En las últimas décadas, las empresas han recurrido a la tecnología, la producción ajustada y la producción global para aumentar la eficiencia y reducir los costos. Sin embargo, estas tácticas están dando rendimientos decrecientes.
Muchas empresas han trasladado la producción al extranjero, por ejemplo. Sin embargo, el atractivo de esa oportunidad está disminuyendo, ya que las diferencias en los costos de fabricación global entre países como China y EE. UU. se han reducido en los últimos diez años. (Véase Cómo ha cambiado la competitividad de los costos de fabricación global durante la última década, BCG Data Point, mayo de 2014.) Al mismo tiempo, las cadenas de suministro se han vuelto más complejas —muchas abarcan varios continentes e incluyen proveedores externos—, mientras que las demandas de los clientes se han vuelto más complejas. Como resultado, las empresas acercan la producción a sus mercados nacionales («nearshoring») y, en ocasiones, la trasladan de nuevo a sus países de origen («reshoring»), incluso a países con altos costos laborales. (Véase Estados Unidos, uno de los fabricantes con menores costos del mundo desarrollado: detrás del auge de las exportaciones estadounidenses, BCG Focus, agosto de 2013.)
La combinación de grandes flujos de macrodatos, de rápido movimiento y variados, con herramientas y técnicas avanzadas, como la geoanalítica, representa la próxima frontera de la innovación en la cadena de suministro. Cuando estas iniciativas se guían por una comprensión clara de las prioridades estratégicas, el contexto del mercado y las necesidades competitivas de una empresa, ofrecen nuevas e importantes oportunidades para responder mejor a los clientes, reducir el inventario y los costos, y mejorar la agilidad.
Las empresas pueden optimizar las redes de distribución, logística y producción mediante potentes capacidades de procesamiento y análisis de datos. También pueden mejorar la precisión de sus previsiones de demanda, descubrir nuevos patrones de demanda y desarrollar nuevos servicios compartiendo datos con socios de toda la cadena de suministro. Además, pueden aumentar el tiempo de actividad de los activos y ampliar el rendimiento, realizar mantenimiento preventivo de los activos de producción y de los productos instalados, y planificar el suministro casi en tiempo real mediante flujos dinámicos de datos de sensores de producción y del Internet de las cosas.
Tres oportunidades de gran potencial
Sin embargo, con tantos datos disponibles y tantos procesos susceptibles de mejora, a los directivos puede resultarles difícil determinar dónde concentrar su tiempo y sus recursos limitados. En nuestro trabajo con operaciones de cadenas de suministro de diversos sectores, vemos tres oportunidades con gran potencial a corto plazo. Las empresas que las aprovechen pueden generar ingresos y beneficios significativos, además de reducir notablemente los costos, las necesidades de efectivo y aumentar la agilidad.
Visualizar las rutas de entrega. La gestión logística plantea retos para todos, salvo los especialistas más avanzados, en la «última milla» de entrega. El software tradicional de planificación de rutas de las empresas de entrega más avanzadas puede mostrar a los conductores exactamente dónde y cómo conducir para reducir los costos de combustible y maximizar la eficiencia. Los sistemas más flexibles pueden planificar cada día la ruta de un camión a partir de patrones históricos de tráfico. Sin embargo, muchos sistemas convencionales aún dejan mucho que desear: generan una holgura considerable en los horarios y, en muchos casos, carecen de la capacidad de visualizar y ajustar dinámicamente las rutas a nivel de calle.
Ahora, añadamos la dificultad de coordinar las entregas de dos o más unidades de negocio o empresas, cada una de las cuales administra su propio sistema de entregas, pero debe trabajar con las demás como una sola entidad. Con frecuencia descubrimos que, al utilizar macrodatos y técnicas analíticas avanzadas para abordar problemas difíciles de la cadena de suministro como estos, las empresas pueden identificar oportunidades de ahorro equivalentes al 15 al 20 por ciento de los costos de transporte. Los avances recientes en técnicas de cartografía geoanalítica, junto con la disponibilidad de grandes cantidades de datos de ubicación y de capacidad informática económica, rápida y basada en la nube, permiten a las empresas analizar dinámicamente millones de puntos de datos y modelar cientos de posibles escenarios de rutas para camiones. El resultado es una visualización convincente de las rutas de entrega, ruta por ruta y parada por parada.
