[{"data":1,"prerenderedAt":386},["ShallowReactive",2],{"blog-post-overstock-vs-quiebre-priorizar-skus":3,"blog-all":23},{"slug":4,"title":5,"description":6,"category":7,"tags":8,"keywords":12,"relatedSlugs":15,"coverImage":19,"bodyHtml":20,"excerpt":6,"publishedAt":21,"updatedAt":22},"overstock-vs-quiebre-priorizar-skus","Overstock vs quiebre: cómo priorizar SKUs cuando el tiempo no alcanza","Método práctico para priorizar entre riesgo de quiebre y exceso de inventario usando valor, servicio y urgencia.","Inventario",[9,10,11],"overstock","quiebre","priorización",[9,13,14],"stockout","priorizar SKUs inventario",[16,17,18],"de-abc-xyz-a-reposicion-inventario","abc-xyz-politicas-de-stock","15-preguntas-planner-datos-inventario",null,"\u003Cp>Todo planner conoce la parálisis: 500 alertas, 2 horas y un proveedor que llama. La pregunta correcta no es “¿miro todo?” sino \u003Cstrong>“¿qué mueve más riesgo de plata y servicio hoy?”\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Ch2>Dos riesgos distintos\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Riesgo\u003C\u002Fth>\n\u003Cth>Síntoma\u003C\u002Fth>\n\u003Cth>Costo\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd>Quiebre\u003C\u002Ftd>\n\u003Ctd>Stock proyectado < demanda\u003C\u002Ftd>\n\u003Ctd>Venta perdida, urgencias, mala experiencia\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Overstock\u003C\u002Ftd>\n\u003Ctd>Cobertura >> objetivo\u003C\u002Ftd>\n\u003Ctd>Capital, obsolescencia, espacio\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Cp>Optimizar uno destruyendo el otro no es ganar.\u003C\u002Fp>\n\u003Ch2>Matriz de priorización rápida (30 minutos)\u003C\u002Fh2>\n\u003Cp>Ordena excepciones con 4 scores simples (1–5):\u003C\u002Fp>\n\u003Col>\n\u003Cli>\u003Cstrong>Valor ABC\u003C\u002Fstrong> (A=5 … C=1)\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Urgencia de servicio\u003C\u002Fstrong> (días al quiebre)\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Capital atrapado\u003C\u002Fstrong> (excess $)\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Accionabilidad\u003C\u002Fstrong> (¿puedo pedir \u002F transferir \u002F cortar hoy?)\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>Prioridad alta = alto valor + alta urgencia + alta accionabilidad.\u003Cbr \u002F>El excess enorme de un C sin salida fácil puede esperar frente a un A que se quiebra mañana.\u003C\u002Fp>\n\u003Ch2>Playbooks\u003C\u002Fh2>\n\u003Ch3>Ante quiebre inminente (A)\u003C\u002Fh3>\n\u003Col>\n\u003Cli>Confirmar demanda real (¿pico o baseline?)\u003C\u002Fli>\n\u003Cli>Ver stock en otra bodega (transferencia)\u003C\u002Fli>\n\u003Cli>Adelantar OC \u002F partial ship\u003C\u002Fli>\n\u003Cli>Sustituto comercial si existe\u003C\u002Fli>\n\u003Cli>Registrar causa (forecast, lead time, MOQ)\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch3>Ante overstock severo\u003C\u002Fh3>\n\u003Col>\n\u003Cli>Congelar reposición automática\u003C\u002Fli>\n\u003Cli>Transferir a nodos con demanda\u003C\u002Fli>\n\u003Cli>Promo \u002F bundle \u002F outlet\u003C\u002Fli>\n\u003Cli>Negociar devolución o consumo interno\u003C\u002Fli>\n\u003Cli>Ajustar forecast y política para no repetir\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Lo que no debes hacer\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Comprar “un poco más” en todos los B “por el temporal” sin criterio.\u003C\u002Fli>\n\u003Cli>Liquidar A estratégicos solo para bajar días de inventario del KPI mensual.\u003C\u002Fli>\n\u003Cli>Ignorar on-order (el quiebre visual a veces ya está cubierto).\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿Un único ranking sirve?\u003C\u002Fstrong> Sirve para el día a día. Para el mes, separa proyectos de health de catálogo (surtido, discontinuaciones) de la operación táctica.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI concentra alertas de low stock, excess y sugeridos en un flujo priorizable, para que el planner trabaje excepciones — no el catálogo completo.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fde-abc-xyz-a-reposicion-inventario\">Guía ABC → reposición\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002F15-preguntas-planner-datos-inventario\">15 preguntas de un planner\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fkpis-inventario-para-el-cfo\">KPIs para el CFO\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.764Z","2026-07-24T19:40:37.766Z",[24,44,61,77,94,113,128,144,159,173,189,202,217,231,246,261,275,289,305,318,322,335,349,362,373],{"slug":25,"title":26,"description":27,"category":28,"tags":29,"keywords":33,"relatedSlugs":37,"coverImage":19,"bodyHtml":41,"excerpt":27,"publishedAt":42,"updatedAt":43},"disrupciones-logisticas-ajustar-stock-forecast","Disrupciones logísticas: cómo ajustar stock y forecast en 72 horas","Guía accionable ante temporales, obstrucción de rutas o shocks de combustibles: qué tocar en forecast, SS, ROP y priorización ABC.","Contingencia",[30,31,32],"contingencia","logística","disrupción",[34,35,36],"disrupciones logísticas inventario","ajustar stock temporal","crise supply chain",[38,39,4,40],"lead-time-cobertura-stock","stock-seguridad-punto-reorden-rop","checklist-sop-semanal-forecast","\u003Cp>Temporales, cortes de ruta, congestión portuaria o alzas bruscas de combustibles tienen el mismo efecto operativo: \u003Cstrong>el lead time y el costo de servir dejan de ser los de ayer\u003C\u002Fstrong>. La respuesta no es “comprar de todo”.\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cp>Pieza evergreen con gancho de contingencia. Actualiza el párrafo de contexto con la señal de la semana cuando la republishes o derives un post nuevo.\u003C\u002Fp>\n\u003C\u002Fblockquote>\n\u003Ch2>Marco de las 72 horas\u003C\u002Fh2>\n\u003Ch3>Hora 0–6 — Triage\u003C\u002Fh3>\n\u003Col>\n\u003Cli>¿Qué rutas\u002Fnodos\u002Fproveedores están afectados?\u003C\u002Fli>\n\u003Cli>¿El shock es de \u003Cstrong>oferta\u003C\u002Fstrong> (no llega), \u003Cstrong>demanda\u003C\u002Fstrong> (compra de pánico) o ambos?\u003C\u002Fli>\n\u003Cli>Lista SKUs A y críticos en la red impactada.\u003C\u002Fli>\n\u003Cli>Congela reposición automática solo donde el dato de LT esté roto.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch3>Hora 6–24 — Parámetros\u003C\u002Fh3>\n\u003Cul>\n\u003Cli>Sube lead time observado (o p80) en nodos afectados.\u003C\u002Fli>\n\u003Cli>Recalcula ROP\u002FSS \u003Cstrong>selectivo\u003C\u002Fstrong> (A\u002FZ y críticos), no catálogo completo.\u003C\u002Fli>\n\u003Cli>Activa escenario downside\u002Fupside según el caso (p. ej. demanda de pan\u002Fagua vs caída de durables).\u003C\u002Fli>\n\u003Cli>Identifica transferencias internas posibles antes de importar\u002Furgente.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3>Hora 24–72 — Ejecución y comunicación\u003C\u002Fh3>\n\u003Cul>\n\u003Cli>Aprueba OC\u002Ftransferencias priorizadas.\u003C\u002Fli>\n\u003Cli>Comunica a comercial qué SKUs tienen riesgo de servicio.\u003C\u002Fli>\n\u003Cli>Define trigger de vuelta a la normalidad (LT estable X días).\u003C\u002Fli>\n\u003Cli>Documenta post-mortem corto (qué se tocó y por qué).\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Petróleo y combustibles (shock de costo)\u003C\u002Fh2>\n\u003Cp>No siempre quiebra stock; a veces cambia la \u003Cstrong>economía del pedido\u003C\u002Fstrong>:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Revisar frecuencia de despacho vs tamaño de lote\u003C\u002Fli>\n\u003Cli>Consolidar cargas donde el servicio A lo permita\u003C\u002Fli>\n\u003Cli>Evitar micro-pedidos que multiplican flete\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Lo que no hacer\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Inflar SS global “por el temporal”\u003C\u002Fli>\n\u003Cli>Dejar el LT de emergencia eterno\u003C\u002Fli>\n\u003Cli>Mezclar en el baseline un pico de compra de pánico sin flag\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Checklist exportable\u003C\u002Fh2>\n\u003Cul>\n\u003Cli> Nodos afectados mapeados\u003C\u002Fli>\n\u003Cli> LT temporal actualizado\u003C\u002Fli>\n\u003Cli> A\u002Fcríticos priorizados\u003C\u002Fli>\n\u003Cli> Escenario oficial declarado\u003C\u002Fli>\n\u003Cli> Trigger de rollback\u003C\u002Fli>\n\u003Cli> Post-mortem con dueño\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿Esto reemplaza un BCP formal?