Contenido dedicado a explicar el uso de diversas herramientas de la calidad para gestionar procesos y compartir metodologías de trabajo que promuevan la mejora continua.

Con la tecnología de Blogger.

martes, 11 de enero de 2022

Teorema de Bayes - Predecir el comportamiento de una acción de bolsa


El Teorema de Bayes es un método útil que nos ayuda a precedir un suceso en función a información previa.

Si recurrimos a la teoría de la probabilidad sabemos que:

P (A y B) = P (A/B)*P (B)

La probabilidad conjunta de que suceda A y B es igual a la probabilidad de que suceda A dado que se cumplió B, por la probabilidad de que suceda B.

P(ByA) = P(B/A)*P(A)

La probabilidad conjunta de que suceda B y A es igual a la probabilidad de que suceda B dado que se cumplió A, por la probabilidad de que suceda A.

Si igualamos ambos enunciados:

P (Ay B) = P(By A)

P(A/B)*P(B) = P(B/A)*P(A)

Entonces tenemos el enunciado de Bayes:

P (A/B) = [P (B/A) * P (A)] / P(B)

La probabilidad de que suceda A dado que se cumplió B, es igual a la probabilidad de que suceda B dado que se cumplió A por la probabilidad de que suceda A, dividido entre la probabilidad de que suceda B.

Tomando en consideración estos enunciados vamos a calcular la probabilidad de que las acciones de Tesla (TSLA) aumenten su valor en los próximos días:

1) En primer lugar debemos establecer la relación de dependencia entre dos variables , para nuestro caso las acciones de Tesla (TSLA) comparadas con el indice bursatil referente Vanguard S&P500 (VOO) a fin de demostrar estadísticamente que existe una alta relación lineal entre ambas acciones de bolsa.

- Se muestra el extracto del histórico de cotizaciones diarias de las acciones de Tesla (TSLA) y Vanguard S&P500 (VOO) considerando el periodo 02/01/2019 hasta el 07/01/2022.


- Utilizando la fórmula de excel se calcula el coeficiente de correlacion (Pearson)  (=COEF.DE.CORREL(Matriz1, Matriz2) ), siendo el resultado 0.9358 , lo cual indica que existe una alta dependencia lineal positiva entre ambas variables.


- En el siguiente gráfico de dispersión que compara ambas variables podemos evidenciar visualmente, que mientras las cotizaciones de Vanguard S&P500 se han ido incrementando a lo largo del tiempo, lo mismo ocurre en el caso de las acciones de Tesla (TSLA).

 


2) Ordenar la cotización de las acciones de forma descendente (de la fecha más reciente a la más antigua), seguido calcular la variación de las cotizaciones simplemente restando el valor de la cotización del día contra el día anterior, aplicar la misma operación en ambas acciones de bolsa.


3) Calcular la frecuencia o número de veces que las acciones de:

- TSLA suben y VOO tambien suben

- TSLA sube y VOO se mantiene igual

- TSLA sube y VOO baja.



4) Calcular la frecuencia o número de veces que las acciones de:

- VOO suben

- VOO se mantiene igual

- VOO baja

5) Se muestra el resumen de los resultados en la siguiente tabla dinámica:


6) A continuación se va a ordenar en la siguiente matriz los resultados obtenidos:


 Por ejemplo:

- En la casilla que corresponde a las acciones de TSLA aumentan y VOO aumentan  colocamos 288 que viene a ser el número de veces que se cumple la condición durante el periodo analizado.

- El número de veces que VOO aumenta es 437 , colocamos este valor como total de la fila.

- La suma de cada casillero de una fila de la matriz debe ser igual al total de la fila correspondiente. 

288 + 149 = 437

416+ 346 = 762

 

7) Para calcular la probabilidad de que las acciones de Tesla (TSLA) aumenten, calculamos la suma de la columna que corresponde a la condición "acciones de TSLA aumentan", seguido lo dividimos entre el total de cotizaciones (762).

