingresos y ganancias finales. 

El reabastecimiento de una tienda de alimentación de alta calidad y basado en el pronóstico obtiene directamente los siguientes beneficios:

Sin embargo, en una encuesta realizada entre retailers de alimentación norteamericanos en 2020, solo el 24 % de los encuestados implementaba algún nivel de reabastecimiento basado en pronósticos y solo el 7 % lo había implementado extensivamente. Definitivamente, el reabastecimiento de la tienda es un área donde las operaciones de muchos supermercados. 

4.1. El reabastecimiento de frescos requiere una planificación y una ejecución detallada

En el caso de los alimentos frescos, un reabastecimiento de tienda correctamente gestionado es fundamental para encontrar el equilibrio óptimo entre el riesgo de pérdida de márgenes de ventas causada por roturas de stock y el riesgo de merma o reducción de precio, que consume márgenes ya de por sí reducidos. 

Aunque los supermercados tradicionales llevan décadas trabajando con productos frescos, muchos aún no destacan en esta área. Sus cadenas de suministro son lo suficientemente reactivas para gestionar entregas frecuentes, pero su planificación de reabastecimiento no está a la altura. 

Según las tiendas de alimentación de Norte América encuestadas, el valor anual de la merma alcanzó un promedio de más de 70 millones y hasta varios cientos de millones de USD anuales en el caso de las empresas más grandes que ofrecen una amplia variedad de productos frescos. Una reducción del 10-40% resultaría en un ahorro anual aproximado de entre 7-28 millones de USD. Esto no es solamente algo viable: los retailers de alimentación modernos deberán hacerlo para reducir la huella de carbono y mejorar la sostenibilidad de sus negocios. (Obtenga más información sobre cómo reducir la huella de carbono en supermercados, tiendas de conveniencia, servicios de alimentos y tiendas de alimentación online aquí). 

4.1.1. Equilibrio entre merma y venta perdida 

Para los llamados productos ultra frescos, es decir, artículos de vida útil corta que deben venderse el mismo día, una disponibilidad en el lineal del 100 % significa que siempre habrá merma o descuentos, a menos que el pronóstico sea impecable a nivel de día, tienda y producto. Por tanto, se requiere un control muy granular para encontrar el equilibrio óptimo entre el riesgo de rotura de stock y el riesgo de merma. Otros productos frescos presentan un desafío similar, solo que algo menos pronunciado. 

La demanda de un producto en una tienda específica varía entre los diferentes días de la semana. Para algunas tiendas y productos, esta variación del reabastecimiento de productos frescos en función del día de la semana puede ser realmente dramático. Esto quiere decir que un mismo stock de seguridad no se ajusta a todos los días de la semana cuando se trata de productos de vida útil corta.

Figura 13: En el retail de la alimentación, es bastante habitual que la demanda de artículos específicos varíe durante la semana. Si los niveles de stock de seguridad son estáticos a lo largo de la semana, existe un alto riesgo de rotura de stock cuando la demanda es alta o un alto riesgo de merma cuando la demanda es baja. 

Por ejemplo, el rosbif tiende a venderse mucho más al inicio del fin de semana que el domingo. En el caso del rosbif, un nivel de stock de seguridad estático —incluso aunque el pronóstico a nivel del día sea preciso— conduce a 1) un exceso de inventario al finalizar el fin de semana, con un mayor riesgo de merma y 2) un stock de seguridad peligrosamente bajo durante el fin de semana, con un mayor riesgo de rotura de stock. 

Para encontrar el equilibrio correcto entre el riesgo de merma y el riesgo de desabastecimiento, el stock de seguridad se deberá subir y bajar al ritmo de los volúmenes de ventas esperados y los errores de pronóstico de cada uno de los días de la semana. Un buen sistema de planificación de retail realiza este tipo de optimización granular del stock de seguridad automáticamente. 

De hecho, los mejores sistemas de planificación de retail llevan la optimización aún más lejos, no solo porque utilizan stocks de seguridad dinámicos, sino también porque optimizan cada pedido mediante cálculos de coste-beneficio que equilibran el riesgo de merma con el riesgo de rotura de stock. Estos algoritmos de Machine Learning minimizan el margen total de ventas perdidas y el coste de la merma. 

La función de coste debe poder ajustarse en función de la importancia que se otorga a la disponibilidad en el lineal frente a la merma para considerar los roles estratégicos de las categorías y productos clave, así como para determinar las oportunidades de sustitución dentro de la categoría del producto. 

Figura 14: Los mejores sistemas de planificación de retail optimizan cada pedido mediante cálculos de coste-beneficio que equilibran el riesgo de merma con el riesgo de rotura de stock. 

Al gestionar el reabastecimiento de productos frescos en tiendas, es muy importante realizar todos los cálculos y optimizaciones automáticamente. Para un ser humano, realizar un seguimiento de todos los factores que influyen en la demanda como la variación por día de la semana (por ejemplo, la estación del año, factores meteorológicos y promociones), así como todos los factores que influyen en el reabastecimiento (los calendarios de entrega, el tamaño de los lotes, las probabilidades de merma y desabastecimiento a nivel del día, etc.) de cientos o miles de artículos al día en una tienda, por no hablar de las miles de tiendas, es una tarea imposible. 

Sin embargo, es fundamental que el sistema de previsión de la demanda y reabastecimiento no sea un sistema de tipo caja negra. Los análisis procesables permiten a los planificadores del suministro detectar y ajustar fácilmente excepciones como la merma histórica o proyectada o una baja disponibilidad. 

A continuación, mostramos algunos ejemplos de excepciones habituales en el reabastecimiento de alimentos frescos en retailers de alimentación: 

Para los retailers de alimentación, la automatización puede reducir drásticamente el tiempo dedicado a las tareas rutinarias en la planificación del reabastecimiento de la tienda. Al mismo tiempo, multiplica el impacto de los expertos en procesos más informados de su organización. Si el reabastecimiento de la tienda no está automatizado, sus mejores analistas de la cadena de suministro tendrán una influencia limitada. Quizás puedan revisar los éxitos y fracasos a medida que suceden e intentar convertir algunos de sus hallazgos en acción en las tiendas con la ayuda del equipo de capacitación y formación. 

Sin embargo, cuando el reabastecimiento de la tienda está automatizado y la planificación corre a cargo de un equipo experto, los expertos en planificación de retailers de alimentación pueden marcar una diferencia visible en cientos de tiendas, casi de inmediato, ajustando simplemente la configuración del reabastecimiento. 

4.1.2. Tiendas que se convierten en cocinas 

Los consumidores buscan cada vez más comodidad, por lo que las soluciones de comida para llevar están en aumento. Muchas tiendas se están convirtiendo en cocinas donde se preparan bocadillos, ensaladas y platos precocinados. 

Tradicionalmente, los productos elaborados in situ se han considerado artículos especiales que deben gestionarse manualmente en las tiendas. Sin embargo, con la creciente demanda de comidas preparadas, la importancia de la producción in situ es ahora mucho más pronunciada y más crítica para la rentabilidad del retailer de alimentación. 

El proceso de reabastecimiento de comidas preparadas no es muy diferente del reabastecimiento de otros productos que se venden en una tienda. Solo es un poco más complicado. La demanda de los productos finales, las comidas, se refleja en los ingredientes que se utilizan para elaborarlas. Por tanto, los cálculos de reabastecimiento deben realizarse para cada ingrediente, teniendo en cuenta el tiempo de entrega y el stock disponible de cada ingrediente. 

Básicamente, el proceso es el siguiente: 

  1. Prever la demanda del producto final. 
  2. Convertir la demanda estimada del producto final en la demanda estimada de los ingredientes necesarios para elaborar el producto final. Esto requiere conocer la receta (a veces también llamada lista de materiales, un término derivado de la industria manufacturera), así como los rendimientos de los diferentes ingredientes. Si se necesitan 36,8 gramos de lechuga para un sándwich, es posible que los cálculos deban realizarse con 48,1 gramos de lechuga por sándwich para tener en cuenta la parte de la lechuga que no se utiliza en un sándwich. 
  3. Calcular la demanda estimada de cada ingrediente. La demanda total de un ingrediente refleja a menudo su uso en varios productos finales. 
  4. Calcular la cantidad de reabastecimiento que se necesita de cada ingrediente en función del tiempo de entrega, el stock disponible, los posibles pedidos entrantes, la demanda estimada y el stock de seguridad objetivo. 