\u003C\u002Fstrong> No. Es el playbook táctico de planning mientras corre el BCP\u002Fcrisis.\u003C\u002Fp>\n\u003Ch2>Tabla de respuesta por tipo de shock\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Shock\u003C\u002Fth>\n\u003Cth>Primero toca\u003C\u002Fth>\n\u003Cth>Segundo\u003C\u002Fth>\n\u003Cth>Evitar\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd>Rutas \u002F temporal\u003C\u002Ftd>\n\u003Ctd>LT nodos afectados\u003C\u002Ftd>\n\u003Ctd>Transferencias red\u003C\u002Ftd>\n\u003Ctd>SS global\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Puerto \u002F aduana\u003C\u002Ftd>\n\u003Ctd>LT importados A\u003C\u002Ftd>\n\u003Ctd>Escenario downside oferta\u003C\u002Ftd>\n\u003Ctd>Comprar C “por si acaso”\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Combustible\u003C\u002Ftd>\n\u003Ctd>Economía de pedido \u002F flete\u003C\u002Ftd>\n\u003Ctd>Consolidación\u003C\u002Ftd>\n\u003Ctd>Ignorar costo total\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Compra de pánico demanda\u003C\u002Ftd>\n\u003Ctd>Escenario demanda + flags\u003C\u002Ftd>\n\u003Ctd>Cupos a retail crítico\u003C\u002Ftd>\n\u003Ctd>Contaminar baseline\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>FX brusco\u003C\u002Ftd>\n\u003Ctd>Costo reposicion importados\u003C\u002Ftd>\n\u003Ctd>Priorizar A margen\u003C\u002Ftd>\n\u003Ctd>Congelar todo el plan\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>Mensaje tipo a comercial (plantilla)\u003C\u002Fh2>\n\u003Cblockquote>\n\u003Cp>“Por disrupción en [nodo\u002Fruta] (reportes al [fecha]), el lead time de [familia] pasa de X a Y días estimados. Priorizaremos servicio en SKUs A. Estos códigos tienen riesgo: [lista]. Triggers de normalización: LT estable 5 días hábiles.”\u003C\u002Fp>\n\u003C\u002Fblockquote>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI permite recalcular necesidades y priorizar excepciones cuando cambian lead times o escenarios — y usar analistas virtuales para responder rápido qué A están en riesgo.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Flead-time-cobertura-stock\">Lead time y cobertura\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fstock-seguridad-punto-reorden-rop\">ROP y SS\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fchecklist-sop-semanal-forecast\">Checklist S&OP\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Foverstock-vs-quiebre-priorizar-skus\">Overstock vs quiebre\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.883Z","2026-07-24T19:40:37.884Z",{"slug":38,"title":45,"description":46,"category":7,"tags":47,"keywords":51,"relatedSlugs":55,"coverImage":19,"bodyHtml":58,"excerpt":46,"publishedAt":59,"updatedAt":60},"Lead time y cobertura de stock: cómo dimensionar sin adivinar","Relación entre lead time real, cobertura y stock de seguridad, con reglas prácticas para no sobre-stockear.",[48,49,50],"lead time","cobertura","stock",[52,53,54],"lead time inventario","días de cobertura","cobertura de stock",[39,56,57],"inventario-multi-bodega-errores-latam","de-forecast-a-plan-abastecimiento","\u003Cp>La cobertura (días de stock) sin lead time es un número cosmético. La cobertura correcta parte de \u003Cstrong>cuánto tarda reponer de verdad\u003C\u002Fstrong>.\u003C\u002Fp>\n\u003Ch2>Lead time que debes medir\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Lead time proveedor (PO → recepción)\u003C\u002Fli>\n\u003Cli>Lead time interno (CD → sucursal)\u003C\u002Fli>\n\u003Cli>Lead time administrativo (aprobaciones)\u003C\u002Fli>\n\u003Cli>Variabilidad (p50 vs p90), no solo el promedio\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>El lead time del contrato es una hipótesis. El lead time observado es la operación.\u003C\u002Fp>\n\u003Ch2>Cobertura mínima conceptual\u003C\u002Fh2>\n\u003Cp>Cobertura relevante ≈ demanda durante lead time + buffer de incertidumbre (SS) − lo ya pedido.\u003C\u002Fp>\n\u003Cp>Si tu cobertura objetivo es 45 días pero el lead time es 10 y la demanda es estable, probablemente estás financiando ineficiencia.\u003C\u002Fp>\n\u003Ch2>Reglas prácticas\u003C\u002Fh2>\n\u003Col>\n\u003Cli>Actualiza lead times desde recepciones reales cada mes.\u003C\u002Fli>\n\u003Cli>Usa p80\u002Fp90 de lead time para A críticos, no el promedio optimista.\u003C\u002Fli>\n\u003Cli>Separa cobertura \u003Cstrong>de red\u003C\u002Fstrong> vs cobertura \u003Cstrong>local\u003C\u002Fstrong>.\u003C\u002Fli>\n\u003Cli>Cuando el lead time se estira (contingencia), sube SS selectivo — no la cobertura de todo el catálogo.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Ejemplo\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Demanda: 50 u\u002Fdía\u003C\u002Fli>\n\u003Cli>Lead time p80: 12 días → 600 u\u003C\u002Fli>\n\u003Cli>SS: 150 u\u003C\u002Fli>\n\u003Cli>Necesidad de posición: ~750 u\u003Cbr \u002F>Si tienes 400 u on-hand + 200 on-order = 600 → aún faltan ~150.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿Cobertura fija por categoría?\u003C\u002Fstrong> Solo como punto de partida. La madurez es cobertura derivada de demanda + LT + servicio objetivo.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI incorpora lead times y parámetros de supply en el cálculo de necesidades, y facilita ajustes cuando la contingencia cambia el LT real.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fstock-seguridad-punto-reorden-rop\">ROP y stock de seguridad\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Finventario-multi-bodega-errores-latam\">Multi-bodega\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fdisrupciones-logisticas-ajustar-stock-forecast\">Disrupciones logísticas\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.876Z","2026-07-24T19:40:37.877Z",{"slug":62,"title":63,"description":64,"category":7,"tags":65,"keywords":69,"relatedSlugs":72,"coverImage":19,"bodyHtml":74,"excerpt":64,"publishedAt":75,"updatedAt":76},"errores-al-implementar-abc","Errores al implementar un análisis ABC (y cómo evitarlos)","Los fallos más comunes al implementar ABC en inventario y cómo convertir la clasificación en políticas reales.",[66,67,68],"ABC","errores","implementación",[70,71],"errores análisis ABC","implementar ABC inventarios",[73,17,16],"analisis-abc-inventarios-paso-a-paso","\u003Ch2>1. Quedarse en el gráfico\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>Síntoma:\u003C\u002Fstrong> pastel en PowerPoint, cero cambio en OC.\u003Cbr \u002F>\u003Cstrong>Fix:\u003C\u002Fstrong> políticas por clase + dueño + fecha de revisión.\u003C\u002Fp>\n\u003Ch2>2. Usar el período equivocado\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>Síntoma:\u003C\u002Fstrong> un mes de liquidación convierte basura en A.\u003Cbr \u002F>\u003Cstrong>Fix:\u003C\u002Fstrong> 6–12 meses, o período comparable; marca eventos.\u003C\u002Fp>\n\u003Ch2>3. Ignorar multi-centro\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>Síntoma:\u003C\u002Fstrong> A nacional que es irrelevante en un CD.\u003Cbr \u002F>\u003Cstrong>Fix:\u003C\u002Fstrong> ABC a nivel SKU-centro cuando operas red.\u003C\u002Fp>\n\u003Ch2>4. Reclasificar cada semana\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>Síntoma:\u003C\u002Fstrong> churn de clases, planners confundidos.\u003Cbr \u002F>\u003Cstrong>Fix:\u003C\u002Fstrong> mensual\u002Ftrimestral + clase transitoria para nuevos.\u003C\u002Fp>\n\u003Ch2>5. Tratar críticos como C\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>Síntoma:\u003C\u002Fstrong> quiebre “barato” que detiene línea o contrato.\u003Cbr \u002F>\u003Cstrong>Fix:\u003C\u002Fstrong> flag de criticidad por encima del ABC.