¿Logística para Abastecer o Prever? El concepto que busco promover es la idea de "prever" más que abastecer, lo cual es totalmente contrario. Abastecer busca generar “buffers” de stock con la idea de atender posibles contingencias de ventas por volumen. "Prever" tiene como objetivo identificar patrones de compra de cada uno de los distribuidores y anticiparnos a sus requerimientos según el comportamiento coyuntural del mercado.

1. B R E N C O B U S I N E S S C O N S U L T I N G G R O U P
N-201319
REV. 1-mar-15 01:11
“Desafíos de la incursión a provincias en el sector de T.I. de Perú”. Lic. Ronny Ramírez Tafur. MBA. Antes de reproducir
parcial o totalmente este documento, sírvase contactar con el autor. Las reproducciones son gratuitas si se informan de
antemano al siguiente email: ronnytafur@hotmail.com. Última revisión: 01 de marzo de 2015 01:11:37. ©Brenco Business
Consulting Group - Perú. * NO ESTA PERMITIDO EL USO Y/O DISTRIBUCIÓN SIN AUTORIZACION*
Ronny Ramírez Tafur
Desafíos de la Incursión a Provincias
en el Sector de T.I. de Perú

2. Lic. Luis Ronny Ramirez Tafur. MBA.
Página | 15
¿LogísticaparaAbasteceroPrever?
La consideración como centro de costos o de utilidades no es la única limitante al
momento de establecer sucursales en el interior del país. Lo es también la gestión de stocks.
He dedicado parte de mi investigación al trabajo de stocks. La razón de ello es que en el
rubro de tecnología los costos de mantener mercadería, incluido el transporte, almacenamiento,
seguros y otros, son considerables. En conjunto podrían representar más del 5% de las ventas
(para algunos representan hasta 8%), pero adicionalmente existen otros costos entre 2% a 3%
generados por la obsolescencia de productos y a las malas prácticas de gestión.
En 2010 hice un primer estudio sobre los costos por niveles de obsolescencia en productos
informáticos. Encontré que éstos se devaluaban a razón de 2% promedio mensual, y esta pérdida
de valor se generaba principalmente por la entrada de nuevos modelos en el mercado (véase al
final de esta sección: Tabla 2.- Variación Mensual de Precios de Notebooks y Procesadores).
Así mismo, las malas prácticas de gestión logística eran casi comunes, siendo notables los
gastos por fletes innecesarios. La mercadería viajaba de Lima a provincias, se mantenía en stock
por 45 días y luego se regresaba a Lima. En casos extremos, los productos más solicitados se
enviaban a las sucursales y el mismo día del arribo se retornaban nuevamente a Lima para
atender a otros clientes. De esta manera se incurría en gastos por fletes de hasta 10% adicionales
de manera innecesaria.
El resultado era una operación logística de abastecer con niveles de servicio incluso
inferiores al 20%, pero que luego de aplicar el modelo de reposición basado en la previsión de
inventarios se incrementó considerablemente, e incluso superó el 70%. Esto significó un cambio
dramático en eficiencia generando una reducción de costos logísticos en igual o mayor
proporción y de manera automática una mejora en la utilidad (véase Gráfico 4.- Mejora del Nivel
de Servicio Local al utilizar el modelo de Reposición).
Gráfico 4.- Mejora del Nivel de Servicio Local al utilizar el modelo de Reposición