P (TSLA +) = (288 + 2 + 126) / 762 = 55 %

Conclusión: Podemos afirmar de acuerdo a la información histórica y tomando en consideración el teorema de bayes, existe un 55% de probabilidad de que las acciones de Tesla sigan aumentando su valor en los próximos días.

Otra ventaja de esté método es que la información obtenida puede ser actualizada con información real de nuevas cotizaciones, lo cual modifica los resultados de la probabilidad  según el comportamiento real de la acción.

domingo, 22 de agosto de 2021

Programa de Auditoría - ISO 9001:2015


Un componente importante en la evaluación del sistema de gestión de calidad de una empresa, es el Programa de Auditoría que justamente ayuda a identificar aquellas debilidades de los procesos en donde se evidencia el incumplimiento de los requisitos establecidos en la norma ISO 9001:2015.

Sin embargo bajo mi punto de vista, el punto que agrega valor a la auditoría es determinar aquellas potenciales actividades del proceso que pueden terminar en no conformidad, medir su impacto y criticidad y establecer medidas de control para asegurar que esté dentro de los parámetros establecidos.

Sobre las no conformidades ya consumadas, lo que corresponde a la organización es corregirlas y tomar acciones correctivas para evitar que vuelva a presentarse en el proceso. Para esto la auditoría remarca la necesidad de ajuste del proceso a fin de evitar la disminución o reducción del valor del producto o servicio brindado a los Clientes.

La norma ISO 9001: 2015 establece que las organizaciones deben definir un programa de auditoría interna que les ayude ha revisar periódicamente el cumplimiento de los procesos establecidos. Las áreas de la organización deben transparentar sus procesos, por un lado teniendo la trazabilidad de los mismos y a la vez rindiendo cuentas a la alta Dirección a través de los indicadores de gestión. Que mejor acreditación  de que los que los  procesos se están llevado a cabo según lo planificado y documentado en sus normativas a través de la Auditoría Interna. 

Tengo que reconocer que algunas organizaciones han distorsionado el uso de la Auditoria Interna justificando el hecho de no tomar acciones sobre no conformidades debido a que han sido detectadas en una Auditoría Interna reciente y solo se ha planificado las medidas a tomar a fin de evitar una declaración de no conformidad en una Auditoría de Vigilancia realizada por una Casa Certificadora (Tercero).

Es por este motivo que la organización debe ser consciente de que el fin de la Auditoría Interna es ayudarle a corregir lo que no se está haciendo bien y reforzar los puntos de control para asegurar la estabilidad y continuidad de los procesos en beneficio de obtener un producto y servicio adecuado que cumple con los requisitos del Cliente.

Por otro lado en el caso de la casa certificadora debe revisar con cuidado la documentación presentada por la organización como evidencia de Auditoría Interna con el fin de ayudar a que el sistema de gestión de calidad realmente funcione y no sea solo un mero compromiso de palabras por parte de la Alta Dirección de la organización.

La Auditoría Interna no debe ser tomada como un mero formalismo, es una pieza clave en el proceso de evaluación del sistema de gestión de calidad que revela y coloca sobre la mirada del Directorio y áreas de la organización involucradas todos aquellos puntos de mejora o procesos que están marchando fuera de lo establecido en perjuicio de la empresa y la satisfacción del Cliente.

Para concretar la Auditoría Interna, la organización debe establecer un Programa de Auditoría Interna Anual, es decir la planificación tangibilizada en un cronograma anual donde se fija en qué mes o fechas se concretará la Auditoría, su alcance (todos los procesos serán auditados o parte de ellos), la frecuencia.

A continuación se muestra un formato de Programa de Auditoría. Los campos básicos que debería contener este formato se muestran a continuación:

Fuente: http://media.peru.info/promperu/mapro/Mejora-Continua/Procedimiento-Auditorias-internas.pdf

La Auditoría Interna como requisito de la norma ISO 9001:2015 no establece un número mínimo de Auditorías que se debe realizar en el año, sin embargo cada organización según el giro de negocio y los procesos a evaluar determina la cantidad necesaria de auditorías para asegurar el cumplimiento de los procesos establecidos.

