5 mitos sobre la planificación de la demanda (y qué es realmente)
Hay cinco creencias sobre demand planning que "todo el mundo sabe". Y las cinco están mal.
Este artículo va sobre eso. No sobre qué es la planificación de la demanda en el manual, sino sobre lo que la gente cree que es y lo que realmente es. Porque cada uno de estos mitos tiene un coste. No teórico. Cuantificable, en la cuenta de explotación de este año.
Mito 1: "El forecast es cosa del departamento de compras"
Este es el más extendido y el más caro. En el 80% de las distribuidoras que auditamos, el forecast lo hace una persona: un técnico de compras con Excel, o como mucho un demand planner aislado en operaciones.
El problema estructural es que compras nunca tiene toda la información que necesita para acertar.
Ventas sabe qué cliente ha cerrado un contrato nuevo. Compras no lo sabe hasta que ve el pedido.
Marketing sabe qué promoción va a lanzar en tres semanas. Compras se entera cuando explota el pico.
Finanzas sabe qué margen puede permitirse en cada categoría. Compras optimiza por volumen o por precio, no por rentabilidad ponderada.
Dirección sabe qué categorías quiere hacer crecer estratégicamente. Compras planifica sobre el histórico, no sobre la estrategia.
Cuando el forecast lo hace una sola función, la empresa está tomando decisiones de capital circulante con una fracción de la información disponible.
Qué es realmente: la planificación de la demanda es un proceso cross-funcional. En organizaciones con una planificación estructurada, se articula mediante S&OP (Sales and Operations Planning). Ventas, compras, operaciones y finanzas trabajan sobre el mismo número, con una cadencia mensual y trazabilidad de cada ajuste. Sin S&OP no hay planificación real; hay una estimación aislada.
Mito 2: "Cuanto más histórico tengamos, mejor será la predicción"
Parece lógico, pero no siempre funciona. Y puede tener un coste importante.
El histórico de ventas de una distribuidora no equivale necesariamente a su demanda real.
Puede contener rupturas de stock, ventas que no ocurrieron porque no había producto, promociones no identificadas, cambios de cartera, SKUs discontinuados, referencias sustitutas, clientes perdidos o cambios de precio.
Todo eso forma parte del histórico, pero no necesariamente representa la demanda real.
Si un modelo aprende de datos que no reflejan correctamente la demanda, corre el riesgo de reproducir esas distorsiones en sus previsiones. Y añadir más años de histórico no soluciona el problema si los datos no están depurados.
Por eso, en demand planning, la calidad del histórico importa más que su cantidad. Unos pocos años de datos limpios y bien segmentados pueden ser más útiles que una década de datos sin depurar.
Además, el mercado cambia. El consumidor de 2019 no es el mismo que el de 2026. Han cambiado los hábitos de compra, los canales, los precios y el contexto económico.
Qué es realmente: la planificación de la demanda empieza por entender, limpiar y segmentar el histórico antes de utilizarlo para predecir el futuro. Porque un buen forecast no empieza con un algoritmo.Empieza con datos que representen correctamente la demanda.
Mito 3: “Tenemos un acierto del 85%, es un buen forecast”
Suena bien. Pero un 85% de acierto puede decir muy poco sobre la calidad real de un forecast.
El problema suele estar en cómo se calcula. Si medimos el forecast en agregado, unidades previstas frente a unidades vendidas para toda la empresa, los errores de unos SKUs pueden compensar los de otros. El resultado global parece preciso, aunque el detalle, donde realmente se toman las decisiones, tenga errores importantes.
Por eso, la precisión debe analizarse a nivel de SKU y según su relevancia para el negocio. No tiene el mismo impacto equivocarse en una referencia de baja rotación que desviarse un 40% en un producto que concentra una parte significativa del margen.
Los buenos equipos de demand planning analizan, entre otras:
Precisión por segmento (A, B, C según rotación, valor o margen).
Bias: si el modelo tiende sistemáticamente a sobreestimar o subestimar.
