Glosario
Previsión jerárquica: que las cifras de abajo cuadren con las de arriba
Definición
La previsión jerárquica calcula la demanda a varios niveles agregados, como producto, familia, tienda y región, de modo que las previsiones de los niveles bajos sumen las de los niveles altos. Se puede hacer de abajo arriba (se prevé cada serie fina y se suma), de arriba abajo (se prevé el total y se reparte con proporciones) o combinando ambas. Es útil cuando hay muchos sitios con pocas ventas cada uno.
La demanda de una cadena se puede mirar de muchas formas: por producto, por familia, por tienda, por región. Cada una da una previsión, y si las miras todas juntas casi nunca cuadran. La previsión jerárquica es la forma de prever a varios niveles a la vez y que las cifras sean coherentes entre sí.
Qué es exactamente
Una serie jerárquica es un conjunto de series que se agregan de forma anidada. Según el manual de Hyndman y Athanasopoulos, las ventas totales de un fabricante de bicicletas se pueden dividir en tipos de producto y estos en categorías más finas; cada serie de nivel superior es la suma de sus hijas. Arriba está el total, abajo el detalle máximo, y el nivel de abajo determina todo lo de arriba.
La previsión jerárquica busca previsiones coherentes: que las de cada tienda sumen la regional y las regionales sumen la nacional. Si no, compras prevé 1.040 unidades para la familia y logística suma 980 entre las tiendas, y cada uno piensa que tiene razón. Existen también estructuras agrupadas, donde los atributos se cruzan en lugar de anidarse (por talla, por color, por canal), y mixtas, que combinan las dos.
También se le llama
Hierarchical forecasting, previsión coherente, previsión por niveles. A sus métodos básicos se les llama bottom-up (de abajo arriba) y top-down (de arriba abajo), y a los que mezclan información de varios niveles, reconciliación.
Cómo se calcula
De abajo arriba (bottom-up) se prevé cada serie del nivel más fino y se suman las previsiones para obtener los niveles altos. No se pierde ninguna información por agregar, pero las series finas son ruidosas y difíciles de predecir. De arriba abajo (top-down) se prevé solo el total y se reparte hacia abajo con proporciones, calculadas del histórico o de previsiones. Es simple y funciona bien con ventas bajas, pero descarta lo que sabe cada serie, y el manual avisa de que sus previsiones salen sesgadas aunque las base no lo estén.
Un ejemplo con tres tiendas. Modelas cada una de abajo arriba: 420, 310 y 250 unidades de un producto en la semana, que suman 980. Un modelo sobre el total de la cadena dice 1.040. No son coherentes, hay 60 unidades de discrepancia. Con top-down, se toma 1.040 y se reparte según las proporciones históricas (42 %, 31 %, 27 %): 437, 322 y 281. Con una combinación se parte de ambas y se ajustan hasta que cuadren, normalmente a medio camino y con más peso en la que históricamente ha acertado más.
Las tiendas con pocas ventas son las que más ganan: su serie por sí sola es casi ruido, y la información de la familia o de la región le da forma.
Ojo con esto
La coherencia es una comodidad contable, no una garantía de acierto:
- Cuadrar no es acertar: unas previsiones pueden sumar perfectamente y estar todas equivocadas.
- El reparto por proporciones históricas ignora cambios: la tienda que abrió un local nuevo ya no pesa el 27 %.
- Una jerarquía mal definida confunde: familias que mezclan productos de comportamientos opuestos (temporada y fondo de catálogo) esconden más que explican.
- Mucho nivel, mucho cálculo: con miles de series conviene automatizar y revisar solo los casos donde el ajuste cambia mucho la cifra de partida.
Dónde aparece en el sistema
El problema de una cadena que repone a muchos sitios es exactamente este: cada tienda vende poco de cada producto, y hay muchas. El sistema prevé a varios niveles (producto en cada sitio, producto en total, familia en cada sitio) y usa los niveles de arriba para estabilizar las series ruidosas de abajo. Los envíos propuestos quedan coherentes con el total del almacén central, que es lo que permite decidir cuánto comprar al proveedor y cuánto repartir.
La parte técnica está en la previsión de demanda; el efecto, medido con tus datos, en la simulación con tus datos.
Términos relacionados
Granularidad de la previsión, serie temporal, almacén central, SKU y WMAPE, que pondera el error por volumen.
Preguntas frecuentes
¿Es mejor bottom-up o top-down?
Depende de cuánto ruido tengan las series de abajo. Con mucho volumen en cada sitio, bottom-up conserva el detalle; con ventas bajas, top-down o una combinación estabiliza. Lo habitual es combinar y comprobar con datos pasados cuál habría acertado más.
¿Para qué sirve que las previsiones sumen?
Para decidir con una sola verdad. El comprador que negocia con el proveedor el total y el responsable de reparto que mira tienda a tienda usan las mismas cifras, y no hay que explicar por qué unas suman 980 y las otras 1.040.
¿Se pueden usar jerarquías por cliente y por producto a la vez?
Sí, son estructuras agrupadas: el total se puede ver por producto o por cliente, y ambos caminos tienen que cuadrar. Es habitual en distribuidoras que sirven a clientes de tamaños muy distintos.