El siguiente formato representa un "Programa de Auditoría"  de una empresa de servicios estatal


Fuente: http://www.pastosaludese.gov.co/images/calidad/2020/Programa%20anual%20auditoria%202020%20ok.pdf

Como es evidente cada organización determina el detalle del registro del Programa de Auditoría , sin embargo este debe demostrar que es lo suficientemente claro para que todos los involucrados de la Organización lo comprendan cabalmente.

Para este caso la empresa de servicios estatal tomada como ejemplo ha convenido dejar en claro qué procesos están fuera del alcance del Programa de Auditoría los cuales deberán ser debidamente sustentados durante la Auditoria de Tercera parte, se definen los recursos necesarios para asegurar la ejecución de la Auditoría, los riesgos a los que están inmerso en sí el proceso de Auditoría, entre otros.

Finalmente las compañías deben demostrar un real compromiso con su sistema de gestión de calidad, y un mecanismo de comprobar el cumplimiento de estos compromisos adquiridos por la Alta Dirección y sus colaboradores es a través de la Auditoría Interna.

domingo, 25 de abril de 2021

Matriz de Confusión: Detección de Fraude en Tarjetas de Crédito



Con el auge del e-commerce y el contexto de la pandemia, las ventas online se han incrementado. Los Clientes están modificado su comportamiento de compra, ahora haciendo uso de tarjetas bancarias para ejecutar transacciones en tiendas virtuales de diversas compañías y adquirir el producto de su preferencia.

A su vez este comportamiento genera una mayor exposición al fraude transaccional, lo cual viene siendo revisado por las compañías con mucho interés para evitar pérdidas económicas para las propias compañías y sus Clientes.   

Siendo un proceso sensible la detección de fraudes a nivel transaccional. Una companía retail ha decidido probar (02) modelos de detección de fraude con tarjeta de crédito, en su plataforma de e-commerce. Para ello se determinará la precisión del modelo haciendo uso de los conceptos de la matriz de confusión.

Los datos a utilizar en este caso a manera de ejemplo han sido extraídos del trabajo de grado desarrollado por la Facultad de Estadística de la Universidad Santo Tomás (Gonzáles, Ortiz, Romero, Cruz. 2018) respecto a detección de fraude en tarjetas de crédito.

La compañía retail ha decidido poner a prueba ambos modelos con una base de prueba de (84,891) transacciones (que incluyen transacciones normales y fraudulentas) a fin de elegir el mejor modelo a implementar como sistema de detección antifraude de tarjetas de crédito.

a) Modelo 1: Red Neuronal Artificial

De acuerdo al testeo se obtuvieron los siguientes resultados expresados en la matriz de confusión:

Matriz de confusión en números de transacciones.


Matriz de confusión en (%) del total de transacciones

b) Modelo 2:Naive Bayes

De acuerdo al testeo se obtuvieron los siguientes resultados expresados en la matriz de confusión: 

Matriz de confusión en números de transacciones.

 

Matriz de confusión en (%) del total de transacciones

 

 

c) Comparativo de Ambos modelos

Para validar qué modelo es más preciso a la hora de detectar transacciones normales y fraudulentas se utilizará las fórmulas de precisión de predicción positiva, predicción negativa y precisión del modelo.

