Conceptos básicos de previsión de inventario para tiendas de comercio electrónico DTC

Predecir no es adivinar el futuro. Es decidir, con un calendario y un margen medido, cuándo enviar dinero a tu proveedor — lo cual es un problema mucho más fácil.

---

El correo llega en la tercera semana de tu mejor mes de la historia: "Hola, estoy intentando pedir el de 20 oz en Sage y dice que está agotado. ¿Cuándo vuelve a estar disponible?" Lo compruebas. No es solo Sage. Tu producto estrella se ha agotado en cuatro de seis variantes, el plazo de entrega de tu proveedor es de 35 días y la orden de compra que debías haber realizado hace dos semanas sigue siendo un borrador. Mientras tanto, en un rincón del garaje, un palé del color que parecía seguro en enero no se ha movido desde marzo.

Ya has pasado por esto. La última vez, juraste que te tomarías en serio la previsión de inventario — y luego el contenido sobre previsión de inventario de comercio electrónico que encontraste hablaba de algoritmos de detección de demanda, aprendizaje automático, modelos probabilísticos. Tienes 40 SKU y una hoja de cálculo. Así que cerraste la pestaña y volviste a pedir por instinto.

Aquí está el replanteamiento en el que se basa esta publicación: la razón por la que sigues teniendo roturas de stock no tiene nada que ver con algoritmos que faltan. Es que la reposición ocurre cuando te das cuenta, en lugar de cuando un número lo indica. Solucionar eso requiere cinco entradas que ya tienes y una aritmética que puedes hacer en papel.

La mentira que hace que las tiendas sigan pidiendo por instinto

La creencia que paraliza a la mayoría de los operadores DTC: "La previsión real necesita ciencia de datos, y mi demanda es demasiado impredecible para ella de todos modos."

Ambas partes están equivocadas. La versión de ciencia de datos de la previsión existe para empresas con decenas de miles de SKU, donde una ganancia de precisión del 1% vale millones. Con 40 o 400 SKU, el modelo sofisticado y el simple producen casi las mismas órdenes de compra — porque a tu escala, los errores que te perjudican no son errores de modelado. Son errores de proceso: nadie miró la velocidad este mes, nadie anotó que el proveedor se retrasó dos semanas la última vez.

Y "demasiado impredecible" confunde el propósito de una previsión. No intentas predecir que venderás exactamente 187 unidades en marzo. Estás respondiendo a una pregunta operativa: ¿cuándo repongo, y cuánto, para no quedarme sin existencias antes de que llegue el próximo envío — sin enterrar mi efectivo en stock que no necesito? Esa pregunta tolera mucha impredecibilidad, porque el margen para la impredecibilidad es parte de las matemáticas.

Las cinco entradas que una previsión de inventario de comercio electrónico realmente necesita

Todo en una previsión de DTC funcional proviene de cinco números por SKU, todos disponibles en un informe de ventas y en sus últimos pedidos de compra.

1. Velocidad de ventas histórica, por SKU. Unidades vendidas por día, promediadas durante una ventana móvil: 30 días para los de movimiento rápido, 90 para los más lentos, de modo que una sola buena semana no distorsione el promedio. Este es el motor de la previsión y debe ser por SKU, no por producto. "El vaso se vende a 12 al día" es inútil si Sage vende 6 y Mustard vende 1.

2. Un multiplicador de estacionalidad. Divida las ventas de cada mes por su mes promedio: noviembre podría ser 1.8, febrero 0.7. Aplique el multiplicador al período en el que el inventario realmente se venderá, no al período en el que está pidiendo: un pedido de octubre para stock que llegue en noviembre recibe el número de noviembre.

3. Tiempo de entrega del proveedor, y su variabilidad. No el número de la cotización. Los días reales desde el envío del pedido hasta que el stock sea vendible, de sus últimos varios pedidos: 32, 29, 41, 35. El promedio impulsa el punto de reorden. La dispersión, ese 41, impulsa su stock de seguridad.

4. MOQ y restricciones de pedido. Las cantidades mínimas de pedido, los tamaños de los paquetes y los descuentos por precio no cambian cuándo se vuelve a pedir, pero establecen el mínimo de cuánto, lo que importa enormemente para el efectivo, como veremos.

5. Promociones planificadas. Una venta es una demanda que se programa a propósito. Si el paquete del Black Friday hizo 3 veces la velocidad normal el año pasado, ese pico se incluye en la previsión como una línea explícita y se elimina de la velocidad histórica posterior (una trampa con su propia sección a continuación).

Esa es la lista completa. La habilidad no es matemática, es mantener estos cinco números actualizados en lugar de adivinarlos cada vez.