A veces, los ingredientes de una receta se componen de otros ingredientes, como una mayonesa especial o una mostaza de un origen concreto. En esos casos, deberán realizarse cálculos similares para varios niveles de recetas. Es una tarea agotadora para un ser humano, pero bastante sencilla para un ordenador. 

Figura 15: La planificación del reabastecimiento de comidas preparadas in situ, como sándwiches y ensaladas, requiere considerar la receta o la llamada lista de materiales de cada producto final. 

4.1.3. Reabastecimiento frecuente de productos ultra frescos

En el caso de los productos ultra frescos, muchos retailers han optado por entregarlos en las tiendas varias veces al día para garantizar su frescura. De manera similar, los artículos elaborados in situ suelen prepararse en varios lotes a lo largo del día. Esto se aplica especialmente a la creciente categoría de productos de panadería en tienda, que idealmente tienen que estar aún calientes cuando el cliente los recoge. Además, cada vez más retailers de alimentación abren pequeñas tiendas en ubicaciones urbanas, tales como las tiendas de conveniencia, lo que ha creado la necesidad de realizar varios reabastecimientos al día debido a la falta de espacio de almacenamiento en la tienda. 

Para realizar más pedidos al día o diseñar un plan de horneado óptimo por día, es necesario tener en cuenta la variación de la demanda en función del día de la semana y durante un mismo día. En algunos productos, el patrón de la demanda intradiaria seguirá la afluencia general de los clientes de ese día; en otros productos, como los artículos para el almuerzo, la demanda estará más influenciada por cómo se planea consumir los artículos. 

Figura 16: En algunos productos como el detergente en polvo, que se muestra arriba en verde, el patrón de la demanda intradía seguirá el patrón general de afluencia de los clientes. En otros productos, como los artículos para el almuerzo, la demanda estará más influenciada por cómo se planea consumir los artículos. 

De nuevo, realizar un seguimiento manual de los patrones de la demanda cada día de la semana e intradiaria es un proceso bastante complejo y propenso a errores. Sin embargo, muchos retailers aún confían en que sus asociados en las tiendas resuelvan esto por sí mismos. Es una apuesta de alto riesgo, ya que los productos ultra frescos influyen en gran medida en cómo los consumidores evalúan la calidad de los productos frescos de una tienda. 

Los sistemas de planificación de retail más eficaces pueden determinar la división óptima entre varios pedidos o lotes de producción por día, así como ajustar las cantidades según sea necesario y de forma automática. 

4.1.4. Contribución de la ciencia al arte de gestionar frutas y verduras 

Frutas y verduras suelen ser las últimas de la fila cuando se automatizan los pedidos en las tiendas. Obviamente, los productos agrícolas también presentan los mismos desafíos derivados de una vida útil corta y la demanda variable que otras categorías de productos frescos. Además, la oferta variada y la calidad de las frutas y verduras exigen mayor flexibilidad al sistema de planificación en uso. 

Las regiones de las que proceden las frutas y verduras cambian constantemente, ya que los cultivos se cosechan en diferentes lugares del mundo y en diferentes épocas. Incluso los productores de una misma región pueden programar sus cosechas de forma ligeramente diferente. Además, como siempre existe cierta incertidumbre en la disponibilidad de productos de buena calidad, los retailers de alimentación suelen tratar siempre de tener varios proveedores de un mismo producto. 

Desde la perspectiva del consumidor, un limón es un limón, pero la cadena de suministro debe lidiar con decenas de códigos de productos diferentes para el limón, cada uno asociado con un proveedor diferente.  Para gestionar eficazmente las frutas y verduras en retailers de alimentación, el sistema de planificación debe ser capaz de cambiar entre los niveles de planificación según sea necesario: 

  1. La previsión de la demanda debe realizarse a nivel de producto, por ejemplo, “limón orgánico nacional”, utilizando datos de ventas históricos de todos los limones orgánicos nacionales, independientemente del proveedor. 
  1. También debe determinarse la cantidad de reabastecimiento en función del inventario disponible de limones orgánicos nacionales, así como de su demanda prevista. 
  1. Sin embargo, la orden de reabastecimiento debe generarse para el proveedor actual de tomates orgánicos nacionales. Aquí es donde el sistema de planificación debe pasar del nivel de producto al nivel de SKU, es decir, de “limón orgánico nacional” a “limón orgánico nacional suministrado por Citrus Limón”. 
  1. A menudo, la orden de reabastecimiento debe dividirse entre dos o tres proveedores para garantizar la disponibilidad en caso de escasez de productos del proveedor, así como para mantener a varios proveedores activos. En ese caso, el sistema de planificación también debe encargarse de asignar la necesidad de pedidos a varios proveedores, por ejemplo, el 65% a Citrus Limón y el 35% a San Citrus.  

La gestión manual del proceso de previsión de la demanda y reabastecimiento de frutas y verduras es muy laboriosa, pero se puede automatizar de forma eficaz. El requisito previo clave es tener pautas claras sobre qué productos se incluirán en los surtidos de las tiendas y qué proveedores se utilizarán para el abastecimiento en un momento dado. Al igual que en cualquier proceso de automatización, disponer de datos maestros de alta calidad es fundamental. 

4.2. Un reabastecimiento optimizado es esencial para la cadena de suministro eficiente

Los productos frescos deben llegar a las tiendas en perfecta sincronización con la demanda. Sin embargo, los productos secos y otros productos con una vida útil más larga ofrecen más oportunidades para optimizar el flujo de inventario en la cadena de suministro. El reabastecimiento optimizado de los productos secos es esencial para reducir los costes en las tiendas y en toda la cadena de suministro de alimentos. 

Los retailers que dominan el reabastecimiento de productos no perecederos disfrutan de un flujo de mercancías mucho más nivelado a través de sus centros de distribución, lo que acelera el retorno de la inversión en automatización de almacenes y reduce el riesgo de que los cuellos de botella de capacidad influyan negativamente en la disponibilidad en los lineales. Además, el personal de las tiendas de retail de alimentación dedica mucho tiempo y esfuerzo a colocar los productos en los estantes, por lo que el reabastecimiento optimizado permite a los retailers reducir los costes operativos de sus tiendas. 

4.2.1. Sincronizar el reabastecimiento y el espacio en estanterías para rentabilizar las operaciones 

Tradicionalmente, los retailers de alimentación han operado con un enfoque de silos de información con muy poca comunicación entre los equipos de comercialización responsables de los planogramas, los equipos de la cadena de suministro responsables del reabastecimiento y los equipos de operaciones responsables de los procesos de trabajo en la tienda. Y esto, debería cambiar. 

El espacio asignado a cada producto en una tienda influye en gran medida tanto en los resultados como en los costes del proceso de reabastecimiento de la tienda: 

  • Si el espacio asignado es muy grande en comparación con la demanda, el inventario necesario para garantizar una disponibilidad óptima en los lineales no será suficiente para garantizar una presentación completa y visualmente atractiva. Para ello, deben definirse visuales mínimos adicionales. Los visuales mínimos indican cuántas unidades de un producto debe haber en un estante para que la presentación sea visualmente atractiva. Para los productos de baja rotación, los visuales mínimos siempre serán más altos que los niveles de inventario requeridos para una disponibilidad adecuada. Esto puede no ser un problema para los productos con una vida útil larga pero, en el caso de los productos frescos, unos mínimos visuales excesivos pueden causar una merma innecesaria. 
  • Si el espacio asignado es pequeño en comparación con la demanda, las entregas entrantes no cabrán en el estante. Al menos una parte de la cantidad recibida deberá colocarse en la trastienda u otra área de almacenamiento. Esto aumenta significativamente el coste, ya que los productos deben moverse de un lado a otro entre el área de ventas y la trastienda. Además, el uso del almacenamiento de la trastienda aumenta significativamente el riesgo de estantes vacíos, ya que el reabastecimiento adecuado desde la trastienda depende de la vigilancia del personal de la tienda. 
Figura 17: Si el espacio asignado es demasiado grande para la demanda, las estanterías quedan vacías o es necesario reponer el stock para llenar el espacio. Por otro lado, si el espacio asignado es demasiado pequeño, los empleados tienen que trasladar los stocks de un lado a otro hasta el almacén de la trastienda.