Consideremos los retos que surgieron durante la planificación previa a la fusión de dos grandes empresas de productos de consumo. Para modelar mejor la fusión de sus redes de distribución, las empresas superpusieron datos geográficos detallados a los datos de entrega, de modo que pudieran visualizar la densidad de los pedidos e identificar zonas de solapamiento. Descubrieron que compartían patrones de demanda similares. (Véase el Anexo 1). El software de planificación de rutas de vehículos también permitió probar rápidamente decenas de iteraciones de rutas y desarrollar rutas individuales para cada camión. Las pruebas de escenarios ayudaron a las empresas a descubrir hasta tres horas de capacidad de entrega sin utilizar en rutas habituales, una vez que los conductores habían recorrido las millas que tenían asignadas.
Dividir la flota entre dos depósitos locales en una gran ciudad reduciría las millas de cada ruta y permitiría a los camiones entregar un mayor volumen, lo que reduciría el costo efectivo por caja. Tras la fusión, los camiones podrían realizar el mismo número medio de paradas y aumentar alrededor de un 50 por ciento el tamaño medio de cada entrega. Se estimó que el ahorro derivado de combinar y racionalizar las dos redes en todo el país ascendería a 40 millones de dólares, o el 16 por ciento de los costos totales de las empresas combinadas. Todo ello sin inversiones significativas, más allá del costo inicial de desarrollar mejores técnicas de modelización.
Al establecer una visión común del presente y una perspectiva del futuro, el análisis geoanalítico también generó beneficios menos cuantificables: los resultados inspiraron confianza en que los ahorros estimados como consecuencia de la fusión se harían realidad en la práctica y facilitarían la alineación entre ambas organizaciones antes de la fase, a menudo difícil, de integración posterior a la fusión. Sin embargo, resultados como estos son solo el comienzo. Las nuevas herramientas de visualización, combinadas con el seguimiento de camiones en tiempo real y las transmisiones de tráfico en directo de los dispositivos telemáticos, abren oportunidades aún más prometedoras, como el cambio dinámico de ruta de los camiones para responder a cambios de demanda en tiempo real.
Precisar la demanda futura. Prever la demanda en una operación de fabricación extensa puede ser engorroso y llevar mucho tiempo. Muchos directivos deben confiar en sistemas inflexibles y en estimaciones imprecisas del equipo de ventas para predecir el futuro. Además, las previsiones se han vuelto aún más complejas en la era actual de mayor volatilidad de la demanda y de carteras de productos cada vez más complejas.
Ahora, las empresas pueden examinar enormes cantidades de datos de rápido movimiento procedentes de clientes, proveedores y sensores. Pueden combinar esa información con factores contextuales, como las previsiones meteorológicas, el comportamiento de la competencia, las posiciones de precios y otros factores externos, para determinar cuáles guardan una fuerte correlación con la demanda y adaptarse rápidamente a la realidad actual. Se pueden utilizar técnicas analíticas avanzadas para integrar datos de distintos sistemas que utilizan lenguajes diferentes —por ejemplo, sistemas de planificación de recursos empresariales, fijación de precios e inteligencia competitiva— y ofrecer a los directivos una perspectiva de aspectos que antes no podían ver. Las empresas pueden dejar que el sistema de previsión haga el trabajo pesado y liberar al equipo de ventas para que aporte información directa sobre los cambios del entorno empresarial.
Las empresas que comprenden mejor lo que venderán mañana pueden enviar productos cuando los clientes los soliciten y mantener menos existencias, dos palancas importantes para mejorar el desempeño operativo y reducir costos. En esencia, con mejores previsiones de demanda, las empresas pueden sustituir el inventario por información y satisfacer las demandas de los clientes de una manera mucho más ágil. Observamos que las empresas que predicen mejor la demanda futura a menudo pueden reducir el inventario entre un 20 y un 30 por ciento, según el sector, y aumentar entre 3 y 7 puntos porcentuales la tasa media de servicio. Estos resultados pueden generar mejoras de margen de hasta 1 a 2 puntos porcentuales.
Por ejemplo, un fabricante global de tecnología afrontó una escasez significativa de suministro y un bajo nivel de entregas puntuales de componentes esenciales debido a previsiones poco fiables. El personal de ventas presentaba previsiones excesivamente optimistas, cuyos efectos se propagaban por la cadena de suministro: el fabricante pedía más de lo realmente necesario para garantizar un suministro adecuado. Además, los proveedores de la empresa pedían demasiado a sus propios proveedores de componentes. Como resultado, los inventarios empezaron a aumentar a lo largo de toda la cadena de valor.
