La previsión de la demanda consiste en estimar cuánto se venderá de un artículo durante un periodo futuro, para que pueda decidir cuánto comprar y almacenar.
Todas las empresas lo hacen. La mayoría lo hace de forma implícita: alguien mira el estante, piensa en el mes anterior y realiza un pedido. La previsión formal sustituye esto por un método que puede examinarse, medirse y mejorarse.
La razón por la que esto es importante no es que se puedan lograr previsiones exactas. No es posible, y cualquier proceso que asuma lo contrario decepcionará. Es importante porque el tamaño del error determina cuánto stock de seguridad necesita, y el stock de seguridad es costoso. Una mejor previsión es la única forma de mantener menos stock sin reducir la disponibilidad.
Qué es la previsión de la demanda
Una previsión tiene tres partes, y las previsiones que fallan suelen omitir dos de ellas.
Un número. Unidades esperadas durante un periodo definido.
Un periodo. La próxima semana, el próximo mes, el próximo trimestre. La precisión disminuye a medida que el horizonte se alarga, por lo que el horizonte debe coincidir con el propósito: una previsión para realizar pedidos solo necesita cubrir el tiempo de entrega más el periodo de revisión.
Un rango de confianza. Qué tan erróneo podría ser el número. Una previsión de 500 unidades que plausiblemente podría oscilar entre 400 y 600 es un dato de planificación muy diferente a una que podría estar entre 200 y 800, aunque ambas tengan la misma cifra central. El rango es lo que dimensiona su margen de protección, y una previsión sin él no le da ninguna base para decidir cuánta protección mantener.
Las previsiones también difieren según el nivel. Una previsión para la demanda total de una categoría es mucho más fiable que una para un SKU individual en un color específico, porque la variación se cancela a medida que se agregan los datos. Vale la pena saber esto porque explica por qué sus números de alto nivel pueden parecer precisos mientras que las previsiones de productos individuales son constantemente erróneas.
Los principales métodos de previsión
Previsión ingenua (Naïve). El próximo periodo es igual al anterior. Es genuinamente útil como base: si su método sofisticado no puede superarlo, la sofisticación no está justificando su costo.
Media móvil. La media de los últimos periodos, que suaviza la variación aleatoria. Es simple y efectiva para productos estables, pero lenta para responder a cambios reales porque los periodos antiguos tienen tanto peso como los recientes.
Media móvil ponderada. Igual que la anterior, pero los periodos recientes cuentan más. Responde más rápido a los cambios mientras mantiene cierto suavizado.
Suavizado exponencial. Los pesos disminuyen geométricamente hacia el pasado, controlados por un factor de suavizado único. Un factor más alto responde más rápido al cambio pero es más inestable; uno más bajo es estable y lento. Este es el caballo de batalla de la previsión práctica, y sus variantes manejan la tendencia y la estacionalidad explícitamente.
Descomposición de tendencia y estacionalidad. Divide el historial en un nivel subyacente, una tendencia y un patrón estacional repetitivo, proyecta cada uno y los recombina. Es necesario para cualquier cosa genuinamente estacional, que es la mayoría de los bienes de consumo.
Regresión. Relaciona la demanda con variables que la impulsan: precio, gasto en marketing, clima, un indicador económico líder. Es potente donde existe una relación causal genuina, y engañosa donde una correlación coincidente se confunde con una causal.
Métodos cualitativos. Aportes del equipo de ventas, intenciones de los clientes, juicio de expertos. Indispensables donde no existe historial: nuevos productos, nuevos mercados, un canal que acaba de abrir. También son los más propensos al optimismo, por lo que vale la pena registrar las predicciones y evaluarlas después.
Enfoques de aprendizaje automático (Machine learning). Cada vez más disponibles en software de planificación, y genuinamente mejores cuando se tienen muchos productos, historiales largos y múltiples variables influyentes. Necesitan sustancialmente más datos de los que tienen la mayoría de las operaciones, y no corrigen los malos datos de entrada.
Tipos de previsión de la demanda
Las previsiones se clasifican de varias maneras, y vale la pena conocer las etiquetas porque la gente las usa como abreviatura en las conversaciones de planificación.
Por horizonte temporal.