Precisión de Predicción Positiva (PPP) = Verdadero Positivo / (Verdadero Positivo  + Falso Positivo)

PPP del modelo 1 = [84731 / (84731 + 22) ] *100 = 99. 97 %

PPP del modelo 2 = [82912 / (82912 + 1841) ] *100 = 97. 83 %


Precisión de Predicción Negativa (PPN) = Verdadero Negativo/ (Verdadero Negativo  + Falso Negativo)

PPN del modelo 1 = [111 / (111 + 27) ] *100 = 80. 43 %

PPN del modelo 2 = [117 / (117 + 21) ] *100 = 84. 78 %

 

Precisión del Modelo (PM) = (Verdadero Positivo + Verdadero Negativo) / (Verdadero Positivo + Falso Positivo + Verdadero Negativo + Falso Negativo)

PM 1 = [(84731 + 111) /(84731+22+111+27)]*100 = 99.94%

PM 2 = [(82912 + 117) /(82912+1841+117+21)]*100 = 97.81%


Interpretación

Como se puede apreciar la precisión de que se detecte como transacción normal una transacción que en efecto está libre de fraude es del 99.97% para el caso del modelo 1 el cual es superior al modelo 2 (97.83%)

Para el caso de la precisión de detectar como transacción fraudulenta una transacción irregular (no autorizada por el titular de la tarjeta) es de 84.78% para el modelo 2 la cual es superior al modelo 1. (80.43%)

Para nuestro caso la predicción del modelo completo nos ayudará a decidir qué modelo es el más preciso para prevenir fraudes y evitar errores en la detección de transacciones fraudulentas.

Por lo tanto el modelo 1 que tiene una precisión del 99.94 % para detectar verdaderamente transacciones normales y fraudulentas es el modelo a implementar, el cual es superior al modelo 2 (97.81%) el cual demostró menor precisión a la hora de identificar realmente transacciones normales.

Bibliografía:

 Gonzáles, Ortiz, Romero, Cruz. (2018). Detección de Fraude en Tarjetas de Crédito mediante técnicas de minería de datos. Universidad Santo Tomás. Colombia

domingo, 17 de enero de 2021

El Efecto Látigo en Retail


Una constante en el negocio retail es poder predecir la demanda de los clientes. Esta demanda se traduce en la cantidad de un determinado producto o item (SKU) , en la profundidad de la línea (variedad de productos) y en los gustos y preferencias del cliente final (Imagen de marca, color, entre otros).

Frente a esta disyuntiva las empresas generan robustos modelos de predicción para ajustar la reposición de sus productos a niveles cercanos o exactos a la demanda real del Cliente.

Sin embargo no todos los productos se venden de manera constante durante el año, algunos son estacionales (la demanda depende de la estación del año), otros son exclusivos (el producto está disponible en un periodo corto de venta) y otros abruptamente emergen como productos de alta demanda debido al contexto que vive la sociedad. (Especulación, escasez, paralización de las actividades productivas).

En estas circunstancias se puede generar el "Efecto Látigo", que debido a la alta demanda de los clientes,  las empresas retail solicitan una mayor cantidad de productos a los distribuidores y estos a su vez a los fabricantes. Sin embargo la comunicación se puede ver distorsionada por el hecho de sobreestimar la demanda real.

Para enteder este concepto se muestra la siguiente imagen :

 
En el podemos apreciar que la demanda inicial solicitada por el Cliente es "n" la cual es canalizada por el minorista o retail , sin embargo la empresa retail al ver que existe un incremento importante de la demanda del producto , para asegurar su abastecimiento decide solicitar 2n productos al distribuidor.

El distribuidor no se queda atrás, al ver una demanda masiva de productos solicita 8n productos al fabricante a fin de asegurar que los almacenes no se desabastezcan del producto y los fabricantes al ver una demanda explosiva del producto, para asegurar la provisión de los productos a sus clientes solicita a sus proveedores más recursos para poder fabricar 16 n productos

Como podemos apreciar la sobreestimación de la demanda genera un alto riesgo para las empresas sin embargo esta no es visible debido a que solo se vislumbra el proceso que tenemos a cargo pero no identificamos el efecto que tiene sobre toda la cadena de suministros.

Este es un ejemplo típico que suele suceder cuando solo analizamos nuestro proceso y nos enfocamos en mejorarlo, potenciarlo sin tomar en cuenta los procesos involucrados en la entrada o salida de nuestro producto o servicio.

