En el mundo de la administración de inventarios, la conversación suele centrarse en la logística visible: los estantes del almacén, los montacargas, el conteo de cajas y la rapidez de los despachos. Hablamos de la demanda, de los plazos de entrega y del balance entre no tener demasiado stock ni quedarse sin él. Estos elementos son cruciales, sin duda, pero representan solo la superficie.
La eficiencia, la rentabilidad sostenible y la capacidad de reacción ante un mercado cambiante no se logran solo con un buen modelo de reposición. El verdadero desafío está oculto, en el fundamento mismo sobre el que se construyen todas las decisiones: los datos. La calidad, la organización y la consistencia de la información de un inventario son el motor que impulsa cada movimiento y decisión, desde la planeación de la compra hasta la optimización de los precios de venta.
Para construir un sistema de inventario a prueba de errores, es indispensable comenzar por la base. Por eso, en esta serie de artículos, exploraremos los conceptos que a menudo se dan por sentados, pero que definen el éxito o el fracaso de una operación.
Arrancamos con el primer y más crítico de estos cimientos: la gobernanza de datos (data governance). Antes de poder hacer un análisis de rentabilidad o tomar decisiones, necesitamos asegurar que la información que usamos sea una «única versión de la verdad», confiable y coherente.
Data Governance
Se trata del conjunto de políticas, procedimientos y estándares que aseguran que los datos del inventario sean de alta calidad, consistentes y confiables. En la teoría sencillo y obvio pero en la práctica a veces no tanto.
La taxonomía y la semántica son los pilares fundamentales de esta gobernanza:
-
Taxonomía (Clasificación en familias y categorías): Define las reglas para organizar y agrupar los productos. Es la estructura jerárquica que asegura que todos los artículos se clasifiquen de la misma manera, sin importar quién los ingrese. Sin esta guía, el mismo artículo puede ser clasificado en grupos diferentes. Por ejemplo, si un producto es un «Televisor OLED 65 pulgadas», la taxonomía garantiza que siempre se catalogue bajo «Electrónicos» > «Televisores» > «OLED».
-
Semántica (Significado): Se encarga de que los datos tengan un significado claro y universal en toda la cadena de suministro, hasta el cliente incluso. Esto incluye estandarizar los atributos y las relaciones entre productos. Por ejemplo, la semántica establece que el «tamaño» de un televisor siempre se mida en pulgadas y que el «color» se escriba de una manera predefinida (ej. «Negro» en lugar de «negro» o «neg»). Este enfoque evita que un mismo atributo tenga múltiples nombres o formatos, lo que hace que los datos sean coherentes y útiles para el análisis.
Síntomas, causas y efectos
La gobernanza de datos, es un tema que muchas veces no es formal y en el mejor de los casos alguna vez se hizo cuando se migró al nuevo ERP, pero es frecuente ver que no es un ejercicio que se haga de forma estructurada, sistémica y regular. Con el tiempo empiezan a aparecer signos de alarma y problemas en la cadena de suministro.
Después de un tira y afloje, pues todos asumen hablan del mismo SKU, se dan cuenta en el ERP que están hablando del mismo artículo pero este está codificado en dos SKUs.
Algunos de los síntomas que usualmente vemos en este tipo de casos pueden ser alto número de duplicados. De pronto en una reunión de S&OP el área de Ventas menciona cómo durante la semana se quedaron sin inventario en un SKU. Pero los responsables de Abastecimiento, no comprenden pues esta SKU fue abastecido con inventario suficiente recientemente. Después de un tira y afloje, pues todos asumen que hablan del mismo SKU, se dan cuenta en el ERP que están hablando del mismo artículo pero este está codificado en dos SKUs en su ERP. Es un duplicado. Ventas típicamente consulta uno y Abastecimiento, repone el otro.