- Corto plazo — de días a pocos meses. Impulsa el reabastecimiento, los puntos de pedido y la dotación de personal. Aquí la precisión es alcanzable y la recompensa es inmediata.
- Medio plazo — de un trimestre a un año. Impulsa los compromisos de compra, los acuerdos con proveedores y las compras estacionales.
- Largo plazo — un año o más. Impulsa las decisiones de capacidad: espacio de almacén, equipo, personal. La precisión no se espera ni es útil en este rango; lo que importa es la dirección y la magnitud.
Por alcance.
- La previsión a nivel macro mira hacia afuera, a las condiciones en las que se encuentra su demanda: la economía, la categoría, el mercado. Es útil para el contexto y rara vez es accionable por sí sola.
- La previsión a nivel micro analiza un producto, canal o cliente específico. Aquí es donde realmente se toman las decisiones operativas.
Por postura.
- La previsión pasiva asume continuidad: lo que sucedió seguirá sucediendo, ajustado por tendencia y estación. Se adapta a empresas estables y es el valor predeterminado correcto para la mayoría de la planificación de inventario, porque no hace suposiciones heroicas.
- La previsión activa incorpora lo que usted pretende cambiar: una promoción, un nuevo canal, un aumento de precio, un lanzamiento de producto. Es necesaria siempre que el pasado sea una mala guía, y también es donde el optimismo causa más daño, porque un plan se confunde con una predicción.
Por método.
- Cualitativo — juicio, aportes de ventas, opinión de expertos. Necesario para productos nuevos sin historial, y el menos fiable donde existen datos.
- Cuantitativo — medias móviles, suavizado exponencial, regresión, descomposición estacional. Fiable donde hay historial disponible y la demanda es razonablemente estable.
- Basado en IA y aprendizaje automático — modelos que consideran muchas variables a la vez y encuentran patrones que una serie temporal simple pasaría por alto: clima, precios, comportamiento de la competencia, tráfico web, solapamiento promocional. Valen la pena a escala, en grandes conteos de SKU con mucho historial, y no sustituyen a los datos limpios. Un modelo entrenado con un historial de ventas que incluye periodos de rotura de stock no marcados aprenderá lo incorrecto más rápido y con más confianza que una hoja de cálculo.
El punto práctico: la mayoría de las empresas necesitan una previsión cuantitativa pasiva, a nivel micro y de corto plazo para la mayor parte de su gama, con una previsión activa superpuesta para el puñado de líneas donde algo está cambiando deliberadamente. Intentar usar métodos sofisticados antes de que funcione el básico es el error de secuenciación más común y costoso en esta área.
Cómo prever la demanda en la práctica
1. Primero, limpie el historial. Este paso determina si todo lo que sigue vale la pena.
La corrección crítica son las roturas de stock. El historial de ventas registra lo que vendió, no lo que los clientes querían. Un periodo en el que no tuvo stock muestra ventas bajas, y alimentar eso en una previsión le dice al modelo que la demanda es menor de lo que es, precisamente para el producto que ya le falló. Marque los periodos de rotura de stock y exclúyalos o estime la demanda perdida.
También elimine eventos únicos: un pedido al por mayor que no se repetirá, una liquidación, un error de datos. Deje los patrones recurrentes genuinos como las promociones, pero márquelos para que se entiendan como promociones y no como base.
2. Elija el nivel. Prevea al nivel en el que actuará. Si realiza pedidos por SKU, necesita previsiones a nivel de SKU, pero puede construirlas previendo la categoría y dividiendo por la participación reciente, lo cual suele ser más estable que prever cada SKU de forma independiente.
3. Elija un método por grupo de productos. Las líneas estables de alto volumen se adaptan al suavizado exponencial. Las líneas estacionales necesitan descomposición estacional. Los productos erráticos de baja rotación suelen gestionarse mejor con una media simple y un margen generoso, porque los métodos sofisticados se ajustan al ruido.
4. Aplique juicio y regístrelo. Ajuste por cosas que el historial no puede conocer: una nueva inclusión en catálogo, la salida de un competidor, un cambio de precio, una promoción. Registre el ajuste por separado de la previsión estadística para que pueda revisar más tarde si sus intervenciones ayudaron. Muchos no lo hacen.
