Granularidad de la previsión: a qué nivel de detalle se prevé

Qué es exactamente

La granularidad tiene dos ejes. El temporal es cada cuánto se mide: ventas por día, semana o mes. El de agregación es sobre qué se mide: cada referencia en cada tienda, cada familia en cada región o el total de la empresa. En la fase de planteamiento de un problema de previsión, el manual de Hyndman y Athanasopoulos pregunta justo eso: si se necesitan previsiones para cada línea de producto o para grupos, para cada punto de venta o para regiones o solo para el total, y si los datos deben ser semanales, mensuales o anuales.

No hay una granularidad correcta en abstracto. La adecuada es la de la decisión: si pides al proveedor una vez por semana, la previsión útil es semanal; si repartes a las tiendas por la mañana según lo que queda, quizá necesites detalle diario para algunos productos de gran rotación. Lo que no sirve es una previsión más fina que la decisión.

También se le llama

Nivel de detalle, frecuencia de los datos, nivel de agregación o agregación temporal. En inglés, forecast granularity. El eje de agregación por producto y sitio enlaza con el concepto de SKU y con la previsión jerárquica.

Cómo se calcula

No se calcula, se elige. Y la elección se aclara con un ejemplo. Un punto de venta vende de un producto las siguientes unidades de lunes a domingo: 0, 1, 0, 2, 0, 3, 0. A nivel diario es una serie de ceros con algún uno, dos o tres: casi imposible de prever y de valor práctico escaso («mañana, 0,86 unidades»). A nivel semanal es un 6, una cifra estable, comparable con las semanas anteriores y útil para decidir cuánto mandar el lunes.

Lo mismo pasa en el otro eje. Una cadena con 120 tiendas y un producto de 3 ventas por semana en cada una vende 360 unidades a la semana en total. Prever a nivel tienda es incierto (entre 0 y 8 en cada una); prever a nivel total es mucho más estable, y repartir ese total entre tiendas con proporciones razonables suele dar mejor resultado que prever cada tienda por separado.

Por eso la práctica sensata es calcular al nivel más fino que la decisión exija, apoyándose en niveles superiores para estabilizar. Un producto nuevo con dos semanas de historia toma el ritmo de su familia; una tienda nueva, el de las tiendas parecidas.

Ojo con esto

Elegir mal la granularidad produce previsiones que parecen precisas y no sirven:

• Prever por día lo que se pide por semana: ruido sin utilidad y más cálculo.
• Prever por semana lo que se decide por días: en perecederos, o con reparto diario, la media semanal esconde que el lunes se vende el doble que el miércoles.
• Agregar tanto que se pierde lo importante: una familia puede ir bien y dentro tener un producto roto y otro con sobrestock que se compensan en la suma.
• No decir qué nivel se usó: «previsión del producto» sin aclarar si es para toda la empresa o para un sitio, se interpreta de maneras opuestas por compras y por logística.

Dónde aparece en el sistema

El sistema trabaja a producto y sitio por semana por defecto, que es el nivel de la propuesta semanal de envíos, y baja a días solo donde la decisión lo pide. Cuando una serie es demasiado escasa, la previsión de demanda usa el nivel superior (familia o grupo de sitios parecidos) para darle forma y lo dice en el porqué del envío.

Puedes comprobar qué nivel de detalle compensa en tus datos con la simulación con tus datos, que mide el acierto de cada opción sobre fechas pasadas.

Términos relacionados

Previsión jerárquica, serie temporal, SKU, método de Croston y horizonte de previsión.