3. Desafíos de la Incursión a Provincias en el Sector de T.I. de Perú
Página | 16
El origen de este problema se debía al despacho de productos basado de manera
subjetiva, donde el criterio del Product Manager en la sede central se anteponía al criterio del
vendedor en el punto de venta. Ambos con intereses opuestos. Mientras que el Product Manager
decidía los despachos en función a su stock de inmovilizados, el vendedor, por su parte, lo hacía
en función a los productos más fáciles de vender. De esta manera, ninguno de ellos priorizaba los
productos que la empresa debía promover y se incurría en envíos innecesarios entre sucursales.
En cierto modo, esta contraposición de intereses no es del todo mala. Pero quizás los
supuestos que se utilizan para determinar los despachos no sean los correctos. Estos se basan
únicamente en aspectos cualitativos.
El concepto que busco promover detrás de todo esto es la idea de prever más que
abastecer, lo cual es totalmente contrario.
Bajo mi óptica, el concepto de abastecer busca generar “buffers” de stock con la idea de
atender posibles contingencias de requerimientos y sobre todo ejecutar actividades de ventas por
volumen, lo cual, si no son correctamente manejadas, afectarían los resultados globales, pues
traen consigo costos ocultos que merman considerablemente las utilidades obtenidas.
La tendencia de generar buffers de stock se encuentra en la forma de calcular cuotas de
ventas. Por lo general, cuando se establecen, miramos la venta solo como un único monto total.
Hasta ahora, no he visto una cuota en la cual se considere la expectativa de futuro del cliente y la
proyección de venta por cada línea de producto, de “manera individual” por distribuidor, como
lo explicamos anteriormente al hablar de las estrategias múltiples.
El concepto que propongo, de prever en lugar de abastecer, tiene como objetivo
identificar los patrones de compra de cada uno de los distribuidores y cruzarlos con el
comportamiento coyuntural del mercado. De esta manera, al proyectar las ventas individuales
de cada uno de ellos generamos una proyección total mucho más precisa y adecuada a la realidad
local.
Pero ¿Cómo proyectar la venta individual de más de 5,000 distribuidores y para más de
5,000 códigos de productos diferentes a la vez?. Quizás hace treinta años esta tarea podría parecer
imposible, pero hoy en día aplicando técnicas de datamining ya no es un problema.
Al respecto, una herramienta sencilla que utilicé para el diseño de mi Modelo Predictivo
de Reposición se basaba en encontrar una correlación de unidades ante una expectativa de
crecimiento esperado por producto. En su versión más sencilla, lo que hacía era proyectar
primero una tendencia para un periodo futuro. Luego, determinaba un nivel de riesgo, expresado
como el coeficiente de variación de la serie, y en función a ello calculaba la cantidad a despachar
considerando como cantidad máxima el equivalente de una desviación estándar sobre el punto
normal proyectado, de esta manera se apostaba siempre hacia una cantidad de mejora constante.
El valor obtenido se ajustaba en función a los tiempos de reposición, a los inventarios
locales a la fecha de arribo y a la política de nivel de servicio. Esta última se entendía como el
grado de quiebre de stock permitido, es decir, la probabilidad de que un cliente encuentre o no
un producto al momento de su compra.
Bajo estas premisas los productos se segmentan en dos grupos, los de mayor y menor
variación, es decir, entre los que se venden más y los que no. Y sobre ellos se establecen políticas

4. Lic. Luis Ronny Ramirez Tafur. MBA.
Página | 17
de despacho. En los más estables y de alto margen, se consideraba despacharlos rápidamente
(estos productos se denominaban infaltables). Por el contrario, aquellos que experimentaban
mucha variación y aportaban menor margen, probablemente no se consideraba despacharlos (se
les denominaba de alto riesgo).
Lo interesante del cálculo es que puedes elegir entre políticas de despacho para periodos
semanales o incluso con más detalle, para períodos diarios.
Una adaptación de esta metodología podemos apreciarla en el siguiente gráfico (ver
Gráfico 5.- Modelo de Análisis de Variabilidad y Facturación). Se hizo el cálculo para revisar la
composición de tipos de productos para un almacén de una sucursal de provincias con más de
2,000 SKUs. Bajo tales circunstancias era obvio que la mayor concentración de mercadería estaba
en el cuadrante de “alto riesgo”, es decir, se trataba de productos que se vendían eventualmente
y aportaban con muy poca facturación.
Gráfico 5.- Modelo de Análisis de Variabilidad y Facturación
Existen diferentes aplicaciones y metodologías de operaciones logísticas que aplican estos
conceptos, pero en este caso buscamos utilizar cálculos sencillos y prácticos que se podrían llevar
a cabo incluso en una hoja Excel.
Veamos un ejemplo del Modelo de Reposición: Consideremos un producto, una
notebook, que en las últimas 4 semanas ha tenido los siguientes niveles de ventas en unidades:
Tabla 1.- Datos para el modelo predictivo de reposición
Mediante un cálculo de tendencia podemos proyectar la cantidad a despachar para la
semana 0, lo que da como resultado un valor de 5 unidades. De manera gráfica, si proyectáramos
ese punto veríamos que el valor 5 traza una línea que muestra una caída considerable en ventas.