El efecto látigo es un claro ejemplo de lo que sucede en el negocio retail a la hora de abastecer a nuestros puntos de venta para cubrir la demanda del Cliente.

A continuación analizaremos el siguiente diagrama que representa el caso de una empresa retail que ha tercerizado todos sus procesos logísticos y actualmente se concentra en la venta de productos de audio y video a través de sus tiendas físicas.

 

En este caso los invito a dejar sus comentarios y opinar sobre las ventajas y desventajas de este modelo de negocio. Seguidamente se actualizará el contenido en los próximos días con el análisis del caso presentado.

sábado, 7 de noviembre de 2020

Wallmart: Modelo de Negocio exitoso


En el mundo del negocio retail resulta crucial conocer el comportamiento de compra de los clientes para predecir la demanda y aprovisionar de forma anticipada la cantidad de stock necesaria en los almacenes que calce con el nivel de demanda real de productos.

Un caso de éxito, es la conocida tienda minorista Wallmart que ha desarrollado todo un modelo de negocio basado en provisionar los productos que necesita el Cliente bajo el formato de oferta de precios competitivos.

Es importante , entender cual es la propuesta de valor que ofrece esta compañía retail  a sus Clientes. En el siguiente diagrama se identifica los principales inputs o entradas para obtener la propuesta de valor y los beneficios a obtener.

 


Si analizamos bajo la perspectiva de los recursos. Los Colaboradores son un elemento clave para lograr el éxito en la organización. Ellos pueden  recibir acciones de la organización en función a su posición y desempeño de trabajo, es decir están  directamente involucrados en los beneficios que logra alcanzar Wallmart. 

Adicionalmente se suma a ello la política de promover el desarrollo y ascenso de sus colaboradores antes de contratar a un tercero para las posiciones de mando,dirección o estratégicas.

La tecnología es otro ingrediente que impulsa el desarrollo e innovación de los procesos de Wallmart, quien a su vez fue una de las primeras tiendas minoristas en utilizar el sistema RFID para lograr la gestión óptima de sus inventarios, considerando los grandes volumenes de productos que administra esta cadena retail a nivel internacional.

Previo análisis de sus Clientes,  se identificó que el segmento de la población que pertenece a la clase media adquiere principalmente productos de primera necesidad en sus tiendas (Ejemplo: alimentos). Para ello se desarrolló todo una estrategia para lograr que sus principales proveedores le abastezcan de manera preferente los items más demandados a cambio de asegurar la compra de productos a largo plazo. 

 

Sin duda , Wallmart es considerado un referente a la hora de asegurar el provisionamiento de productos para sus Clientes. Esta organización instaló varios puntos de venta en zonas locales donde no existía competencia y que a la vez había una demanda potencial creciente de productos al alcance del cliente. Empezando con la implementación de centros de distribución , seguido de puntos de venta (Tiendas) para asegurar la disponibilidad de los productos.

Desde la perspectiva de los procesos, Wallmart desde sus inicios ha impulsado la innovación a fin de lograr la optimización de los recursos. 

La organización identificó a sus principales Proveedores y negoció con ellos contratos o acuerdos de largo plazo para asegurar el abastecimiento de los productos y obtener los mejores precios considerando la economía de escala ( compra de productos en grandes volumenes).

Utilizando sistemas de información Wallmart ha colectado y procesado datos en tiempo real de las compras, comportamiento de los clientes en los diferentes canales de comunicación y venta de tal forma que permita vislumbrar cuales son las preferencias o tendencias en el mercado. Asimismo centrándonos en las compras , se puede predecir con mayor precision la demanda de productos de consumo masivo, estacionales, entre otros.

Para facilitar la ubicación de los productos e impulsar su venta, se ha desarrollado una aplicación que permite identificar promociones de productos a través de código QR (ProjectPro,2018), incluso facturar la compra de productos vía aplicación. Este es solo un ejemplo de las iniciativas de Wallmart que han permitido que se mantenga por décadas como una empresa top en el mundo retail.