Aunque pueda parecer raro, la integración total entre la planificación del espacio y del reabastecimiento es una práctica recomendada importante para aumentar la eficiencia operativa:  

  • El acceso a los datos del planograma permite automatizar el mantenimiento de los mínimos visuales al nivel de producto-tienda en función del número de unidades de exhibición o del espacio total asignado en los estantes para cada producto en cada tienda. 
  • El acceso a los datos del planograma también permite reducir automáticamente las órdenes de reabastecimiento de modo que todas las entregas entrantes quepan en el estante. Por lo general, esta regla debe equilibrarse con el riesgo de desabastecimiento si el espacio asignado a algunos productos es muy pequeño en relación con su demanda. 
  • El acceso a la información del plano de planta permite asignar los principales días de reabastecimiento en función del lugar donde se exponen los productos en la tienda. El objetivo es crear entregas más enfocadas que minimicen la necesidad del personal de desplazarse innecesariamente por la tienda para reponer los estantes.  
  • El acceso a la información del planograma también permite planificar el reabastecimiento para que los estantes se llenen al máximo cada vez que llega una entrega, minimizando el trabajo del personal en las estanterías. Esto significa que, en lugar de recibir dos lotes de una sola vez, si hay espacio para un tercero que se entregará la siguiente semana, la orden se calcula para llenar el espacio asignado en los estantes a su llegada. 

El espacio asignado a cada producto es de vital importancia para un proceso de reabastecimiento eficiente en las tiendas, por lo que es importante comunicarse constantemente con el equipo de comercialización. Una buena herramienta de análisis lo ayudará a identificar los productos y las tiendas donde el espacio y las ventas no coinciden, es decir, donde las entregas entrantes no caben directamente en los estantes o donde los requisitos mínimos visuales generan merma o reducción de precios. 

Idealmente, la planificación del espacio de los retailers de alimentación debe basarse siempre en pronósticos detallados a nivel de tienda, producto y día, así como en la información sobre los ciclos de reabastecimiento y los principales días de reabastecimiento disponibles en la planificación del reabastecimiento: 

  • Al utilizar pronósticos precisos en lugar de consultar los datos históricos de ventas a la hora de optimizar la asignación de espacio para los productos, el equipo de planificación del espacio puede tener en cuenta la estacionalidad y las tendencias con mayor facilidad. 
  • El uso de buenos pronósticos de las ventas máximas esperadas por intervalo de entrega permite optimizar el espacio en los estantes de modo que sea verdaderamente eficiente para todos los productos de una tienda todos los días de la semana. Este tipo de optimización permite reducir las entregas y los flujos a los estantes para aumentar la proporción de la gama de productos. 

En algunos casos, la optimización basada en pronósticos del espacio en los estantes ha permitido reducir los costes de distribución y de reabastecimiento en tienda hasta un 30%. 

4.2.2. El reabastecimiento inteligente permite mejorar la eficiencia de las operaciones de tienda y nivelar los flujos de stock

Por lo general, todos los grandes retailers de alimentación reabastecen todas o al menos la mayoría de sus tiendas cada día desde sus centros de distribución. Esto se debe a que los productos frescos exigen entregas frecuentes y porque los flujos de inventario generales son lo suficientemente importantes como para garantizar entregas diarias. 

Si se utilizan todas las oportunidades de reabastecimiento para todos los grupos de productos sin discreción, ocurrirán dos problemas: 

  1. Las entregas en las tiendas consistirán en una mezcla aleatoria de productos de varias categorías que se exponen en diferentes partes de la tienda. En consecuencia, el personal de la tienda pasará una gran cantidad de tiempo moviendo jaulas de transporte por la tienda para reponer los estantes. 
  2. Los volúmenes de entrega no serán aproximadamente iguales cada día de la semana, sino que reflejarán la variación diaria en el volumen de ventas, a menudo con picos de entrega significativos de cara al final de la semana para prever la demanda del fin de semana. Esto provoca que las necesidades de capacidad fluctúen tanto en los centros de distribución como en las tiendas, lo que aumenta los costes. 
Figura 18: Cuando las jaulas de transporte contienen una gran variedad de productos, el personal de la tienda pasa mucho tiempo yendo de un pasillo a otro para colocar los productos en los estantes. Establecer días de reabastecimiento principales en función del plano de planta de la tienda aumenta significativamente la eficiencia de la reposición. 

En lugar de usar automáticamente todas las oportunidades de pedidos o de reabastecimiento disponibles para todos los productos, es mejor práctica definir los principales días de reabastecimiento para los productos con una vida útil más larga. De este modo, el reabastecimiento de ciertos grupos de productos de estante en los retailers de alimentación se concentra en días específicos de la semana en lugar de estar disperso a lo largo de la semana. La planificación del reabastecimiento, como la optimización del stock de seguridad y el cálculo de las cantidades de los pedidos, se basará en la entrega de los productos en los principales días de reabastecimiento especificados. Sin embargo, para garantizar la mayor disponibilidad posible, las órdenes de reabastecimiento también se activan para los demás días de reabastecimiento disponibles para evitar desabastecimientos en caso de picos de demanda inesperados.   

Es decir, en lugar de pedir detergentes todos los días, los detergentes de rotación rápida se reponen principalmente, por ejemplo, los lunes y jueves, y los detergentes de rotación baja los jueves. El resto de los días de reabastecimiento del centro de distribución a la tienda se utilizarán solo en caso de que exista el riesgo de desabastecimiento en la tienda. 

El uso de los principales días de reabastecimiento mejora significativamente la eficiencia del reabastecimiento en tienda sin obstaculizar la disponibilidad en el lineal. Esta mayor consolidación de las entregas mejora la eficiencia de la reposición de las estanterías, especialmente cuando los principales días de reabastecimiento se establecen en función de las categorías de productos que se exponen en un mismo pasillo o área de la tienda. Los comercios que han establecido días principales de reabastecimiento han llegado a reducir hasta un 20% el tiempo dedicado a apilar los estantes.  

Al igual que ocurre con muchos otros procesos, el uso de los principales días de reabastecimiento se puede optimizar aún más una vez que se han implementado los elementos básicos. A través del uso de la IA para optimizar los principales días de reabastecimiento en toda la tienda, el flujo de mercancías entrantes a una tienda se puede nivelar para cada día de la semana. En muchas tiendas, los fines de semana pueden ser muy ajetreados, ya que muchos clientes realizan sus compras semanales y además se entregan grandes cantidades de productos frescos. Establecer los principales días de reabastecimiento de los productos de estante en días de la semana más tranquilos equilibra el flujo de mercancías entrantes y facilita la planificación del personal en las tiendas. (Lea este caso de éxito para obtener más información). 

Figura 19: Este gráfico muestra el flujo de mercancías entrantes a una tienda de alimentación de gran tamaño antes y después de optimizar los principales días de reabastecimiento mediante IA. Como puede verse, el flujo de mercancías después de la optimización es mucho más parejo. 

4.2.3. Tamaños dinámicos para una demanda dinámica 

La optimización del uso de diferentes tamaños de paquetes es una potente herramienta que mejora la eficiencia del reabastecimiento. En muchos casos, las tiendas pueden solicitar paquetes de cajas, capas de palés o palés completos al centro de distribución. Los lotes más grandes son más eficientes de manejar tanto en las tiendas como en los centros de distribución, pero las entregas deben coincidir con el espacio disponible y la demanda en las tiendas. De lo contrario, el inventario se acumulará y reducirá la eficiencia al congestionar la trastienda y provocar múltiples viajes para reponer los estantes entre la trastienda y el área de tienda. 

Especialmente en el caso de los retailers que operan tiendas de diferentes tamaños, optimizar los tamaños de los paquetes de reabastecimiento por producto y tienda tiene un impacto directo en los costes de manipulación. Sin embargo, hacerlo de una sola vez como un esfuerzo concertado no es suficiente, ya que la demanda cambia con el tiempo y, en algunos productos, también con las estaciones. Durante la temporada alta, un palé puede ser más eficiente y, fuera de temporada, pueden serlo los paquetes de cajas más pequeños. 

El sistema de planificación de retail de alimentación debe poder optimizar automáticamente qué tamaño de paquete usar por producto, tienda y pedido. De este modo, cada vez que se realiza un pedido, el sistema siempre verifica todos los tamaños de paquete disponibles —que suelen variar entre cajas y palés completos— y selecciona el tamaño de paquete más eficiente en función de la demanda prevista. 

Para lograr una verdadera mejora de la eficiencia, los almacenes de suministro en retailers de alimentación deben poder estimar la demanda de los diferentes tamaños de embalaje. De lo contrario, pueden verse en una situación donde utilicen embalajes individuales para crear palés para las tiendas en lugar de garantizar el flujo de palés completos a través del sistema de distribución. Esto es posible cuando las proyecciones (consulte la sección 5) que se utilizan como base para la planificación de la distribución reflejan el uso previsto de los diferentes tamaños de embalaje en las tiendas. 

