Simulación de stock con tus datos: tus semanas pasadas, decididas otra vez por el sistema.

Qué hace en simulación con tus datos.

¿Qué es una simulación con datos históricos?

Es una prueba en la que el sistema de control de stock vuelve a decidir, semana a semana, un periodo pasado de tu negocio usando solo lo que se sabía en cada momento, y se compara lo que habría hecho con lo que hiciste tú. En inglés se llama backtest. Responde a la única pregunta que importa antes de contratar: con mis productos, mis sitios y mis plazos, ¿lo habría hecho mejor?

No es una demo. Una demo enseña cómo funciona el programa con datos preparados para que se vea bien. La simulación usa tus datos, con sus huecos y sus semanas raras, y puede salir mal. Por eso la ofrecemos antes de firmar: si sale mal, es mejor que lo sepas entonces.

¿Cómo se decide hoy si un sistema de reposición sirve?

Lo normal es ver una presentación, una gráfica de previsión que sigue casi perfecta a las ventas pasadas y algún caso de otra empresa. Ninguna de las tres cosas dice cómo funcionará con tu catálogo. La gráfica perfecta suele estar hecha con un modelo que ya ha visto los datos que dice prever, y el caso de otra empresa es de otra empresa.

Pongamos una cadena de ocho papelerías que se juega el año entre finales de agosto y la tercera semana de septiembre. Lo que necesita saber es concreto: si el sistema habría mandado a tiempo los cuadernos y las mochilas a Alicante y a Vigo, si habría dejado folio de más en Logroño en octubre y cuántos envíos habría hecho. Eso solo lo dice su propio histórico.

Qué datos te pedimos.

Lo justo para reconstruir lo que pasó cada semana: qué se vendió, qué había, qué se mandó y cuánto tardó en llegar. Casi todo sale de un export del programa que uses, sea Odoo, Business Central, Sage, Holded, SAP Business One, tu tienda online o un Excel. Lo que no esté, se reconstruye o se apunta como limitación.

No pedimos datos de clientes. Para reponer basta con producto, sitio, fecha y cantidad. Es lo que el Reglamento General de Protección de Datos llama minimización: datos limitados a lo necesario para el fin. Si tu export los trae mezclados, se quitan antes de cargarlo.

• Ventas por producto, sitio y día, de al menos un año. Con dos, se ve la temporada dos veces.
• Stock de hoy y movimientos de entrada y salida, o el stock diario si lo guardas.
• Envíos y traspasos hechos, con fecha de salida y de llegada.
• Plazos y bultos mínimos de cada proveedor, y días en que sale camión.
• Promociones y cambios de precio con fechas, si existen.
• Códigos que sustituyeron a otros y aperturas o cierres de sitios.

¿Cómo se evita mirar el futuro?

Es lo que separa una simulación que vale de una que no. Si para decidir el envío del 4 de septiembre el sistema usa, aunque sea sin querer, algo que pasó después, el resultado sale mejor de lo que sería en vivo y la prueba no sirve. El manual de previsión de Hyndman y Athanasopoulos lo describe como evaluación con origen móvil: el conjunto de entrenamiento solo tiene observaciones anteriores a la que se prevé, de modo que ninguna observación futura entra en la previsión.

En la práctica, el futuro se cuela por sitios poco evidentes, y cada uno se cierra con una regla escrita antes de empezar.

• El modelo se vuelve a entrenar en cada fecha simulada con los datos anteriores a ella, no una vez con el año entero.
• El stock de partida es el que había de verdad el primer día, reconstruido con los movimientos; a partir de ahí evoluciona con los envíos del sistema y la demanda real, no con tus envíos.
• Los plazos de envío son los que se medían hasta esa fecha, no la media de todo el periodo.
• La demanda de los días en que estabas a cero se estima antes de empezar y es la misma para las tres historias, para que nadie salga ganando por tus roturas.
• El catálogo es el de entonces: un producto que se dio de alta en octubre no existe en septiembre.
• Las promociones solo cuentan si se sabían con antelación; las que se decidieron sobre la marcha, no.
• Los parámetros (nivel de servicio, días de cobertura) se fijan antes de simular y no se tocan al ver los resultados.

Qué se compara y contra qué.

Se comparan tres historias del mismo periodo: lo que hizo tu equipo, lo que habría hecho el sistema y lo que habría hecho una regla simple, reponer hasta cubrir dos semanas de venta media. La regla simple está para algo: el artículo de resultados de la competición M5 de previsión cuenta que solo el 7,5 % de los equipos superó a la mejor referencia estadística, y que muchos eligieron mal su método final por fiarse de validaciones engañosas. Un sistema que no gana a una regla de dos líneas no merece la pena.