Las matemáticas del punto de reorden, explicadas

Aquí está la aritmética, usando números redondos ficticios: su vaso más vendido en Sage.

• Velocidad histórica de 90 días: 6 unidades/día
• Tramo más reciente de 30 días: 8 unidades/día
• Tiempo de entrega del proveedor: 30 días de promedio, 40 días en el peor de los casos
• MOQ: 500 unidades

Paso uno: demanda durante el tiempo de entrega. Necesita suficiente stock para sobrevivir a la espera del próximo envío: 6 unidades/día × 30 días = 180 unidades. Ese es el punto de reorden mínimo en un mundo donde nada varía.

Paso dos: stock de seguridad. Nada de ese mundo es real, así que agrega un colchón. Una fórmula simple y defendible: demanda en el peor de los casos durante el tiempo de entrega en el peor de los casos, menos el caso promedio.

(8 unidades/día × 40 días) − (6 unidades/día × 30 días) = 320 − 180 = 140 unidades de stock de seguridad

Paso tres: el punto de reorden. 180 + 140 = 320 unidades. Cuando el recuento de Sage en mano más en pedido cae a 320, envía el pedido. No cuando se sienta bajo, sino a 320.

Dos cosas sobre el stock de seguridad, el número más incomprendido en el cálculo. Primero, sé preciso sobre lo que cubre: las dos formas en que la media te engaña: la demanda es más alta de lo esperado y el proveedor es más lento de lo esperado. No es un relleno vago de "por si acaso"; se dimensiona según la dispersión de la demanda de tu SKU y el historial de tu proveedor, por eso la entrada n.º 3 pedía el historial y no la cotización.

Segundo, el stock de seguridad es un dial, no un mandamiento. La fórmula es conservadora: asume que la mala demanda y el mal plazo de entrega ocurren simultáneamente. Para un artículo de baja rotación, o cuando el efectivo es escaso, puedes reducir su tamaño y aceptar un mayor riesgo de rotura de stock. El punto es que se convierte en una decisión tomada con números, no en un accidente descubierto en un correo electrónico de un cliente.

Paso cuatro: cuánto pedir. El punto de reorden indica cuándo; la cantidad a pedir es una decisión separada. Una regla inicial clara: pide tu ventana de cobertura objetivo —digamos, 60-90 días de velocidad esperada, ajustada por estacionalidad— luego redondea al MOQ o al siguiente paquete de cajas. Para Sage, de cara a una temporada 1.5×: 6 × 1.5 × 60 días = 540 unidades, lo que de todos modos supera el MOQ de 500. Para un artículo de baja rotación que vende 1 unidad al día, ese mismo MOQ son 500 días de stock: el momento de negociar el MOQ, consolidar variantes o cuestionar la existencia del SKU.

[IMAGEN: Diagrama simple del punto de reorden: una línea de stock descendente que cruza el umbral de reorden de 320 unidades, se realiza una orden de compra, el stock llega justo cuando la línea se acerca a la banda de seguridad de 140 unidades]

Dónde falla predeciblemente la previsión de inventario de comercio electrónico

Las matemáticas son la parte fácil. Estos tres modos de fallo son donde las tiendas reales sufren.

La asimetría: las roturas de stock y el exceso de stock no cuestan lo mismo

El coste visible de una rotura de stock son las ventas perdidas durante el lapso. El coste oculto es peor: campañas publicitarias que pausas (y vuelves a aprender con un CPA más alto cuando se reinician), suscriptores que se dan de baja porque su pedido recurrente no estaba allí, compradores primerizos que llegaron la semana en que no tenías nada que vender, y rankings orgánicos que caen mientras el listado está inactivo. Para un producto perenne y reabastecible —el tipo sobre el que se construyen las marcas DTC— una rotura de stock de tres semanas puede suprimir la velocidad durante meses después de la reposición.

El coste del exceso de stock es el coste de mantenimiento: efectivo inmovilizado, almacenamiento, la eventual rebaja. Doloroso, pero gradual y generalmente recuperable, si el producto no caduca, no tiene fecha o no pasa de moda.

Por lo tanto, el sesgo correcto depende del tipo de producto. Para los SKUs centrales perennes, inclínate hacia el exceso de stock —stock de seguridad generoso, pedidos anticipados— porque la rotura de stock es la cola cara. Para los SKUs de temporada, de moda o perecederos, invierte: el stock no vendido no solo inmoviliza efectivo, sino que se evapora en rebajas, por lo que los pedidos ajustados superan los colchones. Aplicar un sesgo en ambos tipos de producto es la forma en que las tiendas terminan sin el ganador y enterradas en el perdedor simultáneamente: el escenario del garaje del principio de esta publicación.