5. Una cadena de suministro integrada y orientada a la demanda del cliente 

Tradicionalmente, el reabastecimiento de las tiendas y la gestión del inventario en los centros de distribución regionales o almacenes centrales han sido procesos separados impulsados por pronósticos de demanda separados. 

En una encuesta realizada en 2020, descubrimos que el 31% de los grandes retailers de alimentación aún basaban los pronósticos de sus centros de distribución en los datos históricos de entregas salientes de estos centros de distribución. Esto podría compararse a conducir un automóvil mientras se mira por el espejo retrovisor. 

Según la misma encuesta, solo el 29% de los encuestados eligió el enfoque más prospectivo de basar los pronósticos de sus centros de distribución en las previsiones de demanda de las tiendas. Por supuesto, este enfoque es mucho mejor que basarse únicamente en las entregas salientes. 

Sin embargo, el uso de la previsión de la demanda de las tiendas para impulsar la planificación en los centros de distribución conlleva ciertas desventajas importantes: 

  1. Los productos deben entregarse en las tiendas antes de que estas puedan venderlos. Es decir, el pronóstico del centro de distribución debe aumentar antes de que aumenten las previsiones de demanda de las tiendas y viceversa. La sincronización dependerá de los precios de venta directa y los programas de reabastecimiento de las tiendas, lo que significa que la sincronización variará entre tiendas y productos y, a veces, también entre los días de la semana. Por tanto, es casi imposible contabilizar con precisión la diferencia en la sincronización, una mala noticia para la precisión de los pronósticos en sus centros de distribución. 
  1. Cuando las mercancías se basan en la demanda (pull) en lugar de la oferta (push) a través de la cadena de suministro, habrá picos de entregas salientes en los centros de distribución que las previsiones de demanda de las tiendas no podrán detectar. Un ejemplo típico son las promociones, período en el que es necesario entregar a las tiendas entre el 30 % y el 100 % del aumento promocional esperado antes de que comience la promoción. Así pues, la promoción provoca un pico de demanda mucho mayor en el centro de distribución que en las tiendas. El retailer puede controlar completamente este pico, pero aún requiere mucho trabajo de planificación manual o de “especulación” cuando los planificadores de suministro del centro de distribución intentan prever cuándo y qué cantidades de los productos promocionados aceptarán las tiendas. 

Es bastante irónico que muchas de las situaciones que se consideran más difíciles de gestionar en los centros de distribución, como la acumulación de existencias en las tiendas para promociones o lanzamientos de nuevos productos, sean situaciones que los propios retailers pueden controlar. 

La mejor práctica es basar el pronóstico del centro de distribución en los pedidos proyectados de las tiendas, que reflejan tanto la demanda pull como los movimientos de stock push planificados. En la encuesta de 2020, el 40% de los retailers de alimentación norteamericanos encuestados lo habían implementado. 

Para integrar a la perfección la planificación de las tiendas y de la distribución, el sistema de planificación debe poder calcular la proyección de pedidos por producto, tienda y día a varios meses o incluso un año vista, reflejando los parámetros de reabastecimiento actuales y futuros conocidos, así como la previsión de la demanda. Como es lógico, estos cálculos requieren una capacidad de procesamiento de datos significativa, lo que probablemente explique las sorprendentemente bajas tasas de adopción. 

Figura 20: Una cadena de suministro integrada está impulsada por la demanda del consumidor y tiene en cuenta todos los factores conocidos como los calendarios de entregas, el inventario disponible y los tamaños de los paquetes.  El plan de envío de los centros de distribución incluye la proyección de pedidos de la tienda, así como las previsiones de demanda de posibles flujos de inventario directo al cliente, además de los pedidos en línea que se recogen en el centro de distribución. 

En la práctica, las proyecciones de pedidos de las tiendas consolidan los datos sobre el inventario actual, los stocks de seguridad y los visuales mínimos, los calendarios de entrega (incluyendo los días principales de reabastecimiento), así como cualquier movimiento de inventario planificado, desde el almacenamiento hasta la creación de expositores promocionales y la modificación de pedidos para nivelar los requisitos de capacidad en distribución. 

La Tabla 1 presenta algunos ejemplos de situaciones en las que el valor de basar los pronósticos de los centros de distribución de retailers de alimentación en la proyección de pedidos de la tienda es especialmente notable. 

Tabla 1: Ejemplos de situaciones en las que utilizar la proyección de pedidos en lugar de la previsión de demanda de la tienda permite una planificación mucho más precisa en los centros de distribución. 

Cuando se agregan las proyecciones de pedidos de todas las tiendas, crean un pronóstico muy preciso y orientado al cliente en los centros de distribución. 

La integración de la cadena de suministro aporta beneficios adicionales como la transparencia de la cadena de suministro, que permite planificar la capacidad, la colaboración de los proveedores (consulte la sección 7), así como una gestión sencilla de las situaciones de despacho directo, selección a cero y escasez. 

5.1. Planificar una vez y ejecutar automáticamente en toda la cadena de suministro 

Cuando la planificación de los centros de distribución de retailers de alimentación se basa en la proyección de pedidos de las tiendas, el impacto de las actividades planificadas de sus tiendas como las promociones o las asignaciones de pretemporada es inmediatamente visible a lo largo de toda la cadena de suministro. Para aprovechar todos los beneficios de esta transparencia, todos los datos de la planificación deben estar disponibles para el sistema de planificación en el momento de adoptar un plan de promoción, un cambio de surtido, un cambio de precio o cualquier otra decisión relevante. 

Un sistema de planificación compatible con datos maestros dependientes del tiempo es un factor clave de la planificación proactiva. A continuación, se muestran algunos ejemplos de cómo los datos maestros dependientes del tiempo permiten registrar información valiosa de retailers de alimentación tan pronto como esté disponible. Esto, a su vez, permite a los planificadores de reabastecimiento confiar en el sistema de planificación para activar automáticamente las acciones necesarias en el momento adecuado con muy poco trabajo manual. 

  • Calendarios de reabastecimiento dependientes del tiempo: Cuando los calendarios de reabastecimiento de la tienda se pueden administrar con fechas, será posible actualizar los calendarios de reabastecimiento futuros previstos en su sistema de planificación tan pronto como la información esté disponible. Esto permite a los planificadores de reabastecimiento confiar en que el sistema de planificación considerará automáticamente estos cambios, tanto al planificar el reabastecimiento como al calcular las proyecciones de 
  • Fechas de activación y finalización de surtidos: Cuando se definen las fechas de inicio y fin de una gama de productos activa, es mucho más fácil administrar los incrementos y las disminuciones de productos. Las tareas de planificación rutinarias para maximizar los pedidos de nuevos productos o las disminuciones de inventario de los productos que se van a descontinuar se pueden automatizar. Esta automatización reduce el trabajo manual, pero también garantiza niveles de inventario óptimos en todas las fases del ciclo de vida de un producto. 
  • Abastecimiento antes de las promociones: Las promociones tienen sus fechas de inicio y fin, pero es igualmente importante poder especificar de antemano cómo se van a abastecer las tiendas. Suele ser ideal definir con cuántos días de antelación a la promoción deben llegar los productos promocionales a las tiendas, las cantidades de stock que deben recibir las tiendas para poder crear los expositores promocionales planificados y la proporción de la demanda promocional prevista que deben cubrir las primeras entregas. Las reglas y plantillas permiten crear planes de reabastecimiento precisos para cada tienda y producto sin necesidad de trabajo manual. 
  • Restricciones temporales de la entrega de proveedores: Los proveedores pueden tener restricciones de entrega temporales. Por ejemplo, los fabricantes chinos podrían no despachar envíos durante el Año Nuevo chino. Si el sistema de planificación dispone de información como esta, sabrá realizar pedidos para este período con suficiente antelación para garantizar una alta disponibilidad durante el mismo, además de minimizar el trabajo manual y la dependencia de la memoria humana. 

Una configuración de la cadena de suministro integrada elimina la necesidad de la planificación doble. Los impactos de los cambios planificados en el reabastecimiento de la tienda se reflejan automáticamente en la proyección de pedidos de la tienda, creando así la previsión de la demanda de los centros de distribución. Esto quiere decir que, en cuanto se planifique el abastecimiento de stock de la tienda para las promociones, este estará visible en el pronóstico del centro de distribución en las fechas y en las cantidades correctas. 

Figura 21: El impacto de las decisiones comerciales es visible inmediatamente en todas las operaciones de un retailer. En este ejemplo, una promoción planificada activa actualizaciones automáticas del pronóstico, que luego se traducen en requisitos de inventario, capacidad y recursos en todas las partes de la cadena de suministro. 