\u003C\u002Fp>\n\u003Ch2>6. No cruzar con XYZ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>Síntoma:\u003C\u002Fstrong> mismo SS para A estable y A errático.\u003Cbr \u002F>\u003Cstrong>Fix:\u003C\u002Fstrong> matriz ABC\u002FXYZ con buffers distintos.\u003C\u002Fp>\n\u003Ch2>7. No medir adopción\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>Síntoma:\u003C\u002Fstrong> “tenemos ABC” pero nadie filtra por A en el día a día.\u003Cbr \u002F>\u003Cstrong>Fix:\u003C\u002Fstrong> % de tiempo\u002FOC\u002Falertas enfocadas en A.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI evita el ABC decorativo al conectarlo con alertas, parámetros y sugeridos de supply.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fanalisis-abc-inventarios-paso-a-paso\">ABC paso a paso\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fabc-xyz-politicas-de-stock\">Políticas ABC\u002FXYZ\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fde-abc-xyz-a-reposicion-inventario\">Guía completa\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.871Z","2026-07-24T19:40:37.872Z",{"slug":78,"title":79,"description":80,"category":7,"tags":81,"keywords":85,"relatedSlugs":89,"coverImage":19,"bodyHtml":91,"excerpt":80,"publishedAt":92,"updatedAt":93},"kpis-inventario-para-el-cfo","KPIs de inventario que importan al CFO","Indicadores de inventario en lenguaje financiero: capital de trabajo, excess, DOH, servicio y el trade-off correcto.",[82,83,84],"CFO","KPIs","capital de trabajo",[86,87,88],"KPIs inventario","días de inventario","capital de trabajo stock",[4,16,90],"caso-ecommerce-servicio-vs-capital-trabajo","\u003Cp>El CFO no necesita 40 métricas de warehouse. Necesita saber si el inventario \u003Cstrong>financia crecimiento o esconde ineficiencia\u003C\u002Fstrong>.\u003C\u002Fp>\n\u003Ch2>Tablero corto (6 métricas)\u003C\u002Fh2>\n\u003Col>\n\u003Cli>\u003Cstrong>Inventario $\u003C\u002Fstrong> (y variación MoM)\u003C\u002Fli>\n\u003Cli>\u003Cstrong>DOH \u002F días de cobertura\u003C\u002Fstrong> (idealmente por ABC)\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Excess $\u003C\u002Fstrong> (sobre política)\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Fill rate \u002F OTIF\u003C\u002Fstrong> (servicio que sostiene ingreso)\u003C\u002Fli>\n\u003Cli>\u003Cstrong>GMROI o margen sobre inventario\u003C\u002Fstrong> (si aplica)\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Obsolescencia \u002F merma $\u003C\u002Fstrong>\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>El trade-off que debes hacer explícito\u003C\u002Fh2>\n\u003Cp>Bajar inventario a costa de fill rate A es una victoria falsa: pierdes venta y generas costos ocultos (urgencias, fletes, reputación).\u003C\u002Fp>\n\u003Cp>Presenta siempre \u003Cstrong>pares\u003C\u002Fstrong>: servicio A + excess $, no uno solo.\u003C\u002Fp>\n\u003Ch2>Preguntas que el CFO debería hacer\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>¿Qué % del inventario está fuera de política?\u003C\u002Fli>\n\u003Cli>¿Cuánto excess es accionable este mes (transferir\u002Fliquidar)?\u003C\u002Fli>\n\u003Cli>¿El forecast tiene sesgo que esté comprando de más?\u003C\u002Fli>\n\u003Cli>¿Qué parte del DOH es lead time estructural vs ineficiencia?\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿Por qué no solo “rotación”?\u003C\u002Fstrong> La rotación global esconde el head sano y la cola enferma. Parte siempre el KPI.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI conecta señales operativas de supply con lectura de valor y riesgo, facilitando la conversación entre operaciones y finanzas.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Foverstock-vs-quiebre-priorizar-skus\">Overstock vs quiebre\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fcaso-ecommerce-servicio-vs-capital-trabajo\">Caso ecommerce\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fde-abc-xyz-a-reposicion-inventario\">Guía ABC → reposición\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.866Z","2026-07-24T19:40:37.867Z",{"slug":40,"title":95,"description":96,"category":97,"tags":98,"keywords":102,"relatedSlugs":106,"coverImage":19,"bodyHtml":110,"excerpt":96,"publishedAt":111,"updatedAt":112},"Checklist S&OP semanal para forecast (45 minutos)","Agenda lista para usar: ritual semanal de forecast y excepciones de supply en 45 minutos.","Demanda",[99,100,101],"S&OP","checklist","forecast",[103,104,105],"S&OP semanal","checklist forecast","reunión demanda",[107,108,109],"planificacion-demanda-retail-manufactura","acortar-ciclo-revision-forecast-con-ia","escenarios-demanda-baseline-promo-downside","\u003Cp>Usa esta agenda tal cual. Si dura más de 45–60 minutos, estás revisando de más o llegaste sin pre-brief.\u003C\u002Fp>\n\u003Ch2>Antes (automático o analista)\u003C\u002Fh2>\n\u003Cul>\n\u003Cli> Top 10 sesgos por familia\u002Fcentro\u003C\u002Fli>\n\u003Cli> Outliers A sin resolución\u003C\u002Fli>\n\u003Cli> Variables externas próximas (14–28 días)\u003C\u002Fli>\n\u003Cli> Quiebres A proyectados\u003C\u002Fli>\n\u003Cli> Excess $ top 10\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Minuto 0–10 — Snapshot\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Servicio A vs objetivo\u003C\u002Fli>\n\u003Cli>WAPE\u002Fsesgo vs semana anterior\u003C\u002Fli>\n\u003Cli>Semáforo de inbound crítico\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Minuto 10–25 — Decisiones de demanda\u003C\u002Fh2>\n\u003Cul>\n\u003Cli> Aprobar \u002F rechazar outliers materiales\u003C\u002Fli>\n\u003Cli> Confirmar variables promo\u002Fferiado\u003C\u002Fli>\n\u003Cli> Elegir escenario oficial del ciclo\u003C\u002Fli>\n\u003Cli> Registrar overrides con dueño\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Minuto 25–40 — Puente a supply\u003C\u002Fh2>\n\u003Cul>\n\u003Cli> Sugeridos A que requieren aprobación\u003C\u002Fli>\n\u003Cli> Transferencias red obvias\u003C\u002Fli>\n\u003Cli> Cambios de lead time proveedor\u003C\u002Fli>\n\u003Cli> Congelar reposición en excess severo\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Minuto 40–45 — Cierre\u003C\u002Fh2>\n\u003Cul>\n\u003Cli> Publicar forecast oficial (versión)\u003C\u002Fli>\n\u003Cli> Lista de acciones con dueño y fecha\u003C\u002Fli>\n\u003Cli> Triggers para reabrir escenario\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Reglas de higiene\u003C\u002Fh2>\n\u003Col>\n\u003Cli>Sin dato, no hay debate eterno: se asigna tarea.\u003C\u002Fli>\n\u003Cli>No se discuten SKUs C salvo excepción material.\u003C\u002Fli>\n\u003Cli>Toda cifra citada tiene fuente del sistema.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI soporta este ritual con proceso de forecast, excepciones y analistas que preparan el pre-brief.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fplanificacion-demanda-retail-manufactura\">Guía de demanda\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Facortar-ciclo-revision-forecast-con-ia\">Acortar review con IA\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fescenarios-demanda-baseline-promo-downside\">Escenarios\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.861Z","2026-07-24T19:40:37.862Z",{"slug":90,"title":114,"description":115,"category":116,"tags":117,"keywords":120,"relatedSlugs":123,"coverImage":19,"bodyHtml":125,"excerpt":115,"publishedAt":126,"updatedAt":127},"Caso: ecommerce — equilibrar servicio y capital de trabajo","Caso anónimo de ecommerce: cómo priorizar el head del catálogo y sanear la long-tail para liberar capital sin matar disponibilidad.","Casos",[118,119,84],"caso de éxito","ecommerce",[121,88,122],"caso inventario ecommerce","long tail ecommerce",[124,4,78],"optimizar-stock-ecommerce","\u003Cblockquote>\n\u003Cp>Caso \u003Cstrong>anónimo\u003C\u002Fstrong>. Métricas ilustrativas.\u003C\u002Fp>\n\u003C\u002Fblockquote>\n\u003Ch2>Contexto\u003C\u002Fh2>\n\u003Cp>Operador ecommerce con catálogo amplio, picos de campaña y mix de fulfillment propio + marketplace. El KPI de disponibilidad empujaba a sobre-stockear la cola; finanzas veía días de inventario crecientes.