Introducción
Existen muchas razones para realizar pronósticos en un entorno de producción, como la planificación de la producción, los pronósticos de ventas y el consumo de materias primas. El proceso de creación de estos pronósticos puede ser laborioso y frustrante, lo que resulta en pronósticos que no se actualizan con la frecuencia necesaria. Estos retrasos pueden provocar la pérdida de oportunidades de venta, entregas fallidas y otros problemas de alto costo. Existe una solución más sencilla. La plataforma de pronósticos de series temporales de JMP permite realizar fácilmente pronósticos para un gran número de grupos a la vez. Estos pronósticos se pueden compartir con otros y todo el proceso se puede automatizar fácilmente. El gráfico a continuación muestra cómo se puede repetir todo el proceso con un solo clic.
Estudio de caso
En este ejemplo, usaré la empresa ficticia Red Triangle Widget (RTW). RTW fabrica y vende al público unos 250 productos diferentes (SKU). Si sus previsiones de ventas son erróneas, sus planes de producción también lo serán, lo que significa que se arriesga a generar un inventario excesivo e inmovilizar efectivo hasta que se venda, o, peor aún, a perder oportunidades de mercado.
Actualmente, el proceso de pronóstico de RTW requiere una semana entera para que una sola persona lo complete. Esta persona recibe un volcado de datos de la base de datos del departamento de TI y luego debe analizar manualmente cada SKU, creando un pronóstico aproximado para cada uno. Debido a la larga duración de este proceso, RTW solo actualiza sus pronósticos una vez al mes. El resto del mes suele dedicarse a satisfacer la demanda de los clientes, ya que los pronósticos tienden a perder utilidad cuanto más a largo plazo se pronostican.
Claramente, RTW necesita optimizar este proceso para evitar desperdiciar la semana completa de un empleado cada mes, perder incontables horas luchando contra pronósticos que se desactualizan rápidamente y perder oportunidades de vender más productos. Necesita actualizar sus pronósticos semanalmente, pero el método actual requiere tanto tiempo y esfuerzo que las actualizaciones semanales son imposibles sin contratar al menos a una persona más. Dado que RTW no cuenta con el presupuesto para contratar personal adicional, simplemente necesita una forma sencilla, rápida, repetible y automatizada de realizar sus pronósticos de ventas.
Acceso a datos
Nota: Todo este proceso debe automatizarse, así que comience por ir a Archivo > Nuevo > Flujo de trabajo y seleccione el botón Grabar para implementar toda la automatización necesaria. Si no está familiarizado con el Generador de flujos de trabajo, consulte esta breve introducción o esta explicación más detallada .
Dado que el equipo de TI de RTW ya generaba los datos de ventas para el proceso de pronóstico, es lógico solicitarles la consulta SQL que utilizan y ejecutarla directamente en JMP. Para ello, vaya a Archivo > Nuevo > Consulta de base de datos. A continuación, convierta la consulta del método visual de JMP en una consulta SQL personalizada y pegue el SQL de TI en la ventana. Al ejecutar la consulta, se crea una tabla de datos con aproximadamente 22 000 filas que representan todas las ventas diarias de widgets de los últimos tres meses.
Preparación de datos
Dado que RTW desea realizar pronósticos semanales, los datos deben agruparse por semana. Además, dado que el pronóstico se vería afectado negativamente al usar datos de semanas parciales, se deben eliminar las semanas sin siete días de datos.
La herramienta Tablas > Resumen es una forma práctica de dar formato semanal a los datos. Crear columnas de Semana y Año será útil más adelante, especialmente si los pronósticos abarcan diferentes años.
Usar Filas > Selección de filas > Seleccionar dónde y seleccionar todas las filas que no tengan siete puntos de datos facilita (y permite que el Generador de flujos de trabajo) conservar solo las semanas completas. Elimine las filas seleccionadas después de hacer clic en Aceptar.
Es necesario realizar una tarea adicional con los datos antes de crear los pronósticos. Cree una nueva columna con una fórmula para la fecha, basada en el año y la semana. Esto es útil porque obliga a que todos los puntos de datos tengan incrementos semanales consistentes, lo cual es importante para las herramientas de pronóstico.
Pronóstico
Ahora que los datos están limpios y estructurados correctamente, la predicción de series temporales en JMP es la parte más sencilla. Desde Analizar > Modelado especializado > Pronóstico de series temporales, es muy sencillo rellenar los tres campos:
En la ventana que aparece tras seleccionar "Aceptar", la plataforma presenta resúmenes para ayudarle a garantizar la coherencia de los datos. Tras revisarlos, establezca el número de períodos futuros que desea pronosticar. Haga clic en "Ejecutar" para ver los pronósticos de los aproximadamente 250 SKU.
Tenga en cuenta que cada SKU cuenta con un modelo de pronóstico individualizado, específico para su forma de datos históricos. Puede encontrar más información sobre los tipos de modelos aquí .
Intercambio
Dado que muchas personas que usarán estos pronósticos no están especialmente interesadas en las estadísticas, puede ser útil cambiar el formato de las predicciones a un gráfico interactivo simple. Use la opción del triángulo rojo para seleccionar "Guardar resultados", lo que crea una nueva tabla de datos que incluye los pronósticos y otros datos. También puede usarse con el Constructor de gráficos para crear una herramienta de búsqueda sencilla.
Estos informes se pueden subir a JMP Live para compartirlos con cualquier persona que necesite acceder a los pronósticos, incluso si no tiene JMP. Esto resulta especialmente útil para compartir pronósticos con proveedores o clientes. Estos informes se pueden vincular o incrustar en una página web, como se muestra en el ejemplo a continuación.
Automatización
Anteriormente, mencioné el uso de Workflow Builder para registrar el proceso. Dado que todos los pasos se registraron, solo es necesario realizarlos manualmente la primera vez. Cada vez que se necesite actualizar el pronóstico, solo hay que hacer clic en "Reproducir", lo que significa que RTW puede actualizar fácilmente sus pronósticos cada semana. El ahorro de tiempo al automatizar todo este proceso es enorme.
Con el proceso reducido a un simple clic, RTW incorporó eficazmente un 25% de un empleado al equipo, sin coste adicional. Los pronósticos ahora se realizan semanalmente en lugar de mensualmente, por lo que se requiere mucha menos intervención por parte de toda la organización. En resumen, usar JMP para realizar pronósticos fue un éxito rotundo para el equipo.
¿Sus grupos de Compras y Programación ya utilizan la plataforma de Pronósticos de Series Temporales? De no ser así, ¿cuánto tiempo podrían ahorrar automatizando sus pronósticos?
Notas de datos
Utilicé una versión modificada de los datos de un concurso de pronósticos de Makridakis de 2020, disponible aquí . Las modificaciones que realicé incluyen:
- Subconjunto y apilamiento de los grupos más exclusivos (~250) en el conjunto de datos.
- Redondear los datos al valor entero más cercano.
- Cambiar los nombres de las columnas y los valores de identificación de grupo únicos.
Además, creé una tabla de búsqueda de números de pieza para que los datos se aproximen a cómo un usuario final probablemente los vería representados en una base de datos. Dado que los lectores no tendrán acceso a la base de datos exacta que utilicé, incluí los datos en Workflow Builder como tablas de datos. Todos los archivos están adjuntos.