5. Mida el error. Sin esto no es un proceso, es un hábito.
6. Revise y ajuste regularmente. Mensualmente para la mayoría de las operaciones. El objetivo es detectar productos cuyo patrón ha cambiado, no refinar números que ya estaban bien.
Medición de la precisión de la previsión
Tres medidas cubren la mayoría de las necesidades.
MAPE — error porcentual absoluto medio. El error promedio como porcentaje de la demanda real. Es intuitivo y ampliamente utilizado. Su debilidad es que se distorsiona considerablemente en volúmenes bajos: equivocarse en dos unidades sobre una previsión de tres supone un error del 67%, lo cual no tiene sentido.
MAD — desviación absoluta media. El error promedio en unidades, sin tener en cuenta la dirección. Es útil porque se utiliza directamente en el cálculo del stock de seguridad.
Sesgo (Bias). El error promedio con la dirección retenida. Esta es la medida que más a menudo se omite y, con frecuencia, la más informativa. Si sus errores promedian cerca de cero, significa que sus fallos al alza y a la baja se compensan —es ruido, que los colchones de stock absorben—. Si son consistentemente positivos o negativos, tiene un problema sistemático, y ninguna cantidad de stock de seguridad soluciona una previsión que siempre es baja.
Mida por grupo de productos en lugar de hacerlo de forma agregada, ya que un buen número global suele ocultar unas pocas líneas mal previstas que están causando un daño real.
Compare frente a la línea base ingenua. Si su método no supera al de “igual que el mes pasado”, simplifique.
Por qué nunca es perfecto (y eso está bien)
Las previsiones son erróneas. Las preguntas útiles son qué tan erróneas son, en qué dirección y si el error es lo suficientemente estable como para planificar en torno a él.
Es por esto que la previsión y el stock de seguridad son parte de la misma conversación. La previsión le da la demanda esperada; el error de previsión le da la variabilidad que el stock de seguridad existe para absorber. Mejore la previsión y el colchón necesario disminuirá para el mismo nivel de servicio. Ese es todo el argumento comercial para invertir en previsión, y es medible.
Acepte también que algunos productos son genuinamente imposibles de prever. Artículos de muy baja rotación, proyectos únicos, cualquier cosa impulsada por eventos externos que nadie puede anticipar. Para estos, la respuesta honesta es una estrategia diferente —fabricar bajo pedido, mantener stock del proveedor, aceptar plazos de entrega más largos— en lugar de un mejor modelo.
Previsión de la demanda estacional y promocional
Dos patrones causan la mayor parte de la dificultad, y ambos requieren un manejo explícito en lugar de esperar que un método general los absorba.
La estacionalidad es un patrón repetitivo vinculado al calendario. El error es tratar un pico estacional como crecimiento. Una media móvil aplicada a un producto que vende cuatro veces más en diciembre perseguirá el pico hacia arriba en enero, pedirá demasiado y luego lo perseguirá hacia abajo durante la primavera.
Manejarlo correctamente significa separar el factor estacional del nivel subyacente. Calcule la relación entre la demanda de cada período y el promedio anual a lo largo de varios años, y obtendrá un conjunto de índices estacionales: diciembre 2.4, enero 0.6, etcétera. Prevea el nivel subyacente y luego aplique el índice para el período que está pronosticando.
Dos advertencias. Necesita al menos dos ciclos completos de historial antes de que los índices estacionales signifiquen algo, y tres es mejor. Además, la estacionalidad cambia: la Semana Santa se mueve, las semanas pico de ventas migran a medida que cambian los hábitos de compra, y un índice calculado con datos de hace cinco años puede estar describiendo un patrón que ya no existe.
Las promociones son el problema mayor en la mayoría de las empresas, porque son tanto sustanciales como autoinfligidas. Una promoción puede multiplicar la demanda varias veces durante una semana, y ese pico permanece en su historial distorsionando cada previsión posterior.
Las disciplinas que ayudan:
- Marque los períodos promocionales en los datos para que la previsión estadística pueda excluirlos o ajustarlos.
- Prevea el incremento promocional por separado de la demanda base, utilizando los resultados de promociones pasadas comparables en lugar de un porcentaje que alguien “siente” que es el correcto.