\u003C\u002Fp>\n\u003Ch2>Dolor\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Fill rate del head insuficiente en campañas\u003C\u002Fli>\n\u003Cli>Inventario $ concentrado en SKUs de baja rotación\u003C\u002Fli>\n\u003Cli>Compras reactivas post-stockout\u003C\u002Fli>\n\u003Cli>Poca lectura de excess accionable (transferir\u002Fliquidar\u002Fdeslistar)\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Enfoque\u003C\u002Fh2>\n\u003Col>\n\u003Cli>Segmentación head \u002F long-tail con ABC y reglas distintas.\u003C\u002Fli>\n\u003Cli>Escenarios para campañas mayores.\u003C\u002Fli>\n\u003Cli>Congelar reposición automática en excess severo.\u003C\u002Fli>\n\u003Cli>Priorización semanal de excepciones A.\u003C\u002Fli>\n\u003Cli>Tablero CFO: excess $, DOH, sell-through cola.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Resultados ilustrativos\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Indicador\u003C\u002Fth>\n\u003Cth>Dirección\u003C\u002Fth>\n\u003Cth>Orden de magnitud\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd>Disponibilidad top sellers en campaña\u003C\u002Ftd>\n\u003Ctd>Mejora\u003C\u002Ftd>\n\u003Ctd>+3 a +8 pts\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Inventario en SKUs >90 días sin venta\u003C\u002Ftd>\n\u003Ctd>Baja\u003C\u002Ftd>\n\u003Ctd>−15% a −35%\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Compras urgentes\u003C\u002Ftd>\n\u003Ctd>Baja\u003C\u002Ftd>\n\u003Ctd>material\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Ciclo de revisión\u003C\u002Ftd>\n\u003Ctd>Más corto\u003C\u002Ftd>\n\u003Ctd>focus en excepciones\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>Aprendizajes\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>“Tener de todo” era el enemigo del servicio en lo que sí importa.\u003C\u002Fli>\n\u003Cli>El CFO se alineó cuando vio excess en $ y no solo en unidades.\u003C\u002Fli>\n\u003Cli>La política de desliste fue tan importante como la de compra.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI permite a equipos ecommerce\u002Fomnichannel priorizar reposición por valor y riesgo, con soporte de IA para preguntas operativas.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Foptimizar-stock-ecommerce\">Optimizar stock en ecommerce\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fkpis-inventario-para-el-cfo\">KPIs para el CFO\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Foverstock-vs-quiebre-priorizar-skus\">Overstock vs quiebre\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.855Z","2026-07-24T19:40:37.856Z",{"slug":129,"title":130,"description":131,"category":116,"tags":132,"keywords":135,"relatedSlugs":139,"coverImage":19,"bodyHtml":141,"excerpt":131,"publishedAt":142,"updatedAt":143},"caso-alimentos-manufactura-forecast-abastecimiento","Caso: alimentos y manufactura — forecast conectado a abastecimiento","Caso anónimo en alimentos\u002Fmanufactura: escenarios de demanda, vida útil y reposición alineada a producción y compra.",[118,133,134],"alimentos","manufactura",[136,137,138],"caso forecast alimentos","caso MPS demanda","perecederos supply",[140,109,107],"stock-perecederos-vencimiento-lotes","\u003Cblockquote>\n\u003Cp>Caso \u003Cstrong>anónimo\u003C\u002Fstrong>. Métricas ilustrativas. Ajustar con datos reales bajo NDA\u002Fpermiso.\u003C\u002Fp>\n\u003C\u002Fblockquote>\n\u003Ch2>Contexto\u003C\u002Fh2>\n\u003Cp>Empresa de alimentos con mix de productos de vida útil limitada, demanda estacional y presión por merma. El plan de demanda existía, pero llegaba tarde o desalineado a compra\u002Fproducción.\u003C\u002Fp>\n\u003Ch2>Dolor\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Mermas por sobre-cobertura\u003C\u002Fli>\n\u003Cli>Quiebres en campañas y temporadas\u003C\u002Fli>\n\u003Cli>Ajustes de forecast sin trazabilidad\u003C\u002Fli>\n\u003Cli>Escasa separación baseline vs promo\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Enfoque\u003C\u002Fh2>\n\u003Col>\n\u003Cli>Forecast con horizonte alineado a lead time de MP\u002FPT.\u003C\u002Fli>\n\u003Cli>Variables externas para campañas y calendario.\u003C\u002Fli>\n\u003Cli>Escenarios baseline \u002F upside \u002F downside con triggers.\u003C\u002Fli>\n\u003Cli>Revisión de outliers antes del cutoff.\u003C\u002Fli>\n\u003Cli>Políticas de cobertura cortas en short-life + priorización FEFO operativa.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Resultados ilustrativos\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Indicador\u003C\u002Fth>\n\u003Cth>Dirección\u003C\u002Fth>\n\u003Cth>Orden de magnitud\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd>Merma por vencimiento\u003C\u002Ftd>\n\u003Ctd>Baja\u003C\u002Ftd>\n\u003Ctd>−8% a −20%\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>OTIF interno a despacho\u003C\u002Ftd>\n\u003Ctd>Mejora\u003C\u002Ftd>\n\u003Ctd>+3 a +7 pts\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Rework de plan semanal\u003C\u002Ftd>\n\u003Ctd>Baja\u003C\u002Ftd>\n\u003Ctd>menos ciclos de emergencia\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Claridad de ownership\u003C\u002Ftd>\n\u003Ctd>Mejora\u003C\u002Ftd>\n\u003Ctd>forecast oficial por ciclo\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>Aprendizajes\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>En perecederos, \u003Cstrong>equivocarse rápido y corregir\u003C\u002Fstrong> supera a coberturas largas “seguras”.\u003C\u002Fli>\n\u003Cli>Los escenarios evitaron comprar todo el upside el día 1.\u003C\u002Fli>\n\u003Cli>La trazabilidad de ajustes bajó la política de culpas en la reunión.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI habilita forecast como proceso con variables, escenarios y puente a decisiones de abastecimiento — crítico en categorías con frescura y estacionalidad.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fstock-perecederos-vencimiento-lotes\">Stock de perecederos\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fescenarios-demanda-baseline-promo-downside\">Escenarios de demanda\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fplanificacion-demanda-retail-manufactura\">Guía de demanda\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.850Z","2026-07-24T19:40:37.851Z",{"slug":145,"title":146,"description":147,"category":116,"tags":148,"keywords":151,"relatedSlugs":155,"coverImage":19,"bodyHtml":156,"excerpt":147,"publishedAt":157,"updatedAt":158},"caso-retail-distribucion-menos-quiebre-exceso","Caso: retail y distribución — menos quiebre y menos exceso","Caso anónimo de distribución retail en LATAM: cómo un proceso de forecast + reposición priorizada mejoró servicio y capital de trabajo.",[118,149,150],"retail","distribución",[152,153,154],"caso éxito inventario","caso forecast retail","reducción quiebres",[57,4,16],"\u003Cblockquote>\n\u003Cp>Caso \u003Cstrong>anónimo\u003C\u002Fstrong>. Métricas ilustrativas basadas en patrones típicos de implementación. Reemplazar con cifras auditadas cuando haya permiso de cliente.\u003C\u002Fp>\n\u003C\u002Fblockquote>\n\u003Ch2>Contexto\u003C\u002Fh2>\n\u003Cp>Distribuidor retail en LATAM con catálogo amplio, múltiples centros y fuerte dependencia de Excel para reposición. El equipo vivía apagando incendios: urgencias de compra y, al mismo tiempo, bodegas con excess visible.\u003C\u002Fp>\n\u003Ch2>Dolor\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Quiebres recurrentes en SKUs A de alta rotación\u003C\u002Fli>\n\u003Cli>Capital atrapado en cola larga\u003C\u002Fli>\n\u003Cli>Forecast informal (juicio + histórico sin gobernanza)\u003C\u002Fli>\n\u003Cli>Difícil priorizar qué revisar cada semana\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Enfoque\u003C\u002Fh2>\n\u003Col>\n\u003Cli>Congelar ventas y stock por SKU-centro como fuente de verdad.\u003C\u002Fli>\n\u003Cli>Publicar baseline de demanda y métricas de error por ABC.\u003C\u002Fli>\n\u003Cli>Clasificación ABC\u002FXYZ con políticas de cobertura distintas.\u003C\u002Fli>\n\u003Cli>Sugeridos de reposición con flujo de aprobación.