Coste del error: cuánto stock, rotura o merma genera una desviación.
Sin este nivel de análisis, “tenemos un 85% de acierto” es un dato aislado, no una medida real de calidad.
Qué es realmente: la planificación de la demanda se mide a nivel granular y en función del impacto en el negocio. El objetivo no es simplemente acertar más, sino reducir el coste del error allí donde más importa.
Mito 4: “Las promociones se gestionan aparte del forecast”
Este mito nace de una intuición razonable: como las promociones son eventos excepcionales, las tratamos por separado y dejamos que el forecast siga su curso.
El problema es que las promociones dejan huella en el histórico. Si una promoción del -25% hizo que vendieras 3,5 veces más de lo habitual, ese pico queda registrado como demanda. El modelo puede interpretarlo como comportamiento normal y volver a preverlo el año siguiente, aunque no haya promoción.
También ocurre al revés. Si el histórico contiene promociones no identificadas, la demanda base queda artificialmente inflada. Y con ella, el stock de seguridad, los puntos de pedido y las previsiones de compra.
Qué es realmente: el forecast debe distinguir entre lo que vendes normalmente y lo que vendes como consecuencia de una promoción.
Si un producto vende 100 unidades normalmente y una promoción hace que vendas 350, el modelo debe entender que 100 es la demanda base y 250 el efecto de la promoción.
Así, cuando planificas una nueva promoción, puede estimar el incremento esperado. Y cuando no hay promoción, utiliza únicamente la demanda base.
Sin esta distinción, el modelo puede interpretar una venta excepcional como demanda normal.
Mito 5: “Ya lo hace nuestro ERP”
Es una respuesta habitual: “Nuestro ERP ya tiene planificación de la demanda.”
Y es cierto que muchos ERPs incorporan previsión y reposición. El problema es hasta dónde llegan realmente.
En muchos casos hablamos de:
Medias móviles sobre los últimos periodos.
Suavizado exponencial para proyectar tendencias.
Mínimos y máximos definidos manualmente y que pueden quedar desactualizados.
Estas herramientas funcionan cuando la demanda es estable, pero se quedan cortas ante estacionalidad, promociones, cambios de precio o demanda intermitente.
Y no es que el ERP lo haga mal. Es que está diseñado para gestionar operaciones y transacciones, no para construir el forecast más preciso posible.
Qué es realmente: la planificación de la demanda requiere modelos adaptados a cada tipo de SKU, capaces de incorporar las variables que afectan a la demanda y recalcular las previsiones continuamente.
El ERP aporta los datos y ejecuta las operaciones. El demand planning los convierte en una previsión.
Entonces, ¿qué es realmente la planificación de la demanda?
Con los cinco mitos desmontados, la definición resulta mucho más clara.
La planificación de la demanda es el proceso de anticipar cuánto, cuándo y qué productos necesitará el mercado, para tomar mejores decisiones de compra, stock y operaciones.
Para hacerlo bien, necesita datos históricos de calidad, modelos predictivos y la colaboración de ventas, compras, operaciones y finanzas. Y debe adaptarse continuamente a los cambios del negocio.
No es una definición de manual de supply chain. Es lo que necesita una distribuidora que quiere reducir inventario, minimizar roturas y mejorar su margen sin tener que renegociar con sus proveedores.
Cada uno de estos cinco mitos tiene un coste económico.
Cómo se resuelve en la práctica
En Valerdat hemos construido una solución para este problema: un motor de planificación de la demanda con modelos propios, una capa colaborativa donde ventas, compras, operaciones y finanzas trabajan sobre el mismo número, y una integración con tu ERP para llevar el forecast hasta la ejecución.
No sustituye a tu ERP. Se conecta a él y le aporta el forecast que no puede calcular por sí solo.
Si te has reconocido en dos o más de estos mitos, la pregunta probablemente no sea “¿deberíamos mejorar el forecast?”, sino:
“¿Cuánto nos está costando cada mes no hacerlo?”