- Tenga en cuenta la caída posterior. Las promociones a menudo adelantan la demanda en lugar de crearla, por lo que las semanas siguientes funcionan por debajo de la base. Prever el pico mientras se ignora el valle le deja sobre-stockeado dos veces.
- Obtenga el calendario promocional con antelación. La causa más común de roturas de stock promocionales es que el almacén se entera de la promoción al mismo tiempo que los clientes.
Quién es el dueño de la previsión
La previsión falla organizacionalmente más a menudo de lo que falla técnicamente, y el patrón es consistente.
Ventas prevé de forma optimista, porque los objetivos y las previsiones se confunden y nadie quiere prever por debajo del objetivo. Operaciones prevé de forma conservadora, porque cargan con el coste del exceso de stock y la culpa de las roturas de stock. Finanzas quiere un número que coincida con el plan. Cada uno produce una cifra diferente, y el negocio termina funcionando con la que pertenece a la persona que argumentó con más fuerza.
Qué funciona mejor:
Un número, propiedad de una sola función. Generalmente planificación u operaciones, con aportaciones estructuradas de ventas en lugar de una previsión de ventas separada ejecutándose en paralelo.
Separe la previsión del objetivo. Un objetivo es lo que pretende lograr. Una previsión es lo que espera que suceda. Confundirlos garantiza que la previsión esté sesgada al alza, y el stock sigue ese camino.
Puntúe los ajustes. Cuando alguien anule la previsión estadística, regístrelo y revise después si la anulación mejoró la precisión. Esto es incómodo y es la forma más rápida de descubrir cuyo criterio vale la pena aplicar y cuyo no.
Haga visible el coste. El error de previsión tiene un precio: exceso de stock, amortizaciones, fletes urgentes, ventas perdidas. Vincular esa cifra al proceso es generalmente lo que convierte la previsión de una tarea administrativa en algo que la gente se toma en serio.
Cómo se conecta la previsión con el resto
- Los puntos de pedido utilizan la demanda prevista durante el plazo de entrega.
- El stock de seguridad se dimensiona a partir del error de previsión.
- Compras compromete capital frente a la previsión, que es donde los errores se vuelven costosos.
- La planificación de la capacidad del almacén depende del volumen esperado, y equivocarse se traduce en falta de espacio en noviembre.
- La planificación laboral sigue el volumen de pedidos esperado en lugar de las unidades.
- Las relaciones con los proveedores mejoran cuando comparte las previsiones, porque pueden planificar la producción y mantener el stock adecuado.
Esto último se utiliza poco. Un proveedor al que se le da visibilidad de sus necesidades esperadas generalmente puede acortar y estabilizar su plazo de entrega, lo que reduce su requisito de stock de seguridad más que un mejor modelo.
Un ejemplo práctico
Tome un producto con doce meses de historial y analice lo que realmente implica una previsión.
Las ventas mensuales son aproximadamente: 210, 195, 230, 240, 215, 225, 260, 250, 245, 280, 520, 310.
La observación inmediata es que noviembre con 520 no es parte del patrón subyacente: es un pico estacional. Prever diciembre a partir de una media móvil de tres meses de septiembre, octubre y noviembre da (245 + 280 + 520) ÷ 3 = 348, lo que genera un exceso de pedido sustancial porque trata el pico como la nueva normalidad.
Manejarlo correctamente:
Separe el mes estacional. Excluyendo noviembre, los once meses restantes promedian unas 241 unidades con una leve tendencia al alza. Esas 241 son su nivel subyacente.
Calcule el índice estacional. Noviembre con 520 frente a una base de 241 da un índice de aproximadamente 2.2. Si un año anterior mostró una relación similar, puede confiar en él; con solo un año de historial, trátelo como provisional.
Proyecte el nivel hacia adelante. La tendencia a lo largo del año es ligeramente ascendente —aproximadamente 200 al principio, 260 en otoño excluyendo el pico— por lo que una previsión de nivel razonable para el próximo mes es alrededor de 265.
Aplique el índice si es relevante. Diciembre no es el mes pico aquí, por lo que la previsión se mantiene cerca de 265.
Estime el error. La desviación mes a mes de la tendencia subyacente es de unas 20 unidades, por lo que una desviación estándar cercana a 20 es una cifra de trabajo razonable. Con un nivel de servicio del 95%, el stock de seguridad es aproximadamente 1.65 × 20 × la raíz cuadrada del plazo de entrega en meses.
