Fabricante mexicano de CPG (salsas, anonimizado)
Pronóstico Jerárquico de Demanda para un Fabricante Mexicano de CPG
Pronóstico de demanda a nivel ruta en ~16 rutas de distribución — modelos campeones seleccionados contra el historial real de cada ruta, entregados como apps bilingües que el equipo opera solo.
- meses de horizonte de pronóstico, con intervalos de confianza del 95% por cliente
- 1–12
- meses de horizonte de pronóstico, con intervalos de confianza del 95% por cliente
- filas de datos POS de retailers (Walmart Retail Link + sell-out de HEB) convertidas en análisis de canasta
- 2M+
- filas de datos POS de retailers (Walmart Retail Link + sell-out de HEB) convertidas en análisis de canasta
El punto de partida
Un fabricante mexicano de CPG en la categoría de salsas vende a través de ~16 territorios de distribución por ruta, además de grandes retailers. La planeación corría sobre historial agregado e intuición: sin vista hacia adelante a nivel ruta, SKU o cliente, y los datos de sell-out de sus socios comerciales — Walmart Retail Link, HEB — estaban sin explotar.
El método
Construimos pronósticos jerárquicos de series de tiempo sobre el historial interno de ventas por ruta — región → estado → ciudad → ruta → marca → SKU → cliente — con un ciclo automatizado de selección de campeón por ruta: ETS, variantes de ARIMA, naïve estacional y ensambles compitieron sobre meses de validación, y el modelo con menor error ganó producción. (Prophet se probó y se descartó — los modelos clásicos lo superaron en error.) La reconciliación jerárquica mantuvo los pronósticos por ruta sumando a los totales con los que planea la dirección. Un workstream aparte explotó los datos POS de Walmart Retail Link a intervalos de 10 minutos (~2M de filas) y el sell-out diario de HEB para análisis de canasta.
El resultado
El equipo ahora planea contra un pronóstico que declara su propio error en vez de un número de intuición. Entregables, todos bilingües (ES/EN): una app de pronóstico funcionando — eliges ruta y cliente, obtienes un pronóstico de 1 a 12 meses con intervalos de confianza del 95% — un dashboard de desempeño de modelos, reportes en español para clientes que se actualizan solos, libros de pronóstico multi-hoja, recomendaciones operativas (inventario de seguridad cercano al 20% de la demanda media, foco en los clientes principales, optimización de rutas) y presentaciones de análisis de canasta a partir de los datos de los retailers.