Cómo funciona un predictor de stock: de las ventas de ayer a la lista de pedidos del lunes

Paso 1: leer y limpiar los datos

Todo empieza en el programa de gestión: Odoo, Business Central, Sage, Holded, una tienda Shopify o un Excel. El predictor lee las ventas por producto, sitio y fecha; el stock y sus movimientos; los pedidos de compra pendientes; y los plazos de cada proveedor. Lo correcto es leer con un usuario que solo pueda consultar, para que nada se escriba en tu programa sin permiso.

Antes de prever nada hay que limpiar. Los problemas se repiten en casi todas las empresas: códigos duplicados para el mismo producto, devoluciones apuntadas como ventas negativas, tiendas que cerraron y siguen en el maestro, semanas con stock negativo porque una entrada se apuntó tarde. Un predictor serio te entrega una lista de lo que no cuadra antes de darte ninguna previsión.

Paso 2: reconstruir la venta que hubo de verdad

Lo que apunta el programa es lo que se vendió, no lo que se habría vendido. Si un producto estuvo a cero cuatro días, esos días la venta registrada es cero, pero la demanda no lo era. A esto se le llama demanda censurada, y es la trampa más cara: si el predictor aprende de esos ceros, prevé menos, pides menos, vuelves a romper y el ciclo se repite.

Por eso el segundo paso es cruzar ventas con stock día a día, marcar los días sin existencias y tratarlos como dato que falta, no como venta cero. Lo mismo con las promociones: una semana de 2x1 se marca para que no infle la previsión de la semana normal.

Paso 3: prever la venta con su margen de error

Con los datos limpios, se prevé la venta de cada producto en cada sitio, normalmente semana a semana. Hay métodos de muchos tipos: medias móviles, suavizado exponencial, modelos que aprenden de todo el catálogo a la vez. Lo que importa para el stock no es tanto el método como que la previsión venga con un margen: «lo más probable son 30, y en 9 de cada 10 semanas estará entre 22 y 41».

Ese margen es lo que el manual de Hyndman y Athanasopoulos llama intervalo de predicción, y es la pieza que convierte una previsión en una decisión de stock. Sin margen no se puede calcular el stock de seguridad, porque el colchón cubre precisamente lo que la previsión no sabe.

Hay dos casos que piden trato especial. Los productos que se venden a rachas, con muchas semanas a cero, se prevén mejor como probabilidad de venta que como media; el mismo manual advierte de que el método de Croston, el clásico para esas series, no da intervalos de predicción. Y los productos nuevos, sin historia, toman prestada la curva de su familia hasta que tienen semanas propias.

Paso 4: calcular el riesgo de rotura

Aquí es donde el predictor de stock se separa de un programa de previsión. Se mira cuánto se va a vender desde hoy hasta que pueda llegar el siguiente pedido (el plazo del proveedor, o hasta el siguiente reparto) y se compara con lo que hay: stock de hoy más lo que ya viene de camino.

Un ejemplo inventado. Un almacén de material de oficina en Valencia tiene 95 paquetes de folios A4. Vende de media 43,75 a la semana, con una desviación de unas 4,7. El proveedor tarda dos semanas. En ese plazo se esperan 87,5 paquetes, con una desviación de unos 6,7 (la semanal por la raíz de 2). Con una distribución normal, la probabilidad de que se vendan más de 95 en esas dos semanas ronda el 13 %. Ese 13 % es el riesgo de rotura.

El riesgo se calcula producto a producto y sitio a sitio, y la lista se ordena por él. Es lo que permite mirar primero las 40 líneas que importan de entre miles.

Paso 5: proponer la cantidad

Con el riesgo calculado, falta decidir cuánto pedir. Se elige un nivel de servicio, que es la probabilidad de no romper que aceptas; por ejemplo, un 95 %. El predictor calcula el stock que necesitas para cubrir la venta hasta el siguiente pedido que podrías recibir, más el colchón que da ese 95 %, y resta lo que ya tienes.

Siguiendo con los folios: si revisas cada semana y el proveedor tarda dos, el pedido de hoy tiene que cubrir tres semanas. Venta esperada, 131,25; colchón al 95 % (1,645 por 4,7 por la raíz de 3), unos 13,4. Objetivo, 144,7. Con 95 en el almacén faltan 49,7; si el proveedor sirve en cajas de 5, la propuesta es 50 paquetes.

Después se aplican las reglas del negocio: mínimo de compra del proveedor, múltiplos de caja o palé, días de reparto de cada ruta, hueco en la furgoneta. Y cada línea lleva una frase con su porqué para que la persona que aprueba pueda discutirla.

• Venta prevista hasta el siguiente pedido que puede llegar.
• Colchón según el margen de error y el nivel de servicio elegido.
• Menos el stock de hoy y lo pendiente de recibir.
• Redondeado a la unidad de compra y con las reglas del proveedor.

Antes de usarlo: la prueba con tus semanas pasadas

Un predictor se comprueba igual que funciona, pero hacia atrás. Se elige una fecha pasada, se le dan solo los datos que existían ese día, se le pide la lista de pedidos y se compara con lo que vendiste y con lo que pediste tú. Se repite semana a semana durante meses. El manual citado lo llama evaluación con origen móvil y avisa de que medir con datos que el modelo ya ha visto da resultados demasiado optimistas.

De esa prueba salen tres números que vale la pena pedir a cualquier proveedor: el error en unidades ponderado por la venta, el sesgo (si se queda corto o largo) y la calibración del margen (si el 10 % de riesgo pasa una de cada diez veces). Después, uno o dos meses en modo sombra: el predictor propone con datos frescos y tu equipo decide como siempre. Es lo que hacemos en la simulación con tus datos.

Lo que un predictor no puede ver

Solo sabe lo que está en los datos. Un cliente grande que entra, una obra que corta la calle de una tienda, un competidor que baja precios: nada de eso está en el histórico. Por eso los buenos predictores tienen un sitio donde la persona apunta lo que sabe y el sistema no, y por eso la decisión final la toma alguien.

Tampoco arregla un stock mal contado. Si el programa dice que hay 40 y en la estantería hay 25, el predictor calcula sobre 40. Un inventario cíclico que corrija las diferencias cada pocas semanas vale más que cualquier mejora del método.