Actualmente la competencia con otras cadenas retail de gran calibre como Instacart, Amazon,  entre otros han impulsado o transformado la experiencia de compra hacia otro nivel, utilizando canales no tradicionales como el e-commerce, la estrategia omnicanal, entre otros.

Mirando hacia el pasado , el Cliente buscaba los precios más competitivos para adquirir un producto. Hoy busca una experiencia de compra innovadora y beneficios adicionales por la compra del producto o servicio. (Imagen de la marca, garantía de fabricante, productos de regalo, complementos del producto que lo diferencian de la competencia, entre otros).

La iniciativas de vanguardia de Wallmart han permitido que esta organización perdure en el tiempo y logre la innovación constante de su propuesta de valor, la cual es recompensada con la fidelización de sus clientes.


Bibliografía

GS1 Peru (2016) Wallmart una cadena de suministro increíblemente exitosa: ¿Cómo lo hace? . Recuperado de https://es.linkedin.com/pulse/walmart-una-cadena-de-suministro-incre%C3%ADblemente-exitosa-cdi-gs1-peru

ProjectPro(2018). How Big Data Analysis helped increase Walmart Sales turnover?. Recuperado de https://www.dezyre.com/article/how-big-data-analysis-helped-increase-walmarts-sales-turnover/109

Tentulogo. Wallmart el minorista más poderoso del mundo. Recuperado de https://tentulogo.com/walmart-minorista-mas-poderoso-del-mundo/

Wharton University of Pennsylvania (2003). El Imperio Wallmart: una fórmula sencilla y un crecimiento imparable. Recuperado de https://www.knowledgeatwharton.com.es/article/el-imperio-wal-mart-una-formula-sencilla-y-un-crecimiento-imparable/

domingo, 14 de junio de 2020

Simulación de Montecarlo en R (Introducción)



Este método permite obtener resultados bajo diversos escenarios. Desde problemas cotidianos hasta fallas críticas en los procesos pueden ser anticipados a través de la simulación de Montecarlo.

El modelo se basa en el uso de variables aleatorias (estocásticas) para determinar el comportamiento de un fenómeno, proceso, producto, servicio, entre otros.


La data resulta ser un pilar importante para estudiar y analizar el comportamiento de una población, es por ello que resulta vital obtener datos que puedan ser medibles o contabilizados. Una frase que suelo utilizar es la siguiente: "No se puede mejorar aquello que no se mide."

La opinión o parecer de una persona no es determinante a la hora de afirmar categóricamente sobre un hecho. Son los datos , quizás números fríos los que revelan la situación o resultado de una linea de acciones que ha desarrollado un grupo humano, un proceso, una industria y hasta un país.

La necesidad de contar con data es crucial a la hora de usar modelos matemáticos para predecir el éxito o fracaso de un proyecto y en general de la sociedad.

A continuación se utilizará el software R Studio como herramienta para desarrollar la simulación de Montecarlo, teniendo data colectada en el inicio de este ejemplo.

Peso esperado de ratones


Se ha desarrollado una dieta especial para ratones. Se espera que los ratones adultos obtengan un peso promedio de 26 gramos.



1. En primer lugar se extrae la data almacenada del archivo con extensión CSV (225 datos correspondiente al peso de ratones) (Ítem 1) y se convierte los datos en un vector llamado "peso"  (Ítem 2) 




2. Se crea la función "generator" (Ítem 3) que va a crear la muestra aleatoria con tamaño "n" (por definir)






3. Se crea el parámetro "test" que replicará el modelo (1000) veces , utilizando una muestra de tamaño 30 (Ítem 4) y se grafica los resultados en un histograma con la función hist() (Ítem5)





4. Utilizando una muestra de 30 datos se muestra el Histograma 1





5. Utilizando una muestra de 50 datos se muestra el Histograma 2



6. Utilizando una muestra de 100 datos se muestra el Histograma 3




Como se puede apreciar mientras más datos se utilizan, la distribución de los pesos sigue una curva normal que se acerca al valor de 24 g., lo que indica de forma gráfica que la mayoría de ratones pesa menos de 26 g (Objetivo) e implica modificar la dieta para lograr el objetivo.

