Picos de demanda que se produjeron tras la pandemia y que no se repetirán han distorsionado las previsiones de algunas compañías. Reducir el stock no es incompatible con aumentar el nivel de servicio a los clientes, afirma el directivo.
Edt Goris es el Country Manager en España y Portugal de Slimstock, empresa holandesa especializada en optimización de inventarios. Charlamos con Edt y nos cuenta que, aunque la pandemia ya empieza a ser un recuerdo lejano para la mayoría, sus efectos todavía se sienten con fuerza en los stocks de muchas compañías.
¿Qué ha cambiado en la previsión de la demanda y la optimización de stock tras la pandemia?
La pandemia y la postpandemia del covid-19 afectaron significativamente a cómo se llevan a cabo la previsión de la demanda y la optimización de stocks, ya que se alteraron muchos patrones de consumo que dábamos por sentados. Del mismo modo, en la etapa de prácticamente normalidad en la que nos encontramos ahora, la demanda es distinta a la que había inmediatamente después de la pandemia, pero también es diferente a la de la época anterior al covid-19.
¿Y cómo han respondido las empresas ante esta circunstancia?
No se puede generalizar, ya que cada sector y cada compañía han respondido de formas distintas. Pero nos hemos encontrado con empresas que, por la incertidumbre y por picos de demanda previos que difícilmente se volverán a producir, han adquirido un stock excesivo.
Te pongo un ejemplo práctico. Desde hace poco colaboramos con un cliente que comercializa artículos para practicar deporte al aire libre. Todo este tipo de productos experimentó un crecimiento de la demanda enorme cuando empezaron a decaer las restricciones. Sin embargo, ahora la demanda se ha moderado y, como resultado, nuestro cliente se encuentra con un stock prácticamente un 200% superior al que sería óptimo.
¿Y qué efectos tiene para la empresa este exceso de inventario?
Pues en general, muy negativos. Evidentemente, un stock desmesurado puede traducirse en un cierto incremento en el nivel de servicio, pero, ¿a qué precio? Los costes de inventario se disparan, se inmoviliza capital circulante de la compañía, se pierden oportunidades de inversión… Y todo esto sin contar con el coste del capital al que muchas empresas tienen que hacer frente por endeudarse para adquirir el stock.
¿No corren el riesgo las empresas de que se resienta su disponibilidad de producto y su nivel de servicio si reducen demasiado el stock?
El objetivo siempre tiene que ser contar con el stock óptimo. No obstante, hemos comprobado que en muchos casos reducir los niveles de inventario no va en detrimento del nivel de servicio e incluso, paralelamente, puede incrementarse la disponibilidad de producto.
¿Y cómo se puede conseguir esto?
La tecnología ayuda mucho. La Inteligencia Artificial y el machine learning están muy en boga últimamente, pero lo cierto es que ya hace años que se viene utilizando la tecnología para la previsión de demanda y la optimización de stocks. A través de ella conseguimos previsiones no solamente basadas en el histórico de ventas, si no ponderar también otras variables exógenas como el clima o eventos que puedan influir en el consumo, además de ‘limpiar’ automáticamente los datos anómalos o poco representativos, como puede ser un pico de ventas que no se prevé que se vuelva a repetir y que podría distorsionar las previsiones.
¿Y cuáles son los resultados para las compañías que aplican estas técnicas?
De nuevo, cada caso es un mundo. Pero no cabe duda de que las empresas que consiguen incorporar eficazmente esta tecnología a su negocio cosechan resultados muy positivos.
En Slimstock hemos implementado diversos proyectos a nuestros clientes que son paradigmáticos. Por ejemplo, en el caso de Desigual se consiguió una reducción del 27% del stock y, a su vez, se consiguió aumentar un 4% la disponibilidad de producto. Una organización completamente diferente, la cooperativa Fedefarma, redujo su stock en un 40% -pasando de 77 millones a 46 millones de euros- y al mismo tiempo consiguió aumentar el nivel de servicio a sus socios.