Para comprender las causas del bajo rendimiento de las previsiones, la empresa utilizó herramientas y técnicas avanzadas para analizar más de 7 millones de puntos de datos, incluidos registros de envíos, resultados históricos de las previsiones y listas de materiales. También realizó simulaciones que comparaban la precisión de las previsiones con los envíos puntuales y las necesidades de inventario, a fin de identificar el punto de rendimientos decrecientes de una mayor precisión. El patrón subyacente de la demanda resultó ser complejo y muy volátil, en particular a nivel de los componentes. El análisis de causas raíz ayudó a identificar los orígenes del problema, que incluían los habituales retrasos y fallas operativas, además de factores menos evidentes, pero igual de poderosos, como incentivos desalineados y una estructura organizativa con demasiados compartimentos estancos.
En respuesta, la empresa rediseñó su proceso de planificación, dedicó más tiempo a la planificación de componentes y eliminó los cuellos de botella en los flujos de datos y el procesamiento de TI. Además, al mejorar la calidad de los datos para quienes planificaban los componentes, la empresa pudo reducir el tiempo que se perdía buscando datos y corrigiendo errores. También desarrolló herramientas analíticas más sofisticadas para medir la precisión de las previsiones.
Sobre la base de estas y otras mejoras organizativas y de procesos, la empresa espera mejorar la precisión de las previsiones hasta en 10 puntos porcentuales para los componentes y 5 puntos porcentuales para los sistemas, lo que mejorará la disponibilidad de piezas y las entregas puntuales a los clientes. Se espera que los cambios aumenten los ingresos, reduzcan los niveles de inventario, mejoren el servicio al cliente y disminuyan los costos del transporte urgente.
Simplificar las redes de distribución. Las redes de distribución de muchos fabricantes han evolucionado con el tiempo hasta convertirse en densas tramas de almacenes, fábricas y centros de distribución que se extienden por territorios enormes. Con el tiempo, muchas de estas redes fijas tienen dificultades para adaptarse a los cambios en los flujos de suministros a las fábricas y de productos terminados al mercado. Algunas redes también son demasiado extensas, lo que eleva los costos de distribución. Las intrincadas interrelaciones entre las redes internas y externas pueden desafiar los modelos tradicionales de optimización de redes que los responsables de las cadenas de suministro han utilizado durante años.
Sin embargo, las capacidades actuales propias de los macrodatos pueden ayudar a las empresas a resolver problemas de optimización mucho más complejos que en el pasado. Los líderes pueden estudiar más variables y escenarios que nunca e integrar sus análisis con muchos otros sistemas empresariales interconectados. Las empresas que utilizan macrodatos y análisis avanzados para simplificar las redes de distribución suelen lograr ahorros que oscilan entre el 10 y el 20 por ciento de los costos de transporte de carga y almacenamiento, además de grandes ahorros en inventarios.
Una importante empresa europea de bienes de consumo de rápida rotación se enfrentó a estos problemas cuando intentó pasar de un sistema de distribución nacional a una red más eficiente que abarcara todo el continente. La explosión del volumen y la distribución de datos entre distintos sistemas había superado la capacidad existente de la empresa, y la baja calidad de los datos limitaba aún más su capacidad de planificación.
La empresa utilizó herramientas y técnicas analíticas avanzadas para diseñar una nueva red de distribución que abordara estas complejidades crecientes. Modeló varios escenarios de crecimiento a largo plazo y simuló configuraciones de producción para 30 marcas distribuidas en más de diez plantas, cada una con distintos patrones de demanda y flujos de materiales. Procesó datos de entre 50.000 y 100.000 puntos de entrega por país clave y examinó factores de inventario en múltiples etapas. Los planificadores evaluaron numerosos escenarios de entrega, incluidos camiones completos, entrega directa a las tiendas y almacenamiento en dos niveles, así como distintas estructuras de tarifas de transporte basadas en el tamaño de la carga y la dirección de la entrega.