Si bien podemos calcular el promedio de los datos de manera directa (23.89 g) este ejemplo introductorio nos señala un principio básico. Tomar una muestra representativa nos ayuda a predecir el comportamiento de la población. Esto claramente lo vemos en el modelo de Montecarlo al replicar 1000 veces la simulación con diferentes tamaños de muestra se observa claramente que mientras el tamaño de la muestra es significativo existe mayor precisión en los datos.

domingo, 19 de enero de 2020

Postponement: Estrategia de Negocios



El Dilema: Flexibilidad vs. Eficiencia


Toda organización debe desarrollar una estrategia que le permita lograr la satisfacción de sus clientes y maximizar su rentabilidad. Sin embargo, lograr ambos objetivos no es una tarea sencilla.


Hoy en día el Cliente demanda un producto o servicio a su medida, es decir que se adapte a sus necesidades y la organización al mismo tiempo busca maximizar su eficiencia a través de la optimización de los costos. A simple vista estos objetivos se contraponen, porque el hecho de producir o brindar servicios personalizados incrementa los tiempos y costos mermando la eficiencia de la organización. Por el contrario, establecer procesos estándares disminuye la posibilidad de error en los procesos y por lo tanto un ahorro significativo, pero a costa de perder flexibilidad en atender las múltiples necesidades del Cliente.

En el siguiente gráfico se compara la capacidad de respuesta a las necesidades del Cliente (flexibilidad) versus la eficiencia (Reducción de costos) de una organización.



El punto donde se ubica la organización indica el nivel de eficiencia y flexibilidad de la empresa para atender las necesidades del Cliente. Como se puede apreciar existe una relación inversa, mientras más alto es el nivel de eficiencia es más bajo la personalización de la atención al Cliente y viceversa.


Esto tiene sentido, si consideramos por ejemplo una clínica especializada en atender enfermedades de la vista, evidentemente la organización atiende a un determinado segmento de clientes que tienen problemas con su visión. La empresa tiene los métodos y la tecnología para atender este tipo de casos y por lo tanto se ha especializado en brindar este tipo de servicio con un tiempo estándar competitivo y un riesgo mínimo de error en su atención. Considerando ello la eficiencia del proceso es muy alta dado que la organización atiende en muchos casos a un tipo de cliente que presenta una historia clínica similar relacionada con problemas de la visión. Sin embargo, si el Cliente presenta otros problemas de salud fuera del alcance de la especialización de la clínica no podrá ser atendido y tendrá que ser derivado a otro establecimiento de salud.

El caso contrario sucede en un hospital que posee salas de operaciones para atender diferentes tipos de casos de pacientes. En este caso el Cliente recibirá una atención a su problema de salud, sin embargo, al hospital al ser un servicio médico de atención a un público general tendrá que atender diferentes tipos de casos a la vez y por lo tanto la historia clínica de cada paciente será muy diferente, lo cual conlleva a disponer de más tiempo y recursos para brindar distintos tratamientos y ejecutar operaciones a un alto costo para la organización. En este caso se cumple con atender el requerimiento del Cliente, pero sacrificando la eficiencia en el proceso.

La organización debe determinar qué estrategia debe seguir para posicionarse en el mercado, ser una organización líder en costos o ser una organización que brinda una atención personalizada al Cliente. El punto en la gráfica de eficiencia versus flexibilidad, donde la organización desea estar es determinado por los Directivos. Hoy en día se busca avanzar manteniendo altos estándares de calidad sin descuidar la atención personalizada que solicita el cliente.