Disponer de un sistema de planificación en retailers de alimentación que funcione correctamente es un factor clave, pero el verdadero desafío es lograr que toda la organización trabaje de manera más proactiva. Para garantizar que las decisiones se toman con suficiente antelación, pero no demasiado pronto a fin de reducir innecesariamente la flexibilidad en un mercado dinámico, es necesario que todos los miembros de la organización tengan una comprensión básica del funcionamiento de la cadena de suministro y de los tiempos de entrega más relevantes para los diferentes tipos de decisiones. 

5.2. Optimización multinivel de los flujos de stock

Una cadena de suministro integrada permite administrar flujos de inventario multinivel de manera eficiente, con una merma mínima y un alto grado de automatización. Cuando todos los datos sobre las previsiones de la demanda, el stock disponible, los calendarios de entrega, los tiempos de entrega y los tamaños de lote para todos los niveles de la cadena de suministro están disponibles en el mismo sistema de planificación, se logra una optimización perfecta de los flujos de inventario en toda la cadena de suministro. 

El cross-docking es una estrategia de inventario que maximiza la eficiencia del transporte y minimiza los costes de manipulación. A menudo se aplica a productos voluminosos como las bebidas para reducir los costes de almacenamiento y de manipulación. También se puede utilizar para reducir los tiempos de entrega de productos de vida útil corta. En una configuración de cross-docking, la mercancía se entrega desde el proveedor hasta una instalación de cross-docking donde no se almacena, sino que se mueve del camión de entrada a un camión de salida para su distribución a las tiendas. 

Existen algunos requisitos para que el cross-docking funcione de manera eficiente: 

  1. Los proveedores deben ser capaces de enviar camiones completamente cargados a las instalaciones de cross-docking
  1. Las unidades de entrega, como palés o jaulas de transporte, deben estar listas para el traslado inmediato a los camiones de salida sin manipulación adicional. 
  1. Los camiones de salida deben garantizar una alta tasa de llenado para mantener los costes de transporte bajos. Por tanto, el sistema de planificación necesita optimizar los flujos de entrada y salida desde y hacia las instalaciones de cross-docking y conocer el tiempo de entrega total desde el proveedor hasta la tienda. 

Otro ejemplo de una política de inventario que requiere una planificación integrada de la cadena de suministro es la selección a cero o pick-to-zero. En esta estrategia de inventario, los pedidos a los proveedores se basan en las necesidades de reabastecimiento de las tiendas. Sin embargo, en lugar de fijar las cantidades que se entregarán en cada tienda, la entrega se reasigna a las tiendas tras su recepción en función de la información de inventario y de pronóstico más reciente. Esto permite ajustar las cantidades de la entrega por tienda en caso de que el proveedor no pueda cumplimentarla en su totalidad o en respuesta a posibles picos de demanda inesperados en las tiendas tras el cálculo original de la necesidad de reabastecimiento. Como resultado, la oferta coincide con la demanda con mayor precisión que cuando se utiliza el enfoque tradicional de cross-docking. El enfoque pick-to-zero puede verse como una forma de acortar los plazos de entrega del pedido a las tiendas, ya que las cantidades específicas de la tienda no se finalizan cuando se realiza el pedido a los proveedores, sino cuando se preparan los productos para su distribución en la tienda. 

Una planificación de la cadena de suministro completamente integrada permite resolver las excepciones de manera óptima y automatizada. Veamos, por ejemplo, la escasez de inventario causada por un retraso de un envío entrante. En lugar de cumplimentar los pedidos de la tienda por orden de llegada, el inventario disponible se puede asignar automáticamente a las tiendas para maximizar la disponibilidad general en el estante o conforme a una priorización táctica de las tiendas. En el mejor de los casos, esto no afectará a la disponibilidad en el estante. De forma similar, los lotes de inventario que se acercan a sus fechas de vencimiento pueden enviarse proactivamente a las tiendas que tengan más oportunidad de vender los productos al precio completo. 

6. Gestión eficiente de inventarios en los centros de distribución  

El reabastecimiento de los almacenes centrales y los centros de distribución suele considerarse más un arte que una ciencia. Es cierto que los tiempos de entrega más largos, especialmente cuando se realizan pedidos en el extranjero, y la falta de control sobre los proveedores externos añaden complejidad. Sin embargo, al menos en principio, reabastecer los almacenes centrales o los centros de distribución no es muy diferente de reabastecer las tiendas. 

Al reabastecer las tiendas desde sus propios centros de distribución, los retailers de alimentación pueden optimizar la cumplimentación de pedidos a su conveniencia. Sin embargo, al realizar pedidos de productos a proveedores, pueden existir restricciones complejas con respecto al valor mínimo o la cantidad mínima del pedido. Además, pueden aplicarse descuentos basados en el volumen u otras rebajas que, si se emplean de manera eficiente, pueden generar un impacto significativo en los márgenes. Muchos retailers no han podido incluir este tipo de contrato de proveedores o información de precios en sus sistemas de planificación, por lo que los compradores operativos deben invertir mucho tiempo en verificar los pedidos dos veces. 

Cuando se reabastecen las tiendas, los flujos de stock activos (combinaciones de productos y tiendas) de un retailer de gran tamaño suelen cuantificarse en millones o decenas de millones, lo que indica que la automatización es crucial. Para los almacenes centrales y regionales, el número de líneas de pedido es mucho menor pero el valor por línea de pedido es mucho mayor, por lo que el impacto económico de cada línea de pedido es más pronunciado. Esto ha permitido y ha favorecido un menor grado de automatización en la compra operativa en comparación con el reabastecimiento de tiendas. 

Hemos detectado que establecer procesos de compra operativos de manera estructurada con un buen soporte del sistema también puede generar niveles muy altos de automatización en los centros de distribución. Sin embargo, esto no significa necesariamente que los retailers que implementan las prácticas recomendadas tengan un equipo de compras más reducido. Uno de los resultados clave de aumentar la automatización de las tareas rutinarias es que los compradores operativos de retailers de alimentación disponen de más tiempo para abordar proactivamente posibles problemas de capacidad, entrega o calidad y para analizar el rendimiento del surtido actual, los proveedores y los acuerdos con los proveedores a fin de realizar mejoras continuas. 

6.1. Optimización del coste total de los flujos de entrada

Como los flujos de mercancías entrantes de los centros de distribución están más consolidados que los flujos de salida, las oportunidades para optimizar los pedidos son mayores cuando se reabastecen los centros de distribución que cuando se reabastecen las tiendas. 

Es importante que el sistema de planificación pueda optimizar los pedidos en varios niveles para alcanzar el resultado más rentable. 

A continuación, se enumeran algunos ejemplos de optimización de pedidos en diferentes niveles: 

  • Cálculo de la cantidad económica de pedido (EOQ) por producto para minimizar los costes de inventario y manipulación. 
  • Selección del tamaño de lote óptimo de un pedido —como un paquete de cajas, una capa de palé o un palé completo— cuando hay varias opciones de lotes de pedido disponibles, teniendo en cuenta las posibles diferencias de precio entre las diferentes opciones de lotes. 
  • Creación de palés mixtos para un transporte y una manipulación eficiente de las mercancías. 
  • Creación de pedidos que llenen uno o varios transportadores de carga, como camiones o contenedores, o que cumplan con las restricciones de pedidos de los proveedores, como valor mínimo del pedido o cantidad mínima de palés.

Aunque aparentemente simple, el proceso de agrupar pedidos de múltiples productos para llenar los transportadores de carga o cumplir con los límites de pedido del proveedor puede ser una gran prueba para la flexibilidad del sistema de planificación de retailers de alimentación. 

Para cumplir con los requisitos de los proveedores y reducir los costes de transporte o disfrutar de descuentos de los proveedores sin acumular exceso de stock, debería poder: 

Además de dejar que el sistema de planificación de retailers de alimentación se encargue del trabajo pesado en lo referente a los requisitos de los pedidos de los proveedores, la mejor práctica es evaluar constantemente estas restricciones y su impacto en el flujo de stock. Los contratos plurianuales en un mercado dinámico o las restricciones de pedidos fijos en productos de demanda estacional pueden resultar costosos o inviables a medida que la demanda evoluciona. 

En este sentido, un sistema de planificación ideal debería resaltar todas las sugerencias de pedidos más o menos de lo necesario como resultado de estas limitaciones, así como mostrar la diferencia con respecto a la necesidad real. Además, debe proporcionar apoyo analítico para ayudar a los compradores operativos a tomar decisiones racionales sobre si el beneficio (descuentos) de cumplir una restricción del proveedor es mayor que el consiguiente aumento del coste de mantenimiento del inventario y el riesgo de obsolescencia. 