El objetivo de este ejercicio es mostrar que la mayor parte del trabajo es criterio sobre lo que significa el historial, no aritmética. Decidir que noviembre es estacional en lugar de crecimiento es la decisión que determina si el próximo pedido es correcto, y ningún método toma esa decisión por usted con solo un año de datos.
Dónde profundizar
- Qué es el stock de seguridad — dimensionado directamente a partir del error de previsión.
- Qué es el punto de pedido — donde se aplica la previsión.
- Técnicas de gestión de inventario — el conjunto de herramientas más amplio.
- Qué es una rotura de stock — el fallo que reduce la previsión.
- Qué es la rotación de inventario — lo que mejora una mejor previsión.
- Cómo gestionar el inventario — el proceso en el que esto se integra.
La idea clave en una frase
La previsión de la demanda estima las ventas futuras para que pueda decidir qué comprar; y como la previsión será errónea, la cifra que más importa es la magnitud y la dirección del error, ya que eso determina cuánto stock de seguridad debe mantener.
Preguntas frecuentes
¿Qué es la previsión de la demanda? Es la estimación de la demanda futura de un producto durante un periodo definido, con el fin de decidir cuánto stock comprar y almacenar.
¿Cuáles son los principales métodos de previsión de la demanda? Medias móviles, medias móviles ponderadas, suavizado exponencial, descomposición de tendencias y estacionalidad, regresión frente a variables causales y juicio cualitativo. La mayoría de las operaciones utilizan el suavizado exponencial para líneas estables y la descomposición estacional para cualquier cosa con un patrón repetitivo.
¿Qué precisión debe tener una previsión de la demanda? No existe una cifra universal, porque la precisión depende de la variabilidad de su demanda. La prueba útil es si su método supera a una previsión ingenua de “igual que el periodo anterior” y si su error es imparcial en lugar de ser consistentemente alto o bajo.
¿Cuál es la diferencia entre MAPE y sesgo? El MAPE mide el tamaño promedio del error independientemente de la dirección. El sesgo mide si los errores se inclinan sistemáticamente hacia un lado. Una previsión puede tener un MAPE aceptable y un sesgo grave, lo cual es el problema más perjudicial porque el stock de seguridad no corrige una inclinación sistemática.
¿Cómo preveo la demanda de un producto nuevo? No existe historial, por lo que debe basarse en análogos (productos similares en su lanzamiento), combinados con aportaciones cualitativas de ventas y cualquier dato de pedidos anticipados o consultas. Espere errores grandes al principio y revise semanalmente en lugar de mensualmente hasta que surja un patrón.
¿Por qué debería excluir los periodos de rotura de stock del historial? Porque las ventas durante una rotura de stock registran la disponibilidad en lugar de la demanda. Incluirlas enseña a la previsión que la demanda es menor de lo que realmente es, precisamente en los productos que ya se agotaron.
¿Con cuánta antelación debo realizar la previsión? Lo suficiente para cubrir su plazo de entrega más su periodo de revisión, y no más allá para fines de pedido. Se necesitan horizontes más largos para la planificación de capacidad, presupuesto y proveedores, pero deben entenderse como ejercicios separados con tolerancias más amplias en lugar de como la cifra sobre la que realizar los pedidos.
¿Una mejor previsión reduce el inventario? Sí, de forma indirecta y medible. El stock de seguridad se dimensiona a partir del error de previsión, por lo que reducir el error reduce el margen necesario para el mismo nivel de servicio. Este es el argumento financiero más claro para invertir en el proceso de previsión.
Warehouse Wise es una biblioteca gratuita e independiente de guías sobre gestión de inventario, almacenamiento y cumplimiento, escrita para quienes realizan el trabajo: nuevo personal de almacén e inventario, pequeñas empresas y negocios de comercio electrónico en crecimiento, y cualquier persona que gestione existencias y quiera entenderlas a fondo. Cada guía explica el concepto, muestra un ejemplo práctico con cifras reales cuando es útil, y va al grano. Somos independientes: no vendemos software ni equipos, no cobramos comisiones por referencias y nuestras guías no están clasificadas según quién nos paga.