Previsión de demanda en Power BI: una línea por gráfico no decide un pedido.

Qué hace en previsión de demanda en power bi.

¿Cómo se hace una previsión de demanda en Power BI?

Se puede hacer de dos maneras. La primera es la previsión integrada en el gráfico de líneas: seleccionas el gráfico, abres el panel Análisis, despliegas Previsión y eliges la longitud y el intervalo de confianza. La segunda es calcular la previsión fuera de Power BI y publicarla como una tabla del modelo, de modo que Power BI la trate como cualquier otro dato: la filtra, la suma, la compara y la enseña.

La diferencia entre las dos no es de calidad del cálculo, sino de lo que puedes hacer con el resultado. La previsión del gráfico es un dibujo: sirve para mirar. La tabla es un dato: sirve para ordenar una lista de productos por riesgo, para calcular cuánto pedir y para medir mañana cuánto se equivocó. Una empresa que repone a muchos sitios necesita lo segundo.

¿Qué hace exactamente la previsión del gráfico de líneas?

La documentación de Microsoft la describe en pocas líneas: si tienes datos de tiempo en el origen, puedes usar la previsión desde el panel Análisis, y la función solo está disponible en gráficos de líneas. Entre las opciones se citan la longitud de la previsión y el intervalo de confianza. El mismo panel ofrece línea de tendencia, líneas de referencia, barras de error y detección de anomalías, todo ello también sobre gráficos de líneas en el caso de las anomalías.

Para una familia de productos con ventas mensuales y un ciclo claro, esa previsión da una idea razonable de hacia dónde va la curva. Para un director que quiere saber si el trimestre que viene va a ser parecido al anterior, es suficiente. Lo que no hace, porque no es su trabajo, es saber nada del negocio que está detrás de la serie.

¿Dónde se queda corta para reponer stock?

Se queda corta en cuatro sitios concretos. El primero es que la previsión vive dentro del gráfico: es una opción del gráfico, no una columna ni una medida del modelo, así que no se puede ordenar una lista por ella ni sumarla. El segundo es que una línea es una serie: con 3.000 productos en 40 sitios habría 120.000 gráficos que configurar uno a uno, y a nadie le compensa. El tercero es que no sabe nada de stock: no conoce lo que hay hoy, lo que está en camino ni el plazo de cada proveedor. Y el cuarto es que trata los huecos como si fueran información: un producto que se vende dos veces al año produce una curva que no representa nada real.

Hay un quinto límite que no es del gráfico sino del enfoque. Power BI no escribe en ningún sitio. Aunque la previsión fuera perfecta, nadie hace un pedido desde un gráfico. Entre la curva y el pedido hay un cálculo (cuánto cubre el stock, cuánto tarda el proveedor, cuánto riesgo se acepta) y una acción en el ERP. Ese camino no lo hace Power BI.

Un ejemplo con números: por qué la previsión del total reparte mal.

Una distribuidora de papelería sirve cuadernos a 40 librerías. En un mes normal vende 9 cuadernos por librería y semana, es decir, 360 a la semana en total. En septiembre, 28 de las librerías (las de ciudad, junto a colegios) suben a 30 cuadernos por semana y las otras 12 (las de pueblo) suben solo a 11. El total de esa semana es 28 por 30 más 12 por 11: 840 más 132, 972 cuadernos.

Si se prevé la curva del total y se reparte a partes iguales, a cada librería le tocan 24,3. Las 12 de pueblo recibirían 13 cuadernos de más cada una (156 de sobra en total) y las 28 de ciudad recibirían 6 menos de los que van a vender (168 de menos, que son 168 ventas perdidas en la semana que más se vende). La suma está bien y el reparto está mal. Por eso la previsión tiene que ser de cada producto en cada sitio, y por eso un gráfico del total, por bueno que sea, no decide el envío.

Con una previsión por librería, cada una recibe lo suyo. Y como esa previsión queda en una tabla del modelo, el informe puede enseñar justo esa comparación: las 40 librerías ordenadas por cuánto se ha desviado el envío de lo vendido.

¿Cómo se publica una previsión externa en Power BI?

El sistema lee las ventas y el stock de la misma fuente que tu Power BI: el ERP, el almacén de datos o los Excel de una carpeta. Calcula y escribe una tabla con estas columnas: producto, sitio, semana, previsión central, límite inferior y límite superior. La deja en un origen que tu Power BI ya actualiza. Esa tabla se carga en el modelo y se relaciona con producto, sitio y fecha, como cualquier otra tabla de hechos.

Desde ese momento todo lo que ya sabes hacer en Power BI funciona sobre ella. Los segmentadores filtran la previsión igual que filtran las ventas. Los permisos por fila que ya tienes (cada responsable de zona ve lo suyo) se aplican sin tocar nada. Y una medida puede calcular la previsión de las próximas cuatro semanas de una familia sumando filas, algo que con la previsión del gráfico no se puede hacer.

Sobre las actualizaciones: Microsoft indica que en capacidad compartida se pueden programar hasta ocho al día y hasta 48 en capacidades Premium, PPU o Fabric. La previsión se recalcula una vez por semana, o cada dos días en campaña, así que el límite no se acerca. El sistema escribe cuando termina y tu actualización programada recoge el resultado.