6.2. La compra inteligente aprovecha los buenos precios 

Los costes de retail están sujetos al coste de los bienes que se venden. El equipo de compras operativas debe asumir la responsabilidad de explotar los descuentos de manera eficiente para mejorar los márgenes brutos. 

En teoría, comprar de forma inteligente cuando los precios están cambiando es bastante sencilla: 

  • Cuando sepa que el precio de un producto va a subir, compre stock justo antes de que suba el precio. 
  • Cuando sepa que el precio de un producto va a bajar, solicite solo la cantidad absolutamente necesaria antes del cambio de precio y, a continuación, compre stock cuando el nuevo precio haya entrado en vigencia. 
  • Cuando un precio va a reducirse temporalmente, por ejemplo, debido a una campaña de un proveedor, solicite menos cantidad justo antes de la reducción del precio y compre stock cuando el precio sea bajo. 

Para poder beneficiarse realmente de los cambios de precios, los retailers de alimentación también debe tener en cuenta el coste de mantenimiento de su inventario, sincronizar sus pedidos correctamente en relación con el cambio de precio y, potencialmente, dividir la inversión de compra —la cantidad adicional que compra por encima de lo que necesitaría para satisfacer la demanda— en varios pedidos. 

Para complicar aún más las cosas, existen otros factores que pueden influir en la cantidad óptima del pedido para los retailers de alimentación. En el caso de los productos frescos, la vida útil siempre es un factor. No tiene ningún sentido acumular inventario que terminará como merma o dañar su reputación colocando productos con fechas de caducidad poco atractivas en las tiendas. Además, cuando el espacio de almacenamiento es escaso, el coste del inventario puede pasar repentinamente a un nivel completamente nuevo si excede los límites de capacidad de sus almacenes actuales. Cuando el espacio de almacenamiento está muy lleno, necesitará buscar espacio adicional fuera de sus almacenes actuales para las mercancías adicionales, convirtiendo rápidamente su inversión de compra en una operación muy poco rentable. 

La mejor práctica es alimentar el sistema de planificación de los retailers de alimentación con datos de precios dependientes del tiempo para permitir al sistema optimizar cuándo y qué cantidades comprar cuando los precios están cambiando. De esta manera, puede aprovechar eficazmente hasta los cambios de precios menores, ya que los compradores operativos no necesitan perder tiempo calculando manualmente las cantidades óptimas de los pedidos. Es importante tener en cuenta las restricciones, como la vida útil de los artículos perecederos o los límites de capacidad del espacio de almacenamiento. Si el sistema de planificación no es capaz de gestionar tales restricciones automáticamente, el equipo de compras deberá verificar dos veces las inversiones de compra sugeridas. 

No es raro que los contratos de los proveedores incluyan una rebaja que se activa cuando el comprador supera una cuota establecida sobre el valor del pedido anual. Una vez más, hacer un seguimiento manual de las cuotas de los proveedores, los pedidos realizados y los pedidos previstos es sumamente complejo. Los sistemas de planificación inteligentes respaldan las decisiones de compra inteligentes sugiriendo pedidos adicionales para obtener una rebaja cuando sea factible y no sugiriendo pedidos adicionales que resulten en una acumulación de stock contraproducente.  

Figura 22: Un sistema de planificación moderno e inteligente puede ayudar a retailers a tomar decisiones de compra inteligentes, como maximizar los descuentos de los proveedores, sin hacer pedidos excesivos ni provocar un exceso de stocks que genere costosos desperdicios.

6.3. Gestión de inventario por lotes de productos perecederos 

Actualmente, es imposible conocer las fechas de caducidad exactas del inventario disponible en las tiendas. Incluso puede ser difícil obtener una estimación decente si existen varios lotes de un producto simultáneamente en la tienda, ya que muchos consumidores se esfuerzan por encontrar los productos más frescos disponibles. 

Sin embargo, esto no ocurre en los centros de distribución. En los centros de distribución, los sistemas modernos de gestión de almacenes garantizan que el inventario se envía por orden de llegada. Además, realizan un seguimiento de la fecha de caducidad exacta de cada lote en stock. 

Un buen uso de los datos de caducidad a nivel de lote en la gestión de inventario reduce la merma y mejora su nivel de servicio: 

  • Cuando el sistema de planificación puede calcular la proyección de la merma en función de la demanda prevista y las fechas de caducidad del inventario disponible, puede solicitar la cantidad suficiente de artículos para reemplazar el inventario que está a punto de caducar antes de que los productos venzan. Esto mejora significativamente el nivel de servicio de los centros de distribución a las tiendas. 
  • Los mejores sistemas de planificación de la industria activan alertas tempranas cuando existe un riesgo de merma. Esto permite forzar la salida eficiente a aquellas tiendas con más probabilidades de poder vender los productos a un buen precio o ganar tiempo para encontrar otros canales de venta como las tiendas de descuento, que podrían estar dispuestas a quitarle los lotes de las manos por un descuento. 
  • Las proyecciones de la merma también muestran si existe un riesgo sistemático de merma, por ejemplo, en el caso de productos con lotes de pedidos grandes en comparación con la demanda. 
Figura 23: Las proyecciones de la merma de alta calidad también muestran claramente si existe un riesgo sistemático de merma, por ejemplo, en el caso de productos con lotes de pedidos demasiado grandes. 

6.4. Datos en tiempo real para comprar productos frescos

Para los productos perecederos, es imprescindible una rotación de inventario muy alta tanto en las tiendas como en los centros de distribución de retailers de alimentación. Esto significa que la cadena de suministro es muy vulnerable a problemas de calidad, problemas de entrega o picos inesperados de demanda. En situaciones en las que los requisitos de la tienda superan el inventario disponible, es esencial reaccionar con rapidez. 

En muchos casos, los proveedores de productos perecederos con una vida útil corta realizan varias entregas diarias a los mismos centros de distribución. Esto se hace en parte para garantizar la frescura y en parte para nivelar los volúmenes. 

Las diversas entregas diarias de los proveedores permiten a un retailer adaptarse a la demanda real realizando los pedidos lo más cerca posible de los diferentes plazos de pedido mediante el uso de los últimos datos de demanda e inventario.  

Sin embargo, para poder identificar los incrementos repentinos de la demanda, el sistema de planificación debe estar estrechamente vinculado con los sistemas de transacciones subyacente y tener acceso a los datos en tiempo real. Por supuesto, el sistema de planificación también debe poder procesar los datos con la suficiente rapidez para convertir los datos más recientes en pedidos con la mayor precisión posible. 

También se requieren reacciones rápidas y cálculos intradía basados en datos en tiempo real cuando las frutas y verduras, que son propensas a problemas de suministro y calidad, se reciben por la mañana. Debido a que el inventario disponible real puede diferir de la planificación, tiene sentido reasignar el stock en función del pronóstico y los datos de stock de las tiendas más recientes en lugar de cumplimentar los pedidos de la tienda en un orden arbitrario. 

7. Planificación para una capacidad y uso óptimos de los recursos de toda la cadena de suministro de alimentación

En un negocio dinámico como el retail, pueden surgir cuellos de botella en la capacidad en casi cualquier parte de la cadena de suministro como respuesta a diversos eventos, desde días festivos o una meteorología inusual hasta actualizaciones de promociones o de un gran surtido en las tiendas. 

Para identificar y resolver de manera proactiva estos cuellos de botella, los retailers deben comprender cómo afectará la demanda prevista a los requisitos de inventario, capacidad y recursos a lo largo de sus cadenas de suministro. 

7.1. Ejecución de ventas y operaciones de retail (S&OE) 

El proceso S&OE tiene por objetivo garantizar que los retailers puedan satisfacer la demanda a corto plazo en los siguientes 0-3 meses de la manera más rentable posible. El punto de partida es una previsión de la demanda muy granular a nivel de SKU-canal-día (consulte la sección 3.1). A partir de ese momento, los planificadores pueden utilizar las proyecciones de la cadena de suministro (consulte la sección 5) para conocer al detalle los requisitos de inventario, capacidad y recursos a lo largo de la cadena de suministro. 

Figura 24: Las previsiones de la demanda y las proyecciones de la cadena de suministro granulares permiten a los retailers tener una visibilidad continua del inventario, la capacidad y los requisitos de recursos en cada parte de la cadena de suministro. 