\u003C\u002Fli>\n\u003Cli>Ritual semanal de excepciones (no de catálogo completo).\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Resultados ilustrativos (6–9 meses)\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Indicador\u003C\u002Fth>\n\u003Cth>Dirección\u003C\u002Fth>\n\u003Cth>Orden de magnitud\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd>Fill rate SKUs A\u003C\u002Ftd>\n\u003Ctd>Mejora\u003C\u002Ftd>\n\u003Ctd>+2 a +5 pts\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Excess value\u003C\u002Ftd>\n\u003Ctd>Baja\u003C\u002Ftd>\n\u003Ctd>−10% a −25%\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Urgencias de compra\u003C\u002Ftd>\n\u003Ctd>Baja\u003C\u002Ftd>\n\u003Ctd>−30% a −50%\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Tiempo de review semanal\u003C\u002Ftd>\n\u003Ctd>Baja\u003C\u002Ftd>\n\u003Ctd>de horas a <60 min\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>Aprendizajes\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>El valor no vino de “un modelo más complejo”, sino del \u003Cstrong>puente forecast → sugerido\u003C\u002Fstrong>.\u003C\u002Fli>\n\u003Cli>La adopción del flujo de aprobación importó más que la precisión decimal del forecast.\u003C\u002Fli>\n\u003Cli>Multi-bodega sin reglas de transferencia dejaba valor sobre la mesa.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>CTA\u003C\u002Fh2>\n\u003Cp>Si tu operación se parece a este punto de partida, el siguiente paso es un diagnóstico con tus datos.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI implementa este tipo de ciclo en una sola plataforma: demanda, supply e IA para excepciones.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fde-forecast-a-plan-abastecimiento\">De forecast a abastecimiento\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Foverstock-vs-quiebre-priorizar-skus\">Overstock vs quiebre\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fde-abc-xyz-a-reposicion-inventario\">Guía ABC → reposición\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.842Z","2026-07-24T19:40:37.843Z",{"slug":108,"title":160,"description":161,"category":162,"tags":163,"keywords":165,"relatedSlugs":168,"coverImage":19,"bodyHtml":170,"excerpt":161,"publishedAt":171,"updatedAt":172},"Cómo acortar el ciclo de revisión de forecast con IA","Método para reducir horas de forecast review usando excepciones, outliers y asistentes de IA sin perder gobernanza.","IA",[162,164,99],"forecast review",[166,164,167],"revisión forecast IA","S&OP IA",[107,169,40],"analista-virtual-inventario-que-puede-hacer","\u003Cp>El forecast review se infla porque el equipo mira \u003Cstrong>demasiado catálogo\u003C\u002Fstrong> y demasiado poco \u003Cstrong>riesgo\u003C\u002Fstrong>. La IA ayuda cuando cambia el objeto de trabajo: de “revisar todo” a “resolver excepciones”.\u003C\u002Fp>\n\u003Ch2>De 3 horas a 45 minutos (diseño)\u003C\u002Fh2>\n\u003Ch3>Antes\u003C\u002Fh3>\n\u003Cul>\n\u003Cli>Pivot infinito en Excel\u003C\u002Fli>\n\u003Cli>Debate sin métricas\u003C\u002Fli>\n\u003Cli>Ajustes sin traza\u003C\u002Fli>\n\u003Cli>Corte de reunión sin forecast oficial\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3>Después\u003C\u002Fh3>\n\u003Col>\n\u003Cli>Pre-brief automático: top sesgos, outliers A, variables activas.\u003C\u002Fli>\n\u003Cli>Agenda fija (ver checklist S&OP).\u003C\u002Fli>\n\u003Cli>Decisiones solo sobre excepciones materialidad alta.\u003C\u002Fli>\n\u003Cli>Publicación de forecast oficial versionado.\u003C\u002Fli>\n\u003Cli>Lista de acciones a supply (qué parámetros\u002FOC mueven).\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Dónde poner IA\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Momento\u003C\u002Fth>\n\u003Cth>Uso de IA\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd>Pre-meeting\u003C\u002Ftd>\n\u003Ctd>Resumen de excepciones\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Durante\u003C\u002Ftd>\n\u003Ctd>Explicar un outlier \u002F simular impacto\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Post\u003C\u002Ftd>\n\u003Ctd>Redactar minutas y dueños\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Continuo\u003C\u002Ftd>\n\u003Ctd>Responder preguntas ad hoc del planner\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>Gobernanza que no debes soltar\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Quién aprueba overrides\u003C\u002Fli>\n\u003Cli>Cutoff del ciclo\u003C\u002Fli>\n\u003Cli>Métrica FVA (¿el humano aportó?)\u003C\u002Fli>\n\u003Cli>Separación baseline vs variables\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿La IA elimina la reunión?\u003C\u002Fstrong> No. Elimina la reunión-teatro. Deja una reunión de decisiones.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI combina proceso de forecast, outliers y analistas virtuales para que la revisión semanal sea corta, trazable y conectada a supply.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fchecklist-sop-semanal-forecast\">Checklist S&OP semanal\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fanalista-virtual-inventario-que-puede-hacer\">Analista virtual\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fplanificacion-demanda-retail-manufactura\">Guía de demanda\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.835Z","2026-07-24T19:40:37.837Z",{"slug":18,"title":174,"description":175,"category":162,"tags":176,"keywords":180,"relatedSlugs":184,"coverImage":19,"bodyHtml":186,"excerpt":175,"publishedAt":187,"updatedAt":188},"15 preguntas que un planner debería poder hacerle a sus datos","Lista práctica de preguntas de inventario y demanda para evaluar madurez analítica o un analista virtual.",[177,178,179],"planner","preguntas","inventario",[181,182,183],"preguntas planner inventario","analítica inventarios","excepciones stock",[169,4,185],"forecast-demanda-mape-sesgo-accuracy","\u003Cp>Si tu stack no puede responder estas preguntas en minutos, tienes un problema de \u003Cstrong>acceso a decisión\u003C\u002Fstrong>, no solo de “modelo”.\u003C\u002Fp>\n\u003Ch2>Quiebre y servicio\u003C\u002Fh2>\n\u003Col>\n\u003Cli>¿Qué SKUs A se quiebran en los próximos 14 días por centro?\u003C\u002Fli>\n\u003Cli>¿Cuánto $ de venta está en riesgo esta semana?\u003C\u002Fli>\n\u003Cli>¿Qué quiebres son por lead time vs por sub-forecast vs por MOQ?\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Excess y capital\u003C\u002Fh2>\n\u003Col>\n\u003Cli>¿Cuáles son los 20 SKUs con más excess $ y por qué?\u003C\u002Fli>\n\u003Cli>¿Qué excess se puede transferir hoy a otro nodo con demanda?\u003C\u002Fli>\n\u003Cli>¿Qué % del inventario no rota en 90 días?\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Forecast\u003C\u002Fh2>\n\u003Col>\n\u003Cli>¿Dónde está el sesgo más fuerte este mes (familia\u002Fcentro)?\u003C\u002Fli>\n\u003Cli>¿Qué outliers A todavía no tienen resolución?\u003C\u002Fli>\n\u003Cli>¿Qué variables externas están activas la próxima quincena?\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Parámetros y proveedores\u003C\u002Fh2>\n\u003Col>\n\u003Cli>¿Qué SKUs tienen SS o ROP sin revisar hace >90 días?\u003C\u002Fli>\n\u003Cli>¿En qué proveedores el lead time real supera al teórico?\u003C\u002Fli>\n\u003Cli>¿Qué sugeridos críticos están esperando aprobación?\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Escenarios \u002F contingencia\u003C\u002Fh2>\n\u003Col>\n\u003Cli>Si el lead time sube 7 días, ¿qué A se quiebran?\u003C\u002Fli>\n\u003Cli>Si corto 20% el upside de promo, ¿cuánto excess evito?\u003C\u002Fli>\n\u003Cli>¿Qué pedidos puedo diferir sin romper fill rate A?\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Cómo usar la lista\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Como checklist de madurez interna.\u003C\u002Fli>\n\u003Cli>Como script de demo a un proveedor de software\u002FIA.\u003C\u002Fli>\n\u003Cli>Como agenda de la reunión semanal de excepciones.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Un analista virtual en Opticks AI se evalúa precisamente así: respondiendo preguntas operativas con datos de tu organización, no con teoría genérica.