¿Cómo se dibuja la banda de la previsión con los límites del sistema?

El panel Análisis permite añadir barras de error a los gráficos de líneas, y, solo en los de líneas, una banda de error. Las barras se pueden definir por campo, con un límite superior y uno inferior tomados del modelo, en valor absoluto o relativo a la medida. Eso es exactamente lo que publica el sistema: dos columnas con el límite bajo y el alto de cada semana.

El resultado es un gráfico de líneas con las ventas reales hasta hoy, una línea de previsión por delante y una banda cuyo ancho cambia según el producto: estrecha para lo que se vende con regularidad, ancha para lo que es errático. Esa anchura es información. Un producto con banda ancha pide más stock de seguridad o más vigilancia, y el informe lo enseña sin explicarlo.

En la página de previsión de demanda del hub se explica cómo se calcula la banda y qué significa el nivel de servicio que eliges. Aquí basta con saber que la banda no es un adorno del gráfico: es un dato del modelo que puedes usar en una medida, por ejemplo para marcar los productos cuya banda supera el stock que tienes.

¿Qué datos hacen falta para empezar?

Las ventas por producto, sitio y fecha, de dos años si los hay, y el stock actual por producto y sitio. Es lo que ya alimenta tu Power BI. Si el informe lee de un ERP, usamos esa misma conexión con un usuario que solo puede leer. Si lee de Excel, usamos esos Excel. No pedimos una segunda vía de acceso.

Ayuda mucho, aunque no es imprescindible, tener el calendario de promociones, los plazos de cada proveedor y las roturas pasadas. Sin las roturas, el sistema aprende que no se vendió algo que en realidad no estuvo a la venta, y lo corrige con lo que se sabe de cuándo hubo stock. En el diagnóstico se mira qué hay y se dice qué falta.

Lo que no hace falta es limpiar el modelo ni rehacer el informe. Si la tabla de productos tiene familias raras o códigos duplicados, se resuelve en el diagnóstico y se deja anotado.

• Ventas: producto, sitio, fecha y unidades (dos años si es posible).
• Stock: producto, sitio y unidades hoy.
• Calendario: festivos, campañas y promociones que ya existan.
• Proveedores: plazo habitual de cada producto, aunque sea aproximado.

¿Qué no hace?

No sustituye a Power BI ni añade otra herramienta de informes que mirar. No hace pedidos desde un gráfico, ni escribe en tu ERP sin que una persona apruebe. No promete un porcentaje de acierto antes de ver tus datos: eso se mide con tu histórico. Y no arregla un informe que ya tiene mal las ventas: si las cifras de origen están mal, el primer paso es corregirlas.

Tampoco compite con la previsión del gráfico para lo que esta hace bien. Si lo que quieres es ver la tendencia de una familia en una reunión, sigue usando el panel Análisis. La previsión por producto y sitio es para decidir qué pedir.

¿Cómo se comprueba y cómo se empieza?

Se empieza con la simulación con tus datos: se repiten fechas pasadas con lo que se sabía cada día, se compara lo que habría propuesto el sistema con lo que vendiste y se enseña, producto a producto, dónde acierta y dónde no. Después, uno o dos meses en modo sombra: el sistema propone cada semana y tú sigues comprando como siempre, para comparar sin riesgo.

El arranque son entre tres y seis semanas. Se publica la tabla de previsión, se añaden al informe las páginas que acordemos y el código queda a tu nombre. Si quieres saber si tu caso compensa, pide una demo de 30 minutos por videollamada o el análisis gratuito de tu stock.

¿Te suena alguno de estos casos?

• Si el informe de ventas ya lleva un año con la previsión del gráfico puesta y Compras la mira pero pide por intuición. El gráfico no dice cuánto pedir de cada cosa; una tabla por producto y sitio, sí.
• Si vendéis con una campaña muy marcada, como la vuelta al cole o la Navidad y la media de las últimas semanas siempre llega tarde. La temporada se aprende de años anteriores y de todos los sitios a la vez.
• Si tienes muchos sitios que no se parecen entre sí y una previsión del total repartida a partes iguales deja unos sin género y otros con sobra. Aquí se prevé sitio a sitio.
• Si el catálogo tiene mucha referencia de venta esporádica y una línea suavizada no representa nada. Esos productos se tratan con un modelo de demanda intermitente, que da probabilidades, no una media.
• Si Dirección quiere ver cuánto acierta la previsión antes de fiarse La comparación con lo vendido vive en el mismo informe, con los filtros que ya usa, y se puede repetir con fechas pasadas antes de empezar.

La previsión se calcula donde se puede comprobar, y se enseña donde ya se mira.

Poner la previsión dentro de un gráfico es cómodo y se queda en el gráfico. Aquí el cálculo es un sistema aparte, probado con tu histórico antes de usarlo, y Power BI hace lo que mejor sabe: enseñar. Power BI no hace pedidos ni escribe en tu ERP; el sistema calcula, la persona decide y el pedido sale de tu programa de gestión.

• Una previsión por producto y sitio, no una línea por gráfico.
• Entra en el modelo como tabla: usable en medidas, filtros, permisos y listas ordenadas.
• Límites inferior y superior propios, dibujados con la banda de error de Power BI.
• Comprobada con fechas pasadas de tu negocio antes de decidir nada en vivo.