Esta visibilidad integral de las operaciones de retail aporta muchos beneficios de S&OE, que incluyen: 

  • Alineamiento interfuncional: La visibilidad permite que el impacto de las decisiones comerciales tomadas sobre una función se refleje al instante en todas las funciones para poder tenerlas en cuenta en la planificación. Por ejemplo, el impacto esperado de una promoción planificada se refleja inmediatamente en todas las previsiones de la demanda local, así como en las proyecciones de inventario y de recursos a lo largo de la cadena de suministro. Esto quiere decir que las decisiones empresariales como las promociones solo deben planificarse una vez para su ejecución automática
  • Gestión proactiva de excepciones: Gracias a la visibilidad sobre los requisitos actuales y futuros de inventario, capacidad y recursos a lo largo de la cadena de suministro, el sistema puede detectar automáticamente cuellos de botella potenciales y ayudar a los planificadores a prevenirlos o resolverlos rápidamente. Por ejemplo, si el sistema alerta a los planificadores de que un próximo abastecimiento promocional, combinado con las asignaciones estacionales, generará un pico de entrega excepcionalmente grande, estos pueden gestionar el problema de manera proactiva antes de que comience a congestionar las trastiendas o a agotar la capacidad de despacho del centro de distribución. 
  • Planes de contingencia eficaces: Mediante el modelo de gemelo digital, los retailers pueden comparar y comprender mejor cómo afectarán los diferentes escenarios de planificación a la cadena de suministro. Por ejemplo, si una región de ventas está superando su capacidad de cumplimentación, el equipo de planificación de distribución puede modelar fácilmente cuándo y cómo trasladar la cumplimentación de parte de esta demanda regional a otro centro de cumplimentación a fin de equilibrar de forma efectiva los requisitos de capacidad en toda la red de distribución. 

Cuando hablamos de millones de flujos de productos, decenas de miles de empleados, cientos de proveedores, promociones frecuentes y cambios regulares de precios y surtidos, es muy probable que surjan excepciones en los planes de cualquier retailer. Muchas de estas excepciones requieren atención inmediata y ajustes rápidos para evitar o minimizar cualquier impacto negativo en S&OE. 

Sin embargo, con el uso de la IA y la optimización avanzada, los retailers pueden resolver la mayoría de estas desviaciones sin intervención humana. Una resolución de problemas autónoma altamente eficaz aumenta la velocidad y la precisión con la que un retailer puede gestionar las excepciones, ya que: 

  • Reequilibra el inventario de la cadena de suministro de forma autónoma: mediante la activación de asignaciones de escasez optimizadas y salidas forzadas en línea con las prioridades comerciales del retailer, por ejemplo, o reoptimizando los pedidos de la tienda sobre la marcha de acuerdo con un enfoque de cumplimentación pick-to-zero
  • Garantiza el rendimiento y el uso eficiente de la capacidad: nivelando las fluctuaciones en el flujo de mercancías de forma proactiva (consulte la figura 25), optimizando continuamente el reabastecimiento y el espacio a fin de reducir la manipulación de las mercancías en la tienda y optimizando el despliegue de la fuerza laboral mediante el uso de pronósticos de la fuerza laboral actualizados. 
  • Recomienda acciones correctivas o sugiere la siguiente mejor acción: por ejemplo, sugiere automáticamente reducciones de precio óptimas para eliminar el exceso de stock de la cadena de suministro. 
Figura 25: El mejor sistema de planificación de retail es capaz de nivelar de manera autónoma el flujo de mercancías, reduciendo el riesgo de cuellos de botella en la capacidad y garantizando el uso eficiente de la capacidad en los centros de distribución y las tiendas. (Línea naranja = las mercancías fluyen del centro de distribución a la tienda en función de los requisitos de inventario de la tienda; línea verde = las mercancías fluyen del centro de distribución a la tienda cuando se aplica una nivelación de flujo inteligente). 

Los retailers con mejor desempeño pueden combinar la experiencia humana con la tecnología, adaptándose rápidamente a nuevas situaciones e implementando nuevas prioridades comerciales a escala. Un buen ejemplo de ello es el retailer alemán de medicamentos Rossmann, que tardó solo dos días en implementar configuraciones de planificación completamente nuevas que priorizaban la entrega de productos básicos a las tiendas durante el cambio de la demanda provocado por la pandemia de 2020. 

7.2. Planificación de ventas y operaciones de retail (S&OP)

Si el objetivo de la S&OE en retail es resolver desafíos imprevistos de capacidad y recursos a corto plazo; la S&OP, por el contrario, mira más hacia el futuro. El objetivo de la S&OP en retail es garantizar la capacidad y los recursos suficientes para respaldar los objetivos de crecimiento futuros, los cambios planificados en la red de distribución, las principales temporadas y mucho más. 

La preparación para las principales festividades es un caso de uso importante para la S&OP en retail, siendo la temporada de Navidad la más importante (y desafiante) en la mayoría de los mercados. Las temporadas de vacaciones suelen estar marcadas por una demanda superior a la normal, que aumenta abruptamente hasta el pico de la temporada festiva. A partir de ese pico, la demanda vuelve generalmente a la normalidad o incluso cae por debajo de los niveles normales por un tiempo. 

Pero el proceso de S&OP en retail es algo más que la eficiencia de la cadena de suministro: trata de maximizar la rentabilidad. La S&OP debería dar como resultado: 

  1. Flujos de stock que coinciden con la capacidad, en lugar de excederla, a lo largo de la cadena de suministro. Esto garantiza un suministro fiable que, a su vez, evita la pérdida de ventas por problemas de entrega. 
  2. Operaciones rentables que minimizan las costosas horas extra en todas las partes de la cadena de suministro. 
  3. Decisiones informadas que siguen protegiendo la rentabilidad de la empresa cuando las restricciones de capacidad impiden garantizar la disponibilidad de todos los productos. 
  4. Transparencia total sobre los requisitos de recursos, lo que permite garantizar que todos los recursos se basan en el mismo plan operativo, incluida la disponibilidad de la fuerza laboral de la tienda. 

Los preparativos en retail para una festividad importante como la Navidad suelen comenzar alrededor de seis meses antes de que comience la temporada. El primer paso es ponerse de acuerdo sobre las restricciones: ¿habrá cambios en los calendarios/tiempos de entrega o restricciones en la capacidad del proveedor debido a la temporada navideña? 

Después acordar las restricciones, el siguiente paso es revisar los planes de ventas y de entrega para identificar posibles cuellos de botella que pueden surgir en cualquier parte de la cadena de suministro durante la temporada navideña. Entre los posibles cuellos de botella, podemos encontrar entregas demasiado grandes que aumentan la congestión de la tienda en los días de mayor actividad; días en que el personal del almacén tiene que gestionar más líneas de pedido de las que puede recoger; días en que un almacén recibe más productos congelados de los que puede almacenar, etc. 

Con hojas de cálculo, sería simplemente imposible modelar la cadena de suministro, con todas sus complejidades, con la precisión suficiente para identificar de manera proactiva los cuellos de botella. Incluso la creación de un modelo simplificado llevaría mucho tiempo y sería propenso a errores. La única forma de detectar los tipos de cuellos de botella en la capacidad de movimiento anteriormente descritos con cierto grado de certeza son las proyecciones de la cadena de suministro. 

Una vez que han identificado los cuellos de botella potenciales, los retailers deben usar la planificación de escenarios hipotéticos para examinarlos y descartarlos. La planificación de escenarios ascendente permite a los retailers ver exactamente cómo afectarían los cambios al tiempo de entrega, los calendarios de reabastecimiento o los volúmenes de ventas previstos al flujo de mercancías. 

Por lo general, los retailers de alimentación deben entregar los productos de vida útil larga antes a las tiendas para tener más capacidad y administrar con eficacia los productos frescos en su temporada alta. Entre las diferentes estrategias y escenarios para nivelar el flujo de mercancías antes de una temporada alta se incluyen: 

  • Llenado de los estantes de la tienda: En el caso de muchos productos de estante, unos estantes llenos podrían cubrir la demanda durante varias semanas. Como la merma no es un problema, tiene sentido que los retailers que se preparan para la temporada de Navidad llenen esos estantes antes, en noviembre, para poder entregar los productos frescos en diciembre. 
  • Asignación de productos de mayor vida útil a las tiendas: Las reposiciones respetan el espacio asignado en los estantes de las tiendas, pero eso no siempre es suficiente. A veces, tiene sentido asignar la demanda de las siguientes 2 a 4 semanas a las tiendas de una sola vez. Las tiendas pueden almacenar esos artículos en la trastienda y reabastecerse desde allí según sea necesario. Aunque no es adecuado para todos los productos, este enfoque puede ser útil en casos especiales. 
  • Ajuste de los calendarios de entrega: La mayoría de los retailers de alimentación realizan entregas frecuentes a las tiendas con regularidad, incluso fuera de la temporada navideña pero, si es necesario, pueden programar entregas adicionales para ayudar a satisfacer el aumento de la demanda. 