En este contexto surgen algunas alternativas de negocio para lograr una alta estandarización del proceso, pero a la vez ofrecer una rápida respuesta a los diferentes gustos y preferencias del cliente. En este caso hablaremos del “Postponement”.

Postponement

Es una estrategia empresarial orientada a retrasar alguna de las actividades de la cadena de suministros hasta que la demanda del Cliente se concrete, logrando a la vez un mejor control de costos y una mayor velocidad de respuesta a dicha demanda. 


Esta propuesta fue desarrollada por Alderson W. (1957), pero no fue tomada en cuenta hasta las década de los 90 dado que su aplicación requería manejar altos volúmenes de información. Pero hoy en día con la implementación de la internet  y la informática su aplicación se ha hecho extensiva y ha sido desarrollado en diferentes sectores de negocio. Tal es el caso del sector retail de moda.

Caso Zara: Aplicación de la Estrategia de "Postponement"

Zara es una organización del grupo Inditex reconocida mundialmente dentro del sector de fast fashion retail, está claro que para Zara su prioridad es atender la necesidad de sus clientes en el menor tiempo posible ofreciendo productos de calidad alineados con las últimas tendencias de moda.
En el sector de retail moda las tendencias duran corto tiempo y cambian o se renuevan de acuerdo con las preferencias de los clientes. Zara ha comprendido muy bien este contexto es por ello que ha desarrollado la estrategia de "Postponement" en su cadena de suministros.


Zara ha desarrollado el siguiente modelo empresarial:


Donde se puede observar que utiliza la estrategia de empujar “Push” al proceso de diseño de los estilos y prendas de la colección y la fabricación de sus telas.

Sin embargo, pospone el corte, confección y teñido de las prendas al final del proceso de acuerdo a la demanda de los clientes (“Pull”). Esto es interesante porque Zara ha determinado contar desde el principio del año los diseños de su colección y encargado la fabricación de las telas a sus proveedores.


Luego en vez de realizar un análisis micro de cuantas prendas necesito producir para abastecer a cada tienda específica ha realizado una planificación macro de cuanta materia prima (tela) necesita producir para abastecer a todas las tiendas en general. Lo cual ayuda mucho porque al realizar una planificación general el pronóstico es más preciso a la hora de predecir la demanda.


En función a las tendencias, los diseños establecidos y en general por la demanda del cliente, Zara ha automatizado su proceso de corte para minimizar su tiempo de respuesta y lograr obtener las piezas de las prendas en el menor tiempo posible.



Los colores de las prendas que varían con las tendencias, han sido pospuestos al final (Postponement). Zara ha comprendido muy bien que las tendencias de la moda cambian rápidamente.

En un proceso regular la tela es teñida con el color establecido en la ficha de diseño antes de pasar a su proceso de corte, sin embargo Zara ha producido telas con un color neutro para luego de acuerdo a la tendencia, cortar, armar la prenda y teñirla bajo un proceso riguroso que asegure la calidad de sus prendas.

Uno de los problemas en los fabricantes de ropa es asegurar la homogeneidad de la calidad de las telas. Zara ha asegurado la fabricación de telas, bajo un proceso estándar, de acuerdo a la información de sus pronósticos y asegurando que las telas tengan un color neutro para facilitar su posterior teñido en la etapa final.

Apenas las tiendas solicitan prendas para exhibir en sus escaparates para la siguiente temporada, se inicia la máquina de personalización masiva, se corta, confecciona y tiñe las prendas de acuerdo a las diferentes fichas de diseño y se procede con su distribución masiva a todas las tiendas.



El “Postponement” responde de manera exitosa para Zara y otros retailers que lanzan al mercado las últimas tendencias de la moda. Sin embargo, no es la única estrategia que nos permita desarrollar el punto que hablamos al principio “la eficiencia y la flexibilidad”. Los invito a seguir investigando más sobre estrategias para desarrollar y potenciar la estructura de negocios de sus empresas.