Para una cadena de supermercados es de vital importancia poseer la capacidad de pronosticar la demanda por los distintos productos que ofrece a sus clientes.  Contando con esa información, puede planificar la cantidad de productos a enviar a un local de venta en particular, definir la cantidad de camiones a destinar para la distribución y gestionar eficientemente el stock de productos, tanto en el local de venta como en su centro de distribución.

El objetivo de esta investigación es obtener pronósticos de demanda de productos en un local de venta de la cadena de supermercados, el cual se encuentra ubicado en Curicó. A través de la utilización de modelos ARIMA se generan predicciones de las ventas futuras en dicho local.  Adicionalmente, el estudio de la composición de los modelos diseñados permite determinar cuáles son los factores más significativos para la demanda por cierto producto, ya sea la ocurrencia de un feriado, la ejecución de una promoción, un aumento en el precio del bien, entre otros. Se propone para trabajos futuros el estudio profundo de dichas variables y la cuantificación real de su influencia en la venta de productos.

Para realizar esta investigación, se seleccionó un grupo de SKU’s (Stock Keeping Unit) de especial interés debido a su impacto en la cadena logística de la empresa, en cuanto a volumen físico, frecuencia y sistemas de despacho desde el proveedor a los puntos de venta, y su importancia en las ventas de local. Mediante la observación y el procesamiento de registros a nivel semanal, y contando con datos de venta y precio de productos en un horizonte de 45 semanas, estos productos son estudiados a profundidad, encontrándose correlaciones entre los datos de cada producto, determinándose la estacionalidad en su demanda y la importancia de hechos externos en el comportamiento de las ventas.  Asimismo, se pueden apreciar las características del modelo que la empresa está utilizando actualmente para realizar pronósticos de demanda.  Se realiza un análisis cuantitativo de la calidad del modelo, definiéndose medidas de error absolutas y relativas a los datos, junto con una comparación con el modelo predictivo ARIMA propuesto por la investigación.

Los principales resultados se refieren a la capacidad de pronóstico de los modelos diseñados.  Dicha capacidad se refleja en el error incurrido por el modelo en sus predicciones.  La medida de error utilizada fue el MAPE (Mean Average Percentual Error), el cual para los modelos propuestos fluctuó entre 6& y 24%, mucho menor a los observados con el modelo actualmente utilizado por la empresa que varía entre 29% y 139%.

En caso de implementarse los modelos propuestos, en conjunto con un modelo de gestión de inventario, la empresa observaría una notable disminución tanto en los quiebres de stock en sala como en los niveles de inventario en bodega, logrando así una reducción en sus costos de capital y una mayor calidad en el servicio ofrecido a sus clientes.

Aunque los resultados son alentadores, existen factores que permitirían perfeccionar aún más los pronósticos. La demanda por productos está influenciada por un grupo de factores externos a la serie de ventas (acciones de la competencia, futuras promociones, efectos metereológicos, entre otros) de los cuales, en su mayoría, no se contaba con información para enriquecer el modelo de predicción.  La recopilación y mantenimiento de datos sobre el comportamiento de estos factores facilitarían la construcción de modelos de pronóstico más robustos, fidedignos y que permitan una gestión mucho más completa de la logística del local de ventas.  Dichas mejoras permitirán que la empresa adquiera una posición competitiva más fuerte y facilite la obtención de sus objetivos de expansión y penetración en un mercado tan exigente como el de los supermercados.