Efectos
El efecto sobre la cadena no es solo perder la dinámica y el tiempo de los participantes en una reunión de S&OP, que de hecho ya es importante. La falta de estandarización y un sistema que permite la creación de SKUs duplicados trae consigo otros efectos negativos directos, además de la venta perdida observada en el ejemplo.
-
Fragmentación de la demanda y pronóstico erróneo: Cuando un mismo artículo se vende bajo dos o más SKUs distintos, su consumo histórico se divide. Esto hace que las series de demanda de cada SKU parezcan más esporádicas de lo que realmente son, confundiendo a los modelos de pronóstico y de reposición. El resultado es que cada SKU duplicado recibe un pronóstico bajo, generando quiebres de stock en ambos, o por el contrario, un exceso de inventario si ambos se reponen con métodos de seguridad subóptimos.
-
Quiebre en reglas de inventarios: Si un grupo o categoría del inventario tiene una regla de reposición o almacenaje, pero hay SKUs, que quedaron clasificados en un grupo diferente, provoca que las reglas operativas establecidas no se apliquen de forma efectiva, lo que genera errores, ineficiencias y pérdidas económicas.
-
Pérdida en economía de escala: La duplicidad de SKUs impide la consolidación de pedidos. En lugar de comprar un gran volumen de un solo artículo para obtener descuentos por cantidad, las empresas terminan comprando volúmenes más pequeños de los SKUs duplicados, perdiendo así las economías de escala y elevando el costo unitario del producto.
-
Incertidumbre y obsolescencia: Si un sistema no puede distinguir entre un SKU original y su duplicado, la información de inventario es poco confiable. Un SKU duplicado puede llevar a la falsa creencia de que un artículo no está en stock, forzando una nueva compra, mientras que el «gemelo» permanece sin ser utilizado hasta volverse obsoleto. Esto incrementa los costos de capital y de obsolescencia.
Un SKU duplicado puede llevar a la falsa creencia de que un artículo no está en stock, forzando una nueva compra, mientras que el «gemelo» permanece sin ser utilizado hasta volverse obsoleto.
-
Ineficiencia operativa: Los equipos de almacén y logística pierden tiempo buscando, contando y validando SKUs que son idénticos. Esto genera errores en la preparación de pedidos (picking) y demoras en las operaciones diarias. A su vez, cuando se trata de SKUs clasificados erróneamente en categorías diferentes que se ubican cerca en la bodega, cuando se hacen conteos cíclicos o inventarios anuales, se pierde tiempo pues el duplicado puede estar en otro sector de la bodega.
-
Dificultad para el análisis y la toma de decisiones: Si los datos están fragmentados y son inconsistentes, cualquier análisis de rentabilidad o comportamiento del inventario puede ser erróneo. Es imposible comparar el rendimiento de categorías o grupos e incluso productos si están clasificados de manera diferente o duplicados. De detectarse la situación, las empresas a veces se acostumbran a convivir con ella y hacen los tareas de agregado y sumarización de forma manual.
Es imposible comparar el rendimiento de categorías o grupos e incluso productos si están clasificados de manera diferente o duplicados. De detectarse la situación, las empresas a veces se acostumbran a convivir con ella y hacen los tareas de agregado y sumarización de forma manual.
La gobernanza de datos no es una simple tarea técnica, es un imperativo. Es la base sobre la que se construye la eficiencia operativa, se optimiza la rentabilidad y se fortalecen las decisiones de negocio. Un inventario con datos deficientes es un activo de riesgo que genera costos ocultos, desde la pérdida de ventas hasta la ineficiencia del equipo de trabajo.
En un próximo artículo, veremos formas de cómo diagnosticar y detectar duplicados y malas clasificaciones en un inventario, apoyándonos en tecnología y en estándares de la industria. El apoyo de la tecnología se hace sobretodo crítico cuando los inventarios tienen un gran número de SKUs. También exploraremos las mejores prácticas de sintaxis y los sistemas de clasificación más utilizados.