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fanalista-virtual-inventario-que-puede-hacer\">Analista virtual de inventario\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Foverstock-vs-quiebre-priorizar-skus\">Overstock vs quiebre\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fforecast-demanda-mape-sesgo-accuracy\">MAPE y sesgo\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.829Z","2026-07-24T19:40:37.830Z",{"slug":169,"title":190,"description":191,"category":162,"tags":192,"keywords":194,"relatedSlugs":198,"coverImage":19,"bodyHtml":199,"excerpt":191,"publishedAt":200,"updatedAt":201},"Qué puede hacer un analista virtual de inventario (y qué no)","Usos reales de un analista de inventario con IA: explorar datos, explicar riesgos y proponer acciones — sin magia ni reemplazo del planner.",[162,193,179],"analista virtual",[195,196,197],"analista inventario IA","IA supply chain","virtual analyst inventario",[18,107,16],"\u003Cp>Un analista virtual no es un chatbot genérico ni un autopiloto que compra solo. Es una capa que \u003Cstrong>lee tus datos de inventario\u002Fforecast\u003C\u002Fstrong> y acelera el trabajo del planner.\u003C\u002Fp>\n\u003Ch2>Qué sí puede hacer bien\u003C\u002Fh2>\n\u003Col>\n\u003Cli>\u003Cstrong>Explorar\u003C\u002Fstrong>: “¿qué SKUs A se quiebran en 14 días en CD Norte?”\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Explicar\u003C\u002Fstrong>: “este excess viene de sobre-forecast post-promo”.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Priorizar\u003C\u002Fstrong>: ordenar excepciones por valor en riesgo.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Simular preguntas\u003C\u002Fstrong>: impacto de subir lead time o cortar una OC.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Documentar\u003C\u002Fstrong>: dejar trazabilidad de la lectura para el equipo.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Qué no debería hacer (solo)\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Firmar OC sin política de aprobación.\u003C\u002Fli>\n\u003Cli>Inventar datos que no están en el sistema.\u003C\u002Fli>\n\u003Cli>Reemplazar gobernanza S&OP.\u003C\u002Fli>\n\u003Cli>Optimizar “a ciegas” contra un KPI único (p. ej. solo bajar stock).\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Dónde está el ROI\u003C\u002Fh2>\n\u003Cp>El ROI no es “menos headcount” de entrada. Es:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Menos tiempo cazando archivos\u003C\u002Fli>\n\u003Cli>Más tiempo en decisiones A\u003C\u002Fli>\n\u003Cli>Menos errores por omitir una excepción obvia\u003C\u002Fli>\n\u003Cli>Onboarding más rápido de planners nuevos\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Cómo evaluarlo en un piloto\u003C\u002Fh2>\n\u003Cp>Dale 15 preguntas reales de tu operación (ver artículo relacionado) y mide:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>% respondidas con dato correcto\u003C\u002Fli>\n\u003Cli>Tiempo vs proceso actual\u003C\u002Fli>\n\u003Cli>Acciones tomadas después\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿Necesito un data lake perfecto?\u003C\u002Fstrong> No. Necesitas datos operativos confiables en ventas, stock y parámetros. La IA amplifica calidad — y también basura.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI incorpora analistas virtuales conectados a herramientas de inventario y contexto de negocio, para responder con datos de la operación — no con respuestas genéricas.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002F15-preguntas-planner-datos-inventario\">15 preguntas de un planner\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Facortar-ciclo-revision-forecast-con-ia\">Acortar revisión de forecast con IA\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fplanificacion-demanda-retail-manufactura\">Guía de demanda\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.823Z","2026-07-24T19:40:37.824Z",{"slug":56,"title":203,"description":204,"category":7,"tags":205,"keywords":209,"relatedSlugs":213,"coverImage":19,"bodyHtml":214,"excerpt":204,"publishedAt":215,"updatedAt":216},"Inventario multi-bodega: errores típicos en LATAM","Errores frecuentes al gestionar stock en múltiples centros y cómo corregir transferencias, políticas y visibilidad.",[206,207,208],"multi-bodega","transferencias","LATAM",[210,211,212],"inventario multi bodega","stock multi centro","transferencias inventario",[16,39,38],"\u003Cp>Tener varios CD o sucursales multiplica el stock… y los errores. El problema rara vez es “falta de un WMS”; es \u003Cstrong>falta de política por nodo\u003C\u002Fstrong> y de reglas de transferencia.\u003C\u002Fp>\n\u003Ch2>Errores frecuentes\u003C\u002Fh2>\n\u003Col>\n\u003Cli>\u003Cstrong>Una sola política nacional\u003C\u002Fstrong> aplicada a nodos con demanda distinta.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Comprar al centro equivocado\u003C\u002Fstrong> porque “siempre se compra al CD central”.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>No ver stock del otro nodo\u003C\u002Fstrong> antes de importar.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Transferencias lentas\u003C\u002Fstrong> que hacen inútil el stock “disponible en la red”.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>ABC global\u003C\u002Fstrong> que esconde un A local crítico.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Lead times internos\u003C\u002Fstrong> ignorados (24–72 h entre nodos importan).\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Diseño recomendado\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Forecast y reposición a nivel \u003Cstrong>SKU-centro\u003C\u002Fstrong>.\u003C\u002Fli>\n\u003Cli>Pool de red solo para \u003Cstrong>decisiones de transferencia\u003C\u002Fstrong>, no para fingir que el stock está en todos lados.\u003C\u002Fli>\n\u003Cli>Ranking de transferencia: prioriza A en quiebre con excess en otro nodo.\u003C\u002Fli>\n\u003Cli>Costo de transferir vs costo de comprar (a veces comprar local es más barato que mover).\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Checklist de madurez multi-nodo\u003C\u002Fh2>\n\u003Cul>\n\u003Cli> Visibilidad on-hand \u002F on-order por centro\u003C\u002Fli>\n\u003Cli> Parámetros por centro\u003C\u002Fli>\n\u003Cli> Lead time interno documentado\u003C\u002Fli>\n\u003Cli> Flujo de transferencia con aprobación\u003C\u002Fli>\n\u003Cli> KPIs de servicio por nodo (no solo red)\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿Centralizar todo el stock?\u003C\u002Fstrong> Solo si el lead time interno y el costo de last-mile lo justifican. En países largos o con geografía compleja, la hiper-centralización suele castigar servicio.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI trabaja la granularidad SKU-centro y ayuda a priorizar excepciones de red (quiebre aquí \u002F excess allá) dentro del flujo de supply.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fstock-seguridad-punto-reorden-rop\">ROP y stock de seguridad\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Flead-time-cobertura-stock\">Lead time y cobertura\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Foverstock-vs-quiebre-priorizar-skus\">Overstock vs quiebre\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.817Z","2026-07-24T19:40:37.818Z",{"slug":57,"title":218,"description":219,"category":97,"tags":220,"keywords":223,"relatedSlugs":227,"coverImage":19,"bodyHtml":228,"excerpt":219,"publishedAt":229,"updatedAt":230},"De forecast a plan de abastecimiento: el puente que casi nadie cierra","Cómo conectar el forecast aprobado con reposición, ROP y órdenes de compra para que el número mueva inventario de verdad.",[101,221,222],"abastecimiento","reposición",[224,225,226],"plan de abastecimiento","forecast a compra","reposición demand driven",[107,16,39],"\u003Cp>Muchas empresas “tienen forecast”. Pocas tienen un \u003Cstrong>hilo continuo\u003C\u002Fstrong> entre el número aprobado y la orden que sale mañana. Ese hueco es donde viven los quiebres y el excess.