5. Desafíos de la Incursión a Provincias en el Sector de T.I. de Perú
Página | 18
Luego, utilizamos el coeficiente de correlación para saber qué tan variable es este producto. Como
el resultado es mayor que 1, puedo asumir que este producto es muy variable. Lo cual es cierto,
pues en las dos primeras semanas se vendieron 60 y luego 112, para terminar con 30 y 20 en las
últimas dos.
Gráfico 6.- Modelo predictivo de reposición
Dado que mi cálculo de correlación de factores me indica que ese producto todavía tiene
una posibilidad mayor de venta en la siguiente semana, entonces apuesto por ese ítem pero
midiendo mi riesgo. En este caso, como es un producto muy variable, apuesto a la mitad de una
desviación estándar, lo que me da como resultado que la proyección sea de 26 unidades, y ya no
de 5 como era la proyección normal. En otras palabras, lo que hice fue corregir la proyección
considerando otros factores y considerando también mi nivel de aversión al riesgo.
Si aplicamos este cálculo de manera sistematizada a toda nuestra cartera de productos y
clientes, ajustando la cantidad final con los valores de la correlación de factores cualitativos,
entonces es posible llegar a una proyección global con bases más estables que solo las cualitativas.
Esta metodología es útil y funciona en la medida que sea aplicada como política de
despacho. A menos que no pase lo que yo llamo “la prueba del mouse”. ¿Cuál es esta prueba? Para
la mayoría de productos, el cálculo funciona bien, pero para productos pequeños y de muy bajo
valor como los mouses, que tienen alta rotación en volúmenes altos, pero también en volúmenes
muy bajos, es posible que el cálculo de la cantidad a despachar termine casi siempre por debajo
de la demanda real y esto podría poner en duda la proyección total.
Sucedió en una oportunidad. Alguien observó que un día no se pudo vender mouses por
falta de stock en el volumen solicitado por un distribuidor. Eso detonó una alerta, la que terminó
por invalidar el modelo y lo desterró de toda posibilidad de uso en la empresa, aun cuando su
mayor aplicación y mejores resultados se apreciaban en los productos de mejores márgenes.
Cabe señalar que la prueba del mouse es solo una anécdota, el problema de la previsión no
está en si considera o no a los productos pequeños, de bajo precio y que varían mucho. Esto se
puede solucionar rápidamente mediante una sencilla declaración de política de abastecimiento.
El problema de fondo estaba, otra vez, en la cultura de la organización. Antes de la
aplicación del sistema los cálculos se hacían a mano y a puro sentido subjetivo, a título personal
y únicamente considerando los productos más vendidos. Tras la implementación de un modelo
de predicción automatizado se rompen estos paradigmas que a las personas a cargo les toma
tiempo asimilarlo.

6. Lic. Luis Ronny Ramirez Tafur. MBA.
Página | 19
Pero la predicción de la reposición es solo una parte del problema. La otra parte es el
transporte.
Las distancias geográficas de las ciudades de provincias hacen que los costos de
transportes sean diversos y sobre todo sumamente caros. Y ni que decir de los despachos por vía
aérea.
La práctica común han sido los despachos con entrega al día siguiente. El gran reto de las
organizaciones está en reducir estos tiempos de entrega sin que ello signifique hacerse de mayor
stock en sus almacenes locales. Por esta razón, apostar más por prever que abastecer, es un
aspecto clave que cobrará importancia en el futuro de la distribución en provincias.
La otra posibilidad de atender a provincias es mediante la presencia virtual. De hecho ya
se hacía en los primeros años de la historia de la distribución a provincias. Pero en la actualidad
debido a la dinámica competitiva del sector y los cambios tan frecuentes de la tecnología, es un
aspecto que se debe considerar con sumo cuidado. Aun así, considero que quien tenga presencia
física en el mercado es quien llevará la delantera.
En este aspecto, más allá de los call centers y de los promotores de ventas en campo, se
hace necesario tomar en cuenta otros factores. El principal, que bajo mi óptica considero, son los
tiempos de atención de los despachos. Las diferentes dinámicas de asignación de carteras y la
guerra de precios existente, hace que muchas veces estos tiempos sean considerablemente largos.
Otro factor es la organización eficiente del equipo de ventas en modo remoto. Aún no
existe un consenso entre tratar a este equipo como vendedores o como gestores de ventas a
distancia. Aclarar este aspecto, definiría por completo el rol que desempeña el call center y
permitiría pasar de vender por despacho a ser gestores de ventas a distancia. Pero jamás se debe
privilegiar la existencia de uno sobre otro. Se necesita por tanto, una mayor coordinación y
verdadero trabajo en equipo.
Entre los conceptos de abastecer y prever, surgen grandes desafíos para la incursión de
negocios en provincias. Las posibilidades de atención sea cual fuera son viables, pero necesitan
cada una de ellas considerar aspectos clave para el éxito. En el caso de la modalidad de atención
por sucursales, el desafío está en adoptar el modelo de centro de utilidades, aplicando además
técnicas adecuadas para prever los niveles de inventario, así como también la búsqueda de una
opción de entrega que no supere el día siguiente. Por el lado de la atención remota, el desafío está
en consolidar un verdadero equipo de trabajo tanto a nivel de campo, como a nivel de soporte en
el call center. Pasando de la venta por despacho a una verdadera gestión integral de ventas en
provincias. En todas ellas, la participación del recurso humano es clave.

7. Desafíos de la Incursión a Provincias en el Sector de T.I. de Perú
Página | 20
Estudio de Variación de Precios de Productos Informáticos
Tabla 2.- Variación Mensual de Precios de Notebooks y Procesadores. Elaboración Propia.

8. Lic. Luis Ronny Ramirez Tafur. MBA.
Página | 21

9. Desafíos de la Incursión a Provincias en el Sector de T.I. de Perú
Página | 22
[Continúa…]