Desentrañar la información que ofrecen estos diversos datos ayudará a la empresa a consolidar sus almacenes, reduciéndolos de más de 80 a unos 20. (Véase el Anexo 2). Como resultado, la empresa espera reducir los gastos operativos hasta en un 8 por ciento. Al disminuir el número de almacenes, cada uno de los que queden será más grande y eficiente. Y al agrupar la demanda de los clientes en una red más pequeña de almacenes más grandes, la empresa podrá reducir la variabilidad de la demanda y, por tanto, mantener niveles más bajos de inventario: es la volatilidad de la demanda lo que lleva a los fabricantes a mantener más existencias de seguridad.
Cómo empezar
Los responsables de operaciones que quieran explorar estas oportunidades deberían comenzar con los siguientes pasos.
Conectar la cadena de suministro de principio a fin. Muchas empresas carecen de la capacidad para hacer un seguimiento detallado de los materiales de la cadena de suministro, la fiabilidad de los equipos de fabricación y del control de procesos, y los artículos individuales que se transportan a los clientes. No identifican los problemas ni responden proactivamente a ellos de maneras que aumenten la eficiencia y atiendan las necesidades de los clientes. Para disponer, ante todo, de macrodatos que analizar, las empresas deben invertir en las tecnologías más recientes, incluidos sensores de última generación y etiquetas de identificación por radiofrecuencia, que pueden aportar transparencia y conexiones a la cadena de suministro. Al mismo tiempo, deben tener cuidado de invertir en las áreas que más valor aporten al negocio.
Recompensar la coherencia de los datos. Muchas empresas tienen dificultades para optimizar los niveles de inventario porque los tamaños de lote, los plazos de entrega, las SKU de productos y las unidades de medida se introducen de manera diferente en los distintos sistemas de la organización. Aunque los sistemas de macrodatos no requieren una calidad y una integridad de los datos absolutamente perfectas, es necesaria una coherencia sólida. El problema es que, en muchas empresas, la dirección no da prioridad a la recopilación de datos coherentes. Esto puede cambiar cuando los líderes explican claramente el impacto de los datos deficientes y miden y recompensan el cumplimiento de estándares coherentes.
Establecer transparencia de datos entre funciones. La función de cadena de suministro depende de datos de fabricación actualizados, pero la función de fabricación puede proteger celosamente datos valiosos sobre fiabilidad para que los errores sean menos visibles. Los datos también podrían ayudar al servicio de atención al cliente, que podría informar proactivamente a los clientes de los pedidos retrasados cuando, por ejemplo, se avería un equipo. Los datos sobre fiabilidad de la producción, cumplimiento de los horarios y averías de equipos deberían ser visibles en todas las funciones. Para animar al personal a ser más transparente, la dirección podría reunir a empleados de distintas funciones para hablar de los datos que necesitan para hacer mejor su trabajo.
Invertir en las capacidades adecuadas. Muchos responsables de operaciones aún no comprenden cómo esta nueva disciplina puede proporcionar una ventaja competitiva ni cómo convertir los macrodatos en las mejores acciones estratégicas. Sin embargo, contratar a un equipo de científicos de datos de primer nivel para hacer análisis por el mero hecho de hacerlos no es la solución. Las empresas deben tanto asociarse con otras como desarrollar su propio conjunto diverso de capacidades internas para situar los macrodatos en un contexto empresarial estratégico. Solo entonces podrán centrarse en las oportunidades adecuadas y obtener el máximo valor de sus inversiones.
Las empresas que destacan en macrodatos y análisis avanzados pueden resolver problemas de previsión, logística, distribución y otros que llevan mucho tiempo afectando a las operaciones.
Las que no lo hagan perderán enormes ganancias de eficiencia. Dejarán pasar la oportunidad de aprovechar una fuente importante de ventaja competitiva.
Este artículo fue publicado originalmente por The Boston Consulting Group. Lea más perspectivas de BCG en bcg.perspectives.
Para mantenerse al día con la Agenda suscríbase a nuestro boletín semanal.
Autores: Michele Brocca es socio y director gerente de BCG, Boston. Libor Kotlik es socio y director gerente de BCG, Düsseldorf. Christian Greiser es socio y director gerente, Düsseldorf.
Imagen: Trabajadores de la línea de ensamblaje reemplazan las cubiertas traseras de televisores de 32 pulgadas en Element Electronics, en Winnsboro, Carolina del Sur, el 29 de mayo de 2014. REUTERS/Chris Keane.