Las medidas se fijan antes de ver nada y se enseñan todas, también la que sale peor. Así nadie puede elegir después la que mejor queda.

• Días sin stock por producto y sitio, y demanda que no se pudo atender.
• Unidades de más al final de cada semana y stock parado en euros.
• Número de envíos y de líneas, que es lo que cuesta mover producto.
• Demanda atendida sobre el total, por familia y por sitio.
• Si la previsión acierta lo que promete: cuando dijo un 10 % de riesgo, cuántas veces pasó.

Qué se entrega.

Un informe que se lee en media hora con la comparativa de las tres historias, y detrás una tabla por producto, sitio y semana para quien quiera revisar el detalle. Incluye la lista de semanas y productos donde el sistema lo habría hecho peor que tu equipo, con su explicación, porque es lo primero que vas a querer mirar.

Va también el informe de calidad de datos (huecos, códigos duplicados, plazos que no cuadran) y la comprobación de la banda de la previsión. Si en algún periodo el programa lo hace peor que tú, sale en el informe igual que lo que hace mejor. Todo lo entregado es tuyo aunque decidas no seguir.

Después de la simulación: el modo sombra.

La simulación dice cómo habría ido con el pasado. El modo sombra lo comprueba con el presente: durante uno o dos meses el sistema lee tus datos cada semana y propone los envíos, tu equipo decide como siempre y apunta qué habría aceptado. Nadie conoce el futuro, así que no hay nada que ajustar a un resultado sabido.

Al final se comparan otra vez las medidas fijadas al principio. Si el resultado confirma la simulación, el sistema pasa a producción conectado a tu programa, con la persona que decide aprobando cada envío. Si no, se ve dónde se separan las dos pruebas y por qué antes de seguir.

Lo que no hace y cómo se empieza.

La simulación no adivina lo que no está en los datos: si en septiembre entró un cliente grande que nadie apuntó, el sistema no lo sabía y tu equipo sí, y el informe lo señala. Tampoco promete que el futuro vaya a ser como el pasado; por eso existe el modo sombra. Y si hay algún dato personal en lo que nos mandas, se trata con un contrato de encargado del tratamiento, como pide el artículo 28 del Reglamento General de Protección de Datos, y se borra al acabar si no sigues.

El primer paso es el análisis gratuito: nos mandas un export de ventas y stock y te devolvemos qué se quedó sin stock, cuántos días y cuánto hay parado. Si ahí se ve margen, se fija contigo el periodo y las medidas, y empieza la simulación. La demo de 30 minutos por videollamada sirve para verlo antes con una empresa de ejemplo.

¿Te suena alguno de estos casos?

• Si te han enseñado demos con gráficas perfectas y ninguna era de tu negocio. Aquí la gráfica es la tuya, con tus roturas y tus envíos, y puede salir mal.
• Si tienes que justificar la inversión ante dirección Llegas con días sin stock, envíos y stock parado de tu propio histórico, medidos frente a lo que hicisteis.
• Si ya tienes un sistema de previsión y dudas de él Se puede simular también lo que habría hecho tu herramienta actual, con las mismas reglas, y comparar las tres historias.
• Si tu negocio tiene una campaña que decide el año Se simula esa campaña, semana a semana, que es donde se ve si un sistema llega a tiempo o tarde.
• Si el equipo de compras no se fía de una máquina Ven en sus propias semanas qué habría mandado y por qué, y en cuáles lo habría hecho peor que ellos. Se discute con datos, no con promesas.
• Si tus datos están desordenados La simulación empieza por un informe de calidad que te dice qué falta y qué no cuadra. Ese informe ya sirve por sí solo.

Se prueba con tus datos antes de firmar, no después.

Lo habitual al comprar un programa de previsión o de reposición es ver una demostración con datos de ejemplo y descubrir cómo funciona con los tuyos meses después de firmar. Aquí el orden es el contrario: primero el sistema decide tus semanas pasadas con las reglas de la prueba fijadas antes de mirar, después lo ves con tu equipo y solo entonces decides. Si el resultado no es bueno para tu negocio, la conversación acaba ahí y te quedas el informe.

• Con lo que se sabía cada día: sin mirar el futuro en ningún paso.
• Medidas fijadas antes de ver resultados, y todas a la vista.
• Comparado con lo que hiciste y con una regla simple.
• Informe y tabla a tu nombre, sigas o no.