¿Qué vender?, ¿qué comprar?

¿Qué vender?, ¿qué comprar?

El gran dilema que inquieta a las empresas de hoy en día es cómo anticiparse, en periodos más cortos, a las necesidades de sus clientes desde una perspectiva logística y operacional. En este artículo se verá cómo ha funcionado la planificación a lo largo del tiempo y dónde se encuentra en nuestros días.

Por: Richard Moarri Nohra el 27 Junio 2016

Compartir en: FACEBOOK LINKEDIN TWITTER WHATSAPP

Durante la Segunda Guerra Mundial, el gobierno de Estados Unidos aprovechó las bondades de las potentes computadoras, utilizadas en esa época, para diseñar un algoritmo que permitiese calcular, de manera óptima, las necesidades de materiales de guerra en los frentes de batalla. Este algoritmo denominado Planificación de Requerimiento de Materiales (MRP por sus siglas en inglés) permitiría planificar las necesidades de insumos para fabricar camiones, tanques, fusiles, cañones, etc., así como también, de generar las órdenes de producción de cada componente intermedio para el ensamblaje de dichos productos y la fabricación de sus componentes intermedios.

Con el tiempo, a partir de los años cincuenta y sesenta, algunas corporaciones industriales estadounidenses, que ya contaban con potentes computadoras para la época, empezaron a utilizar el mismo algoritmo para cubrir sus propias necesidades de abastecimiento y producción. Sin embargo, por tratarse de un sector privado, donde los costos cobraban cada vez mayor relevancia, la gran preocupación fue cómo conseguir un uso óptimo de la capacidad instalada, puesto que el algoritmo MRP consideraba -para efectos de la planificación de órdenes de producción- que la capacidad de planta era infinita, algo evidentemente absurdo e irreal.

Entonces, entre los años setenta y ochenta, estas empresas empezaron a incluir en su modelo de planificación de producción el pronóstico de las ventas, así como las restricciones de capacidad de planta en función a la tasa de producción estándar de cada uno de sus equipos y recursos disponibles. De esta manera, lograron una asignación óptima de la carga de trabajo antes de iniciar la ejecución de los procesos productivos, con lo cual la planificación de la producción consideraría no solo la demanda proyectada, sino también el uso óptimo de los recursos disponibles. A este nuevo modelo se le denominó MRP-II (Planificación de Recursos de Manufactura).

Más allá de una proyección de demanda, o de la confirmación de pedidos concretos, las empresas que logren identificar y analizar en tiempos muchos más cortos las necesidades de sus clientes, habrán dado un paso decisivo en su posicionamiento competitivo.

En los años noventa, ante la necesidad de las empresas de integrar con mayor amplitud sus procesos funcionales, se incorporaron a este modelo de planificación otras áreas de la organización; es decir, no solo la planificación de la producción y de las compras a partir de un pronóstico de las ventas, sino también los pedidos concretos de los clientes, las ventas efectivamente realizadas, las cobranzas pendientes, el flujo de caja, las cuentas por pagar, etc. Con esto, la denominación del modelo anterior sufrió un "ligero" cambio: se reemplazó la "M" por una "E" y pasó a llamarse Planificación de Recursos Empresariales (ERP), sigla con la que hasta hoy se identifica a las principales soluciones integradas de clase mundial.

Sin embargo, el gran dilema que inquieta a la mayoría de las empresas es cómo anticiparse, en períodos mucho más cortos, a las necesidades de sus clientes y, en consecuencia, cómo responder oportunamente, desde una perspectiva logística y operacional, a tales requerimientos.

La respuesta pasa hoy por un único desafío: conocer de la mejor manera posible a los clientes, a partir del comportamiento transaccional que éstos puedan tener con productos y servicios propios y ajenos, así como también a partir de un entendimiento de sus preferencias no reveladas en dicho comportamiento transaccional. Nos referimos a información no estructurada que hoy se encuentra dispersa abundantemente, en fuentes no convencionales como redes sociales, en donde las personas expresan, directa o indirectamente, sus gustos y preferencias.

Por lo tanto, más allá de una proyección de demanda, o de la confirmación de pedidos concretos, las empresas que logren identificar y analizar en tiempos muchos más cortos las necesidades de sus clientes, habrán dado un paso decisivo en su posicionamiento competitivo, por encima de los beneficios netamente operacionales que hoy ofrecen los sistemas ERP.

¿Cómo una empresa podrá identificar los atributos (de productos y de servicios) que mayor valor le dará un cliente antes de adquirirlos?

Más allá de una proyección de demanda, o de la confirmación de pedidos concretos, las empresas que logren identificar y analizar en tiempos muchos más cortos las necesidades de sus clientes, habrán dado un paso decisivo en su posicionamiento competitivo.

Richard Moarri Nohra

Ha participado en diversas corporaciones multinacionales como consultor y líder tecnológico en proyectos de racionalización e integración de procesos, y de modelamiento estratégico para la toma de decisiones. MBA por ESAN. Estudios de especialización en Chile y Estados Unidos en áreas de planeamiento estratégico y analítica de negocios. Certificación “MIT Professional Education Certificate of Completion” en Machine Learning (2019).

Otros artículos del autor

El impacto de la inteligencia de negocios en las organizaciones

22 Febrero 2023

La inteligencia de negocios ayuda a las empresas a aprovechar mejor la data recabada de sus clientes para tomar decisiones más efectivas. Aquí te explicamos sus beneficios.

  • Actualidad
  • Negocios

Machine learning: ¿Qué es y cómo puede beneficiar a las empresas?

23 Agosto 2022

El machine learning es parte de la Inteligencia Artificial (IA) y se enfoca en crear sistemas que pueden aprender por sí mismos. Esta tecnología brinda múltiples ventajas en el ámbito empresarial.

  • Actualidad
  • Tecnología

Machine learning: Cuáles son sus tipos y en qué se diferencian

21 Junio 2022

El machine learning consiste en utilizar datos y algoritmos para complementar el aprendizaje humano. ¡Conoce sus tipos aquí!

  • Actualidad
  • Tecnología