Incluso durante una pandemia, los gerentes de la cadena de suministro de Walmart deben asegurarse de que las tiendas y almacenes estén abastecidos con lo que los clientes desean y necesitan. Sin embargo, COVID-19 ha descartado el programa digital que los ayuda a predecir cuántos pañales y mangueras de jardín necesitan para guardar en los estantes.
Normalmente, el sistema puede analizar de manera confiable cosas como niveles de inventario, tendencias históricas de compra y descuentos para recomendar qué cantidad de un producto pedir. Durante la interrupción mundial causada por la pandemia COVID-19, las recomendaciones del programa cambian con mayor frecuencia. "Se ha vuelto más dinámico, y la frecuencia que estamos viendo ha aumentado", dijo a The Verge un gerente de la cadena de suministro de Walmart, que pidió no ser identificado porque no tenía permiso para hablar con los medios.
La mayoría de las empresas minoristas confían en algún tipo de modelo o algoritmo para ayudar a predecir lo que sus clientes querrán, ya sea una simple hoja de cálculo de Excel o un programa refinado creado por ingenieros. Normalmente, esos modelos son bastante confiables y funcionan bien. Pero al igual que todo lo demás, se ven afectados por la pandemia.
"Cuando tienes algo como COVID-19, es un valor atípico", dice Joel Beal, cofundador de la empresa de análisis de bienes de consumo Alloy. "Ningún modelo puede predecir eso".
Los investigadores comprenden cómo las perturbaciones del sistema, como los desastres naturales, pueden alterar las cadenas de suministro y cómo impacta las predicciones de la demanda. Sin embargo, los desastres como los huracanes o las inundaciones suelen ser regionales. La pandemia está impactando al mundo entero. Incluso si las empresas pusieran a prueba sus modelos de predicción de demanda contra enfermedades como el H1N1 y el SARS, no habrían explicado algo de este tamaño. "Esta pandemia de coronavirus está completamente en otro nivel", dice Anna Nagurney, experta en modelos de cadena de suministro y profesora de operaciones y gestión de la información en la Universidad de Massachusetts en Amherst.
Los modelos de pronóstico generalmente usan datos pasados ​​para predecir tendencias futuras. Si una compañía vendió muchas cortadoras de césped en abril, podrían usar esa información para decirle a la compañía que mantenga más cortadoras de césped en stock en abril del año siguiente. Por lo general, los modelos también pueden suponer que las cortadoras de césped se pueden producir y transportar en un horario determinado.
Los cambios radicales en el comportamiento, el transporte y la producción de las personas durante esta pandemia significan que el flujo y reflujo generalmente predecible se voltea. "Ahora vamos a tener muchos valores atípicos en términos de datos", dice Nagurney. "Todo ha cambiado".
Debido a las interrupciones masivas en todo el mundo, los datos normales que alimentan los modelos, que incluyen patrones de compra a lo largo de los años, no son tan relevantes.
"Probablemente no va a utilizar tantos datos históricos o no va a pesar tanto como esperaba", dice Beal. En cambio, es probable que las empresas utilicen datos mucho más recientes: mirando la semana pasada para predecir la próxima semana, por ejemplo, o simplemente confiando en los pocos meses de información sobre lo que se compró desde que la pandemia despegó en todo el mundo.
Los modelos aún se pueden usar. "Son los datos que ingresas los que deben cambiarse", dice Nagurney. Las compañías como Walmart y Amazon que usan modelos de aprendizaje automático más complicados también probablemente aumentarán la cantidad de incertidumbre incorporada en sus sistemas, dice ella.
Esos ajustes permiten a las compañías continuar pronosticando. Sin embargo, las predicciones que hacen ahora no serán tan precisas como las que pudieron hacer hace unos meses. "No nos van a dar la precisión que hemos visto antes", dice David Simchi-Levi, profesor de ingeniería civil y ambiental en el Instituto de Tecnología de Massachusetts.
En cambio, las personas que administran las cadenas de suministro tendrán que interpretar más activamente las proyecciones, dice Beal. "Las empresas tienen que confiar más en buenos planificadores de demanda y en pronosticar a las personas, que dirán," ¿creo esto? "En lugar de creer que estos modelos podrán capturar todo lo que está sucediendo".
Alloy, por ejemplo, trabaja con una compañía que vio aumentar las ventas de su producto en un 40 por ciento en un minorista importante en marzo. (Beal no pudo revelar los nombres de la compañía o el minorista). El minorista hizo un pedido enorme para abril a la luz de ese aumento en las ventas, pero la compañía sabía que la demanda del producto ya había caído, y el minorista no lo haría. No podrá vender todo lo que habían pedido. "Eso es lo que estamos viendo una y otra vez", dice Beal. "Muchos de estos sistemas no se han puesto al día". En este caso, la compañía le dijo al minorista que no comprara gran parte de su producto, y pudieron ajustar.
Algunas compañías están cambiando sus sistemas para dar cuenta de la pandemia, dice Simchi-Levi. Está trabajando con una compañía que está tratando de combinar modelos que predicen la duración y la gravedad de los brotes de COVID-19 en varios países con sus modelos habituales de aprendizaje automático de la cadena de suministro.
Los modelos de la cadena de suministro también tendrán que cambiar para tener en cuenta la pandemia incluso después de que pase. "Este es un período en el que probablemente no quiera usar lo que estoy prediciendo, lo que sucederá el próximo año", dice Beal. Además, las personas podrían seguir comprando cosas como papel higiénico y frijoles a tasas diferentes a las que compraron antes de la pandemia, por lo que algunos cambios podrían durar más que la crisis, dice. "Tendremos que entender el nuevo estado estacionario".
Las interrupciones en los sistemas de modelado durante esta pandemia muestran algunas de las limitaciones para confiar en las computadoras para predecir la demanda de productos. "La mayoría de las empresas luchan con él y es un desafío continuo, incluso en" tiempos normales "", dice Beal. La pandemia podría empujar a las empresas a invertir menos recursos en el pronóstico de la demanda y a centrarse más en responder a lo que ven frente a ellos. "Es un cambio de pensar que puedes predecir cómo será el mundo en los próximos meses", dice.