El problema del arranque en frío de los nuevos SKU

Una SKU nueva no tiene demanda histórica, por lo que el motor de la previsión está vacío. No lo falsifiques con una precisión engañosa. Toma prestada la curva de lanzamiento de la SKU más similar que hayas lanzado anteriormente, escálala según tu expectativa honesta y —esta es la parte procesable— define el primer pedido de compra (PO) para equivocarte de forma barata. Un primer pedido más pequeño con un disparador de reposición rápido es mejor que un contenedor de confianza. Aún no estás pronosticando; estás comprando datos. Realizar el segundo pedido de compra basándose en cuatro a seis semanas de ventas reales es el plan, no una falta de valor.

La trampa de la distorsión promocional

Realizas una venta de dos semanas. Funciona: 3 veces la demanda. Seis semanas después, tu promedio móvil sigue inflado por esas dos semanas, tus puntos de reposición están todos demasiado altos y estás a punto de pedir en exceso en todo el catálogo basándote en una demanda que fabricaste con un descuento.

La solución es mecánica: etiqueta los períodos promocionales en tus datos de ventas y calcula la demanda base excluyendo esas ventanas. Las promociones entran en la previsión como dice la entrada n.º 5: como demanda explícita y planificada, nunca silenciosamente a través del promedio móvil. La trampa funciona a la inversa también: un período de falta de stock arrastra tu promedio hacia abajo, diciéndote que pidas menos de exactamente la SKU que acaba de demostrar que la subestimaste. Excluye también esas ventanas; cero ventas de un estante vacío no son datos de demanda.

Primero la hoja de cálculo — y cuándo la hoja de cálculo deja de funcionar

Todo lo anterior funciona en una hoja de cálculo: una fila por SKU, columnas para las cinco entradas, fórmulas para el punto de reposición y la cantidad de pedido, y una revisión semanal de 30 minutos donde actualizas las demandas y compruebas qué ha cruzado su umbral. Para una tienda de un solo canal con hasta unos cientos de SKUs y productos terminados, la hoja de cálculo es genuinamente la herramienta adecuada, no la solución de compromiso presupuestario. Entenderás cada número en ella, lo cual es más de lo que la mayoría de las implementaciones de software logran.

La hoja de cálculo deja de ser honesta ante síntomas reconocibles: un segundo canal de ventas, paquetes y kits que no puede decrementar, múltiples almacenes o un 3PL, o un recuento de SKUs donde la revisión semanal deja de ocurrir realmente; una previsión desactualizada es simplemente intuición con formato. En ese momento, deseas una lógica de reposición que lea los datos de ventas en vivo, dentro de la clase de aplicación de reposición y superior. Hemos mapeado ese panorama, por forma operativa en lugar de por clasificación, en nuestra guía honesta del mejor software de gestión de inventario para Shopify y WooCommerce.

Una previsión es un calendario de compras — lo que la convierte en un calendario de efectivo

Un reencuadre más, porque conecta esto con el resto de tu negocio: cada punto de reposición que estableces es un pago futuro con una fecha aproximada. Que Sage supere las 320 unidades a mediados de agosto es un pago al proveedor a mediados de agosto. Una previsión terminada, leída en el calendario, es un cronograma de las salidas de efectivo recurrentes más grandes de tu tienda.

Eso importa porque las tiendas con mucho inventario rara vez mueren por falta de rentabilidad; mueren por un gran pedido que llega en una semana floja. Introducir las fechas de los pedidos de tu previsión en una previsión de flujo de caja a 13 semanas convierte un "deberíamos reordenar" en "podemos pagar la reordenación el jueves que vence". Y las matemáticas de los pedidos solo son tan buenas como la economía de tus unidades: si el coste por unidad puesto en destino es impreciso, tus decisiones sobre la cantidad de pedido también lo son; nuestra guía sobre el coste de los bienes vendidos para vendedores de Shopify te ayuda a fijar ese número.

Empieza con diez SKU

No construyas el modelo de 400 filas esta semana. Coge tus diez SKUs de mayor rotación —la mayor parte de tus ingresos, todo tu riesgo de rotura de stock— y aplica el método solo a ellos: extrae la rotación pasada, anota los plazos de entrega reales de tus últimos pedidos, calcula un punto de reordenación y programa la revisión semanal de 30 minutos. El correo electrónico sobre el vaso de la parte superior de esta publicación no se evita con mejores instintos. Se evita con un número — 320 — y el hábito de comprobarlo.

Diez SKUs, cinco entradas, una fórmula. Eso es la previsión de inventario a escala DTC; y una vez que las unidades están programadas, el lado monetario de la misma disciplina (COGS, plazos de pago, libros que coinciden con el estante) se cubre en nuestra guía completa de contabilidad de comercio electrónico.