La empresa llevaba años vendiendo repuestos automotrices y mantenía rentabilidad. Las ventas continuaban creciendo y, en apariencia, la operación marchaba bien.
Sin embargo, algo preocupaba cada vez más a su gerente. Cuando llegaba el momento de pagar a proveedores, planillas y otros compromisos, el efectivo simplemente no estaba disponible. Mes a mes, la empresa debía recurrir a líneas de crédito bancarias para cubrir sus necesidades de corto plazo.
Vendía mucho. Generaba utilidad. Pero su deuda seguía aumentando.
¿Cómo era posible vender más que nunca y, al mismo tiempo, tener cada vez menos efectivo?
Un amigo consultor se sentó con él a revisar el negocio. Tras analizar la información, la respuesta comenzó a aparecer. Y no estaba escondida en las ventas, ni necesariamente en el banco. Estaba varios metros más atrás: en los almacenes.
Había accesorios para vehículos que no se vendían desde hacía meses. Repuestos importados desde Japón que se compraron anticipando una demanda que nunca llegó. Cientos de SKU ocupando espacio y consumiendo capital sin moverse.
Pero la contradicción más grave era otra: mientras una parte importante del inventario permanecía inmovilizada, algunos de los productos de mayor demanda sufrían constantes stockouts. Había clientes dispuestos a comprar, pero el producto no estaba disponible.
La empresa tenía, al mismo tiempo, demasiado inventario y demasiado poco inventario.
Y mientras tanto, continuaba financiándose con el banco.
El costo que no vemos
El inventario inmovilizado cuesta mucho más que su precio de compra. Consume capital de trabajo, genera costos financieros indirectos, ocupa espacio en bodega, requiere manejo y control, genera costos de seguro y aumenta el riesgo de deterioro, obsolescencia o vencimiento.
Pero el extremo opuesto también es costoso. No tener disponible el producto adecuado significa ventas perdidas, clientes insatisfechos y, eventualmente, pérdida de participación de mercado.
Por eso, el objetivo no debería ser simplemente reducir inventario. El objetivo es tener el inventario correcto, en la cantidad correcta, en el momento correcto.
Aquí es donde la Ciencia de Datos cambia la conversación
Hoy es posible analizar cada SKU considerando variables como demanda histórica, variabilidad, margen, rotación, días sin movimiento, nivel de stock, frecuencia de stockouts, tiempos de reposición y comportamiento de proveedores.
Machine Learning permite proyectar la demanda, mientras que técnicas como clustering ayudan a descubrir grupos de productos con comportamientos similares que suelen permanecer ocultos entre miles de SKU.
Podemos encontrar productos de alta rotación y alto margen con inventario insuficiente; productos costosos con muy baja rotación; inventario prácticamente muerto; productos con demanda errática; y SKU saludables que simplemente deben mantenerse.
Dejamos entonces de preguntar «¿cuánto inventario debemos reducir?» y comenzamos a preguntar «¿qué debemos reducir, qué debemos proteger y dónde necesitamos realmente aumentar inventario?»
Esa diferencia puede transformar el capital de trabajo.
De los datos a las decisiones
El análisis no termina al identificar el exceso. Debe ayudarnos a decidir qué comprar, cuánto comprar, cuándo comprar, qué productos liquidar o descontinuar y, especialmente, por qué acumulamos inventario que no necesitábamos en primer lugar.
Quizá el problema esté en los pronósticos. Quizá en los lotes mínimos de compra. En los tiempos de entrega. En las políticas de compra. O simplemente en decisiones históricas que nadie volvió a cuestionar.
Muchas de estas preguntas también pueden responderse mediante análisis tradicional. De hecho, lo hemos hecho así durante años. La diferencia no está únicamente en si podemos hacer el análisis, sino en cuánto tiempo nos toma y con qué frecuencia podemos repetirlo.
Revisar manualmente miles de SKU —estudiando su rotación, comportamiento de demanda, márgenes, nivel de inventario y riesgo de obsolescencia— puede requerir muchas horas, días o incluso semanas. Y para cuando terminamos, el inventario ya comenzó a cambiar de nuevo.
La tecnología cambia esa ecuación. Un modelo bien diseñado puede repetir en minutos un análisis que antes exigía muchas horas de trabajo y actualizarlo cada vez que se dispone de nueva información. Incluso podemos dar un paso más y crear un agente inteligente que monitoree el inventario de forma continua, detecte desviaciones, anticipe posibles stockouts, identifique acumulaciones innecesarias y genere alertas cuando un SKU comience a alejarse de los niveles que consideramos saludables.
Así, los datos dejan de utilizarse solamente para corregir el inventario cuando el problema ya existe y comienzan a ayudarnos a evitar que vuelva a ocurrir. No se trata de sustituir el conocimiento de quienes administran el negocio, sino de permitir que ese conocimiento pueda aplicarse de forma continua a miles de SKU, con una velocidad y una consistencia que manualmente serían muy difíciles de alcanzar.
Una vez estabilizado el modelo, el impacto puede ir mucho más allá de liberar caja: menos obsolescencia, menos stockouts, mejores compras, mayor rotación y una reducción significativa del espacio requerido en almacenes. En algunos casos, incluso podría permitir rediseñar la distribución física o prescindir de instalaciones que dejaron de ser necesarias.
La empresa del ejemplo quizá no necesitaba más financiamiento. Necesitaba recuperar el dinero que ya tenía atrapado en sus estanterías.
Mire sus almacenes antes de llamar al banco
¿Cuánto de su inventario no se ha movido en 6, 12 o 24 meses? ¿Cuánto capital está atrapado allí? ¿Cuántas ventas está perdiendo simultáneamente por stockouts?
No espere a que la deuda financiera sea quien le dé la respuesta.
Mida el exceso. Identifique los productos críticos. Cuantifique la caja atrapada. Encuentre las causas y actúe.
“Cada dólar de inventario debería tener una razón para estar allí. Y si no la tiene, es momento de preguntarse qué podría estar haciendo ese dinero en otra parte de su empresa.”