Diseño de una herramienta para la previsión de la demanda basada en modelos causales para una empresa del sector de los complementos alimenticios y la venta digital

Abstract

[ES] La previsión de la demanda es crucial para muchos procesos de toma de decisiones en la empresa. Por ello, se necesitan pronósticos muy precisos para garantizar decisiones acertadas. En un entorno tan dinámico como el del sector de los complementos alimenticios y la venta digital, obtener buenos datos de previsión se complica debido a la influencia de la gran cantidad de variables. La empresa analizada en este proyecto es una empresa relativamente joven que se ha impuesto en el sector de los complementos alimenticios con una fuerza notable y con un crecimiento muy considerable y constante, centrándose en la calidad del producto y la creación de marca y comunidad. El principal problema de la empresa es la falta de inversión en planificar los procesos, acción que resulta difícil debido al entorno tan cambiante que provoca variaciones en los procesos constantemente. Entre estos procesos, destacamos la falta de un procedimiento claro para la previsión de demanda, el cual es necesario para evitar problemas tan grandes como la rotura de stock o el aumento de costes de inventario, lo cual a su vez dañan la imagen de una empresa que realmente quiere crear una reputación a base de satisfacción de los clientes. Este trabajo se centra principalmente en el proceso de la previsión de demanda para uno de sus canales de venta. El objetivo de este trabajo es utilizar la programación matemática para diseñar una herramienta computacional para la previsión de demanda utilizando modelos causales. La función de esta herramienta es proporcionar una solución personalizada y fiable para la empresa en cuestión. Para conseguir esto, primero se identificarán las variables que afectan la demanda de la empresa. Luego, con el fin de adaptar la herramienta lo mejor posible a la empresa, se llevará a cabo una fase de diseño de la herramienta, la cual estará en desarrollo y transformación continua. El funcionamiento de la herramienta se validará con datos reales de la empresa, para conseguir reducir el error lo máximo posible. Esta reducción del error en las previsiones de demanda será causa de una disminución de costos relacionados con roturas de stock, exceso de inventario y planificación de envíos, mejorando así la eficiencia de la empresa y crear un ambiente controlado, minimizando el caos causado por errores o imprevistos.

[EN] Demand forecasting is crucial for many decision-making processes within a company. Therefore, very accurate forecasts are needed to ensure sound decisions. In a dynamic environment such as the dietary supplements and digital sales sector, obtaining good forecasting data is complicated due to the influence of a large number of variables. The company analyzed in this project is a relatively young company that has established itself in the dietary supplements sector with notable strength and very considerable and constant growth, focusing on product quality and the creation of brand and community. The main problem for the company is the lack of investment in planning processes, something which is very difficult due to the constantly changing environment that causes variations in the processes quite frequently. Among these processes, we may highlight the lack of a clear procedure for demand forecasting, which is necessary to avoid major problems such as stockouts or increased inventory costs which, at the same time, damage the image of a company that truly wants to build a reputation based on customer satisfaction. This work focuses mainly on the demand forecasting process for one of its sales channels. The objective of this project is to use mathematical programming to design a computational tool for demand forecasting using causal models. The function of this tool is to provide a personalized and reliable solution for the company in question. To achieve this, the variables affecting the company's demand will first be identified. Then, in order to adapt the tool as best as possible to the company, a design phase of the tool will be carried out, a phase which will be in continuous development and transformation. The functionality of the tool will be validated with real company data to achieve the maximum possible error reduction. This reduction in demand forecasting errors will lead to a decrease in costs related to stockouts, excess inventory, and shipment planning, thus improving the company's efficiency and creating a controlled environment, minimizing the chaos caused by errors or unforeseen events.