\u003C\u002Fp>\n\u003Ch2>El puente, paso a paso\u003C\u002Fh2>\n\u003Col>\n\u003Cli>\u003Cstrong>Forecast oficial\u003C\u002Fstrong> del ciclo (con versión\u002Ffecha).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Demanda en lead time\u003C\u002Fstrong> por SKU-centro.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Posición de stock\u003C\u002Fstrong> (on-hand, on-order, en tránsito).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Política\u003C\u002Fstrong> (SS, ROP, cobertura, MOQ).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Sugerido\u003C\u002Fstrong> de compra\u002Ftransferencia.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Aprobación\u003C\u002Fstrong> con excepciones.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Feedback\u003C\u002Fstrong> al siguiente ciclo (¿el sugerido se cumplió? ¿sirvió?).\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Síntomas de puente roto\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>El forecast vive en un archivo; las OC en otro ERP; nadie reconcilia.\u003C\u002Fli>\n\u003Cli>Se actualiza demanda pero no se recalculan parámetros.\u003C\u002Fli>\n\u003Cli>Comercial cambia el número después del cutoff y supply no se entera.\u003C\u002Fli>\n\u003Cli>Se mide accuracy del forecast pero no adopción del sugerido.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Cadencias que funcionan\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Cadencia\u003C\u002Fth>\n\u003Cth>Uso\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd>Diaria\u003C\u002Ftd>\n\u003Ctd>Alertas A \u002F quiebres\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Semanal\u003C\u002Ftd>\n\u003Ctd>Forecast review + sugeridos\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Mensual\u003C\u002Ftd>\n\u003Ctd>Políticas ABC\u002FXYZ y SS\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>Rol de la IA\u003C\u002Fh2>\n\u003Cp>La IA no reemplaza el puente; \u003Cstrong>acelera la lectura de excepciones\u003C\u002Fstrong> (“qué líneas A se quiebran si el lead time pasa de 14 a 21 días”).\u003C\u002Fp>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿ERP solo no basta?\u003C\u002Fstrong> El ERP ejecuta. El puente necesita lógica de planning, prioridades y gobernanza — encima o al lado del ERP.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI está diseñado precisamente para este puente: forecast como proceso + supply accionable + analistas que priorizan excepciones.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fplanificacion-demanda-retail-manufactura\">Guía de demanda\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fde-abc-xyz-a-reposicion-inventario\">Guía ABC → reposición\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fstock-seguridad-punto-reorden-rop\">ROP y stock de seguridad\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.811Z","2026-07-24T19:40:37.812Z",{"slug":109,"title":232,"description":233,"category":97,"tags":234,"keywords":237,"relatedSlugs":241,"coverImage":19,"bodyHtml":243,"excerpt":233,"publishedAt":244,"updatedAt":245},"Escenarios de demanda: baseline, promo y downside","Cómo trabajar con escenarios de forecast para decidir compras y servicio bajo incertidumbre — sin paralizar al equipo.",[235,101,236],"escenarios","riesgo",[238,239,240],"escenarios de demanda","forecast baseline","forecast promo",[242,107,57],"variables-externas-forecast-promos-feriados","\u003Cp>Un solo número de forecast es una falsa sensación de control. Los escenarios no son burocracia: son la forma adulta de decidir bajo incertidumbre.\u003C\u002Fp>\n\u003Ch2>Tres escenarios mínimos\u003C\u002Fh2>\n\u003Col>\n\u003Cli>\u003Cstrong>Baseline\u003C\u002Fstrong> — sin eventos extraordinarios.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Promo \u002F upside\u003C\u002Fstrong> — campañas y picos esperables.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Downside\u003C\u002Fstrong> — demanda débil o restricción de oferta.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>Para cada uno, define qué cambia en \u003Cstrong>compra, producción y servicio\u003C\u002Fstrong>.\u003C\u002Fp>\n\u003Ch2>Cómo usarlos en la reunión\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Comercial defiende upside con evidencia (plan de trade, media).\u003C\u002Fli>\n\u003Cli>Supply muestra impacto en SS, ROP y capacidad de inbound.\u003C\u002Fli>\n\u003Cli>Finanzas mira capital y riesgo de excess.\u003C\u002Fli>\n\u003Cli>Se elige un \u003Cstrong>escenario oficial\u003C\u002Fstrong> y se documentan triggers para pivotear.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Triggers de cambio\u003C\u002Fh2>\n\u003Cp>Ejemplos:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Si sell-out de semana 1 < 70% del plan promo → cortar reposición anticipada.\u003C\u002Fli>\n\u003Cli>Si lead time proveedor +1 semana → subir SS solo en A.\u003C\u002Fli>\n\u003Cli>Si precio del combustible sube X% → revisar frecuencia de despacho \u002F tamaño de pedido.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Evita la parálisis\u003C\u002Fh2>\n\u003Cp>No generes 12 escenarios. Tres bastan. Más de cinco suele ser teatro.\u003C\u002Fp>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿Se compra al upside siempre?\u003C\u002Fstrong> No. Se compra con una política: p. ej. cubrir baseline + % del upside en A, y el resto con pedido rápido si el sell-out confirma.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI permite comparar escenarios de proyección y alinear la conversación de demanda con impacto en supply, en lugar de discutir intuiciones sueltas.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fvariables-externas-forecast-promos-feriados\">Variables externas\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fde-forecast-a-plan-abastecimiento\">De forecast a abastecimiento\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fchecklist-sop-semanal-forecast\">Checklist S&OP\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.805Z","2026-07-24T19:40:37.807Z",{"slug":242,"title":247,"description":248,"category":97,"tags":249,"keywords":252,"relatedSlugs":256,"coverImage":19,"bodyHtml":258,"excerpt":248,"publishedAt":259,"updatedAt":260},"Variables externas en el forecast: promos, feriados y discontinuaciones","Cómo incorporar promociones, feriados y cambios de surtido al forecast sin romper el baseline ni perder trazabilidad.",[250,251,101],"variables externas","promociones",[253,254,255],"variables externas forecast","promociones demanda","feriados forecast",[107,109,257],"outliers-ventas-cuando-ajustar-historico","\u003Cp>El baseline responde al “mundo normal”. Las \u003Cstrong>variables externas\u003C\u002Fstrong> capturan lo que el mundo normal no ve: campañas, feriados, aperturas, discontinuaciones, precios agresivos.\u003C\u002Fp>\n\u003Ch2>Principio de diseño\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>El baseline \u003Cstrong>no se pisa\u003C\u002Fstrong> a ciegas.\u003C\u002Fli>\n\u003Cli>Cada efecto se guarda como \u003Cstrong>delta trazable\u003C\u002Fstrong>.\u003C\u002Fli>\n\u003Cli>Se puede prender\u002Fapagar para comparar escenarios.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Catálogo mínimo de variables\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Tipo\u003C\u002Fth>\n\u003Cth>Ejemplo\u003C\u002Fth>\n\u003Cth>Efecto típico\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd>Promo\u003C\u002Ftd>\n\u003Ctd>2x1, cupón, media\u003C\u002Ftd>\n\u003Ctd>Uplift temporal\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Calendario\u003C\u002Ftd>\n\u003Ctd>Fiestas patrias, Black Friday\u003C\u002Ftd>\n\u003Ctd>Pico + valle post\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Surtido\u003C\u002Ftd>\n\u003Ctd>Alta\u002Fbaja de SKU\u003C\u002Ftd>\n\u003Ctd>Corte o ramp-up\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Precio\u003C\u002Ftd>\n\u003Ctd>Alza\u002Fbaja relevante\u003C\u002Ftd>\n\u003Ctd>Elasticidad\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Exógeno\u003C\u002Ftd>\n\u003Ctd>Clima extremo, paro de rutas\u003C\u002Ftd>\n\u003Ctd>Shock corto\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>Buenas prácticas\u003C\u002Fh2>\n\u003Col>\n\u003Cli>Fecha inicio\u002Ffin obligatorias.