Dos fracasos con la misma raíz: el producto estrella que se agotó en la segunda semana y el palé de otra cosa que sigue en el almacén en marzo. Los dos son problemas de previsión, y los dos se posponen porque prever suena a que hace falta un analista de datos — un puesto que la mayoría de tiendas no va a contratar nunca.
No hace falta para llevarte casi todo el valor. Hace falta histórico suficiente para ver un patrón, un método que entiendas de verdad y una regla para saber cuándo reponer. Esto es cómo se hace, qué partes merece la pena automatizar y en qué punto un software de planificación de la demanda empieza a justificar su cuota.
Una previsión es una tabla: qué vendiste, qué viene y cuándo te quedas sin existencias.
Empecemos por el forecast significado, porque es lo que más se busca y donde más ruido hay. Que es un forecast: una estimación de cuántas unidades venderás en un periodo futuro, para comprar la cantidad correcta en el momento correcto. Esa es toda la definición. No es adivinar el futuro en ningún sentido grandioso: es una estimación con un margen de error, y el margen de error es la parte útil.
La mayoría de artículos sobre como hacer una prevision de ventas listan una docena de métodos ordenados por sofisticación, que es justo como un comerciante acaba sin aplicar ninguno. Hay tres que puedes ejecutar con una hoja de cálculo y tu histórico de pedidos, de menos a más esfuerzo. Elige el más simple que ya sea mejor que adivinar.
Respuesta concreta para un producto: coge las unidades semanales de las últimas ocho semanas, dobla el peso de las dos últimas y eso es la semana que viene. Multiplícalo por las semanas de plazo de tu proveedor, súmale un colchón de una o dos semanas para lo que no puedas reponer rápido, y compáralo con el stock que tienes. Ese número —no la previsión— es lo que se actúa. Hazlo con tus diez productos top y habrás cubierto la mayor parte del dinero.
Empezar a mano tiene un motivo: te enseña tu propio error. Al mes sabrás qué productos son previsibles y cuáles no, y ese conocimiento es lo que hace útil cualquier herramienta después, en vez de solo aparente.
Las previsiones se leen una vez; las alertas se accionan. El objetivo práctico de un forecast de ventas es anticipar la rotura de stock con margen suficiente para que la reposición llegue a tiempo, lo que significa que el aviso debe saltar cuando «stock actual ÷ venta semanal prevista < plazo de entrega», no el día en que el estante se queda vacío.
No «te has quedado sin stock», sino «te quedarás en once días, y tu proveedor tarda catorce».
Dos cosas hacen fiable ese aviso. Tiene que conocer el plazo de cada proveedor, no un valor global. Y tiene que callarse en los productos donde quedarte sin stock no te cuesta nada: una referencia de cola larga que vende dos veces al mes no merece la misma interrupción que tu producto estrella.
La previsión con IA se vende como un salto y se entiende mejor como un ahorro de esfuerzo. Un modelo puede pesar a la vez estacionalidad, tendencia y promociones en todo tu catálogo, sin que nadie mantenga una hoja por producto. Eso vale dinero, y es una afirmación distinta de «más preciso»: en un producto estable con dos años de histórico limpio, a una media ponderada se le gana con dificultad.
El rango es la parte honesta: una banda ancha significa «pide con cautela», no «la herramienta está rota».
Pasar de la hoja de cálculo al software de planificación de la demanda no va de precisión. Va de cuántas decisiones tomas por semana y de si alguien se acuerda de tomarlas. Cuatro señales de que ya has cruzado la línea:
Si no se cumple ninguna, quédate con la hoja de cálculo. Comprar una plataforma para gestionar doce productos es la forma de acabar pagando cada mes por un panel que visitas cada trimestre. La herramienta compensa cuando te quita una decisión recurrente de la cabeza, no cuando dibuja un gráfico más bonito.
Esa es la línea sobre la que está construido el agente Previsión de demanda de AllHub: prevé con el histórico de ventas que tu tienda ya tiene, enseña el rango de confianza en lugar de un número seguro de sí mismo, y te dice cuándo reponer antes de que el estante esté vacío.
Prever no es un proyecto de ciencia de datos para el que no estás cualificado. Es un hábito semanal con tres entradas: qué vendiste, cuánto tarda tu proveedor y cuánto te cuesta quedarte sin stock. Hazlo a mano un mes con tus diez productos top y sabrás exactamente qué partes quieres automatizar y, más útil todavía, qué números estás dispuesto a creerte.
No necesitas un data scientist para dejar de quedarte sin tu producto estrella. Necesitas saber tu punto de reposición y que alguien te avise antes de cruzarlo — que es todo lo que hace por ti el agente Previsión de demanda.
Escrito por AllHub Team · AI Agents for Ecommerce
We build the AI agent team that sells, supports and grows ecommerce stores — EU-hosted, GDPR-first.
Tres formas de saber a cuánto vende tu competencia: montarlo, alquilarlo o delegarlo en un agente. Fallan de maneras distintas, y solo una deja de costarte atención cada día.
A primera vista es fácil pensar: otro popup de chat que no me va a entender. Pero la tecnología ha dado un salto definitivo — de responder preguntas a vender de verdad.