Los retailers deben utilizar la capacidad de planificación de escenarios de su software para identificar el escenario que mejor se adapte a sus objetivos y llegar a un acuerdo con sus proveedores al respecto. De este modo, pueden acordar el plan mucho antes de la temporada para después centrarse en la ejecución y las acciones correctivas. 

Un proceso de S&OP eficaz mejora la utilización de la capacidad de nivel a lo largo de la temporada. Además, los planificadores pueden planificar cualquier pico restante de antemano en lugar de gestionar las costosas sorpresas cuando estas aparecen. 

Figura 26: El impacto de una mejor planificación de la capacidad de las principales festividades. Después de introducir un nuevo proceso S&OP basado en las proyecciones de la cadena de suministro, este retailer ha nivelado con éxito sus necesidades de capacidad. Los picos restantes son claramente visibles de antemano. Los ahorros obtenidos con esta mejora ascienden a varios millones de dólares solo en la temporada navideña. 

7.3. Colaboración eficaz de los proveedores 

La colaboración de los proveedores ha sido un tema de debate durante décadas, pero sorprende ver que pocos retailers la han implementado de manera extensiva. Para que una colaboración sea fructífera, ambas partes deben esforzarse y recibir beneficios cuantificables durante el proceso. Desafortunadamente, como este no suele ser el caso, muchas iniciativas de colaboración fallan. 

Aunque la tecnología no resuelve el desafío de la colaboración de proveedores, sí puede facilitarla. Por ejemplo, la mayoría de los proyectos de colaboración dedican la mayor parte de su esfuerzo únicamente a recopilar datos de varias fuentes, pero el sistema de planificación adecuado puede minimizar ese trabajo. En lugar de tratar de arreglarlo todo sobre la marcha, le recomendamos construir sus procesos de colaboración con los proveedores poco a poco. 

Un buen punto de partida es compartir los pronósticos de pedidos con sus proveedores como una forma eficiente de colaborar. Si su sistema de planificación puede calcular las proyecciones de la cadena de suministro, puede disponer del pronóstico de las órdenes de compra y compartirlo con su proveedor para saber lo que le comprará en las próximas semanas y meses. Un sistema eficaz puede enviar informes automatizados que comparten esa información con sus proveedores. 

También puede compartir información relevante sobre las promociones planificadas, próximos eventos u otros cambios, lo que permite a sus proveedores entender el razonamiento en el que se basa el pronóstico de órdenes de compra. Los retailers también pueden compartir previsiones de la demanda o datos del punto de venta (POS) con sus proveedores, pero la información más importante es lo que se espera que entregue el proveedor y cuándo. 

Una forma de trabajo más colaborativa requiere que ambas partes reconozcan el valor que aporta invertir su tiempo y esfuerzo. Compartir simplemente un pronóstico es una comunicación unidireccional; sin embargo, la planificación, el pronóstico y el reabastecimiento colaborativos (CPFR) es una verdadera comunicación bidireccional. Un sistema de planificación eficaz proporciona proyecciones fiables de futuras órdenes de compra, herramientas analíticas para comprender posibles cambios y problemas, así como una plataforma o portal para la colaboración. 

Idealmente, los proveedores tendrían acceso a la vista de la demanda proyectada de un retailer, sus planes de órdenes de compra y datos sobre promociones, temporadas, eventos, etc., con la posibilidad de agregar su propia vista. En última instancia, la combinación de la vista holística del proveedor sobre sus categorías y productos y la comprensión del retailer de sus actividades comerciales y de marketing da como resultado un plan general más preciso. 

Los mejores sistemas de planificación permiten este tipo de colaboración al proporcionar una plataforma que admite múltiples tipos de pronósticos, alerta a los usuarios sobre cualquier diferencia, permite editar los planes y, finalmente, descomponer el plan acordado al nivel de detalle que sea necesario —ya sean tiendas, productos o días— para respaldar la ejecución operativa. 

8. Conclusión: Los retailers pueden colaborar con la tecnología para ganar

El sector retail está en un momento de transformación y no está claro cuál será el impacto de los diferentes canales de venta y entrega, formatos de tienda o incluso actores de retail. Es probable que, dentro de 10 o 15 años, echemos la vista atrás a este momento y nos preguntemos con asombro: “¿cómo no lo vimos venir?”.  

Sin embargo, algunas predicciones sobre el futuro del retail de alimentación son fáciles de ver: 

  1. Los retailers de alimentación desperdiciarán menos. Es una pena gastar tantos recursos cultivando, transportando y manipulando productos alimenticios solo para que terminen en la basura detrás de un supermercado. Los retailers de alimentación deben continuar asumiendo la responsabilidad de reducir significativamente el desperdicio de alimentos, ya que este reduce sus ganancias, por lo que todo esfuerzo será beneficioso para sus negocios. 
  2. La cadena de suministro del retail de alimentación será más eficaz. Los consumidores son cada vez más conscientes de los precios y no aceptarán precios superiores para mantener cadenas de suministro ineficientes en el sector. Nadie se beneficia de las bruscas fluctuaciones de las cargas de trabajo o de los requisitos de capacidad causadas por una planificación y una gestión deficientes, por lo que ni los empleados ni los administradores de retail deberían sentir tristeza al ver cómo desaparecen prácticas antiguas e ineficientes. Los retailers de alimentación están en una posición privilegiada para unificar el comercio, desde la previsión hasta la cadena de suministro y la comercialización tanto a nivel de centros de distribución y tiendas, como para ambas categorías de productos frescos y tiendas centrales. 
  3. La tecnología y la automatización desempeñarán un papel importante en la transformación del retail. Esto ya ha ocurrido en otros sectores que en el pasado dependieron en gran medida del trabajo manual rutinario. No hay ninguna razón por la que el retail no siga el mismo camino. 

En resumen, las cadenas de suministro de los retailers de alimentación deben ser más receptivas y estar mejor controladas que nunca para satisfacer la demanda de productos frescos con una merma mínima. Al mismo tiempo, las cadenas de suministro de retail deben volverse más eficientes y optimizar los flujos de inventario desde múltiples perspectivas (operaciones de tienda, distribución, recolección y almacenamiento) para responder a la presión de los precios. Esto solo es posible colaborando con máquinas inteligentes. 

El mundo del retail de la alimentación es demasiado complejo para gestionarlo con blocs de notas y la intuición. Desde luego, este enfoque ha sido válido durante un largo tiempo. Lo mejor de todo es que no solo se están automatizando los trabajos más simples, sino que las máquinas también están desempeñando roles de planificación significativamente más avanzados. Más importante aún, la automatización inteligente no solo sustituirá al trabajo manual, sino que llevará la planificación a un nivel de granularidad nunca antes visto. 

¿Habrá alguna tarea para los humanos en este nuevo mundo? Sí, habrá muchas. Tres funciones principales: 

  1. Expertos en tecnología: Estamos logrando grandes avances en la IA especializada, un tipo de inteligencia artificial útil para resolver tareas muy específicas. Sin embargo, aún se necesitarán personas con talento que diseñen los sistemas y determinen cuándo y cómo utilizar mejor la inteligencia artificial disponible. 
  2. Asistentes de la tecnología: Los algoritmos de Machine Learning dependen mucho del acceso a los datos. Les resulta complejo aplicar el sentido común o encontrar soluciones innovadoras en nuevos escenarios con datos insuficientes. Aquí es donde sus colegas humanos pueden proporcionar información valiosa. 
  3. Innovadores que piensen más allá: Existe una gran necesidad de ideas novedosas, nuevos modelos comerciales y nuevas formas de entregar alimentos y servicios a los consumidores, especialmente en las empresas que atraviesan un proceso de destrucción creativa. La innovación en retail aún supera a las capacidades de la IA. 

Por eso, no debería esperar a que la IA revitalice su negocio de retail o que incluso resuelva los desafíos de su cadena de suministro. Al contrario, le recomendamos que comience a introducir gradualmente el uso de inteligencia artificial donde sea más viable y produzca un mayor impacto. Esta recopilación de prácticas recomendadas es una opción excelente para ponerse en marcha. 

Autor

Johanna Småros

Cofundador y Chief Sustainability Officer