\u003C\u002Fli>\n\u003Cli>Alcance (SKU, familia, centro, canal).\u003C\u002Fli>\n\u003Cli>Magnitud estimada + responsable.\u003C\u002Fli>\n\u003Cli>Post-mortem: ¿el uplift real coincidió?\u003C\u002Fli>\n\u003Cli>No uses 50 variables flojas; usa pocas con dueño.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Discontinuaciones\u003C\u002Fh2>\n\u003Cp>Cuando un SKU sale:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Corta forecast a cero en la fecha.\u003C\u002Fli>\n\u003Cli>Decide last-time-buy con cobertura explícita.\u003C\u002Fli>\n\u003Cli>Evita que el modelo “suavice” demanda fantasma.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿Variable o escenario?\u003C\u002Fstrong> Variable = efecto concreto conocido. Escenario = marco completo (baseline + set de variables + hipótesis).\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>En Opticks AI, las variables externas modifican la proyección de forma trazable y se pueden seleccionar en la lectura de forecast para entender el aporte de cada efecto.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fescenarios-demanda-baseline-promo-downside\">Escenarios de demanda\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fplanificacion-demanda-retail-manufactura\">Guía de demanda\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Foutliers-ventas-cuando-ajustar-historico\">Outliers\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.800Z","2026-07-24T19:40:37.801Z",{"slug":257,"title":262,"description":263,"category":97,"tags":264,"keywords":267,"relatedSlugs":271,"coverImage":19,"bodyHtml":272,"excerpt":263,"publishedAt":273,"updatedAt":274},"Outliers en ventas: cuándo ajustar el histórico (y cuándo no)","Guía para tratar outliers en series de ventas: picos de promo, quiebres, errores de dato y criterios para no distorsionar el forecast.",[265,101,266],"outliers","calidad de datos",[268,269,270],"outliers ventas","ajustar histórico forecast","demanda atípica",[107,185,242],"\u003Cp>No todo pico es un outlier “malo”. Algunos enseñan estacionalidad o el efecto real de una campaña. Ajustar de más aplana el mundo; ajustar de menos ensucia el baseline.\u003C\u002Fp>\n\u003Ch2>Tipos de outliers comunes\u003C\u002Fh2>\n\u003Col>\n\u003Cli>\u003Cstrong>Error de dato\u003C\u002Fstrong> (duplicación, unidad mal, carga incompleta) → corregir siempre.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Quiebre prolongado\u003C\u002Fstrong> → la venta observada subestima demanda; marca y trata aparte.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Promo \u002F evento\u003C\u002Fstrong> → no lo borres: modélalo como variable o escenario.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>One-off no repetible\u003C\u002Fstrong> (licitación única, siniestro) → candidata a neutralizar en baseline.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Cambio estructural\u003C\u002Fstrong> (nuevo canal, salida de competitor) → nuevo régimen, no “suavizar y olvidar”.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Criterio práctico de decisión\u003C\u002Fh2>\n\u003Cp>Pregunta en este orden:\u003C\u002Fp>\n\u003Col>\n\u003Cli>¿Es error de dato? → limpia.\u003C\u002Fli>\n\u003Cli>¿Se va a repetir el driver? → modela (no borres).\u003C\u002Fli>\n\u003Cli>¿Contamina el baseline de reposición? → ajusta solo la serie base y deja traza.\u003C\u002Fli>\n\u003Cli>¿Es SKU A? → revisión humana obligatoria.\u003C\u002Fli>\n\u003Cli>¿Es C de baja materialidad? → automatiza con umbral y sigue.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Qué no hacer\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Recortar todos los picos al percentil 95 “porque sí”.\u003C\u002Fli>\n\u003Cli>Editar el histórico sin log (pierdes aprendizaje).\u003C\u002Fli>\n\u003Cli>Tratar un Cyber Monday como ruido.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Ejemplo\u003C\u002Fh2>\n\u003Cp>Una semana con venta 5× por campaña documentada:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Baseline: usa serie depurada o flag de evento.\u003C\u002Fli>\n\u003Cli>Escenario promo: conserva el uplift.\u003C\u002Fli>\n\u003Cli>Post-campaña: no dejes el uplift filtrado al mes siguiente.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿IQR u otros métodos estadísticos bastan?\u003C\u002Fstrong> Son buenos para \u003Cstrong>detectar\u003C\u002Fstrong>. La \u003Cstrong>decisión\u003C\u002Fstrong> sigue siendo de negocio.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI incluye flujos de revisión de outliers en el proceso de forecast, para detectar excepciones y decidir con contexto — no con tijera ciega.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fforecast-demanda-mape-sesgo-accuracy\">MAPE, sesgo y accuracy\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fvariables-externas-forecast-promos-feriados\">Variables externas\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fplanificacion-demanda-retail-manufactura\">Guía de demanda\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.793Z","2026-07-24T19:40:37.795Z",{"slug":185,"title":276,"description":277,"category":97,"tags":278,"keywords":281,"relatedSlugs":285,"coverImage":19,"bodyHtml":286,"excerpt":277,"publishedAt":287,"updatedAt":288},"Forecast de demanda: MAPE, sesgo y accuracy (qué mirar)","Cómo interpretar MAPE, WAPE, sesgo y accuracy en forecast de demanda sin engañarte con un promedio global.",[101,279,280],"MAPE","métricas",[282,283,284],"MAPE forecast","sesgo forecast","accuracy demanda",[107,257,108],"\u003Cp>Un forecast “bonito” sin métricas es opinión. Un solo MAPE global también puede ser engañoso. Lo que necesitas es un \u003Cstrong>tablero de error que guíe decisiones\u003C\u002Fstrong>.\u003C\u002Fp>\n\u003Ch2>Métricas básicas\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>Error\u003C\u002Fstrong> = real − forecast (define el signo y sé consistente).\u003C\u002Fp>\n\u003Cp>\u003Cstrong>MAPE\u003C\u002Fstrong> — promedio del error porcentual absoluto. Intuitivo, pero explota con reales cercanos a cero.\u003C\u002Fp>\n\u003Cp>\u003Cstrong>WAPE\u003C\u002Fstrong> — suma de errores absolutos \u002F suma de reales. Más robusto a escala y a SKUs chicos.\u003C\u002Fp>\n\u003Cp>\u003Cstrong>Sesgo (bias)\u003C\u002Fstrong> — si sistemáticamente sobre o sub-pronosticas. Un MAPE “aceptable” con sesgo fuerte sigue destruyendo inventario o servicio.\u003C\u002Fp>\n\u003Cp>\u003Cstrong>Accuracy\u003C\u002Fstrong> — a menudo se reporta como 1 − WAPE (o similar). Pide la definición exacta antes de comparar proveedores o equipos.\u003C\u002Fp>\n\u003Ch2>Por qué el promedio global miente\u003C\u002Fh2>\n\u003Cp>Imagina:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>SKUs A con WAPE 18%\u003C\u002Fli>\n\u003Cli>Long-tail con WAPE 70%\u003C\u002Fli>\n\u003Cli>Promedio “simple” inflado por la cola\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Gerencia ve “mal forecast” y castiga el head, donde el problema era otro. \u003Cstrong>Siempre corta por ABC, canal y horizonte.\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Ch2>Qué revisar en la práctica\u003C\u002Fh2>\n\u003Col>\n\u003Cli>WAPE\u002FMAPE por clase A\u002FB\u002FC\u003C\u002Fli>\n\u003Cli>Sesgo por familia y por centro\u003C\u002Fli>\n\u003Cli>Error en el horizonte del lead time (el que mueve la OC)\u003C\u002Fli>\n\u003Cli>Forecast value add: ¿el ajuste humano mejora el baseline?\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Señales de acción\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Señal\u003C\u002Fth>\n\u003Cth>Hipótesis\u003C\u002Fth>\n\u003Cth>Acción\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd>Sesgo positivo persistente\u003C\u002Ftd>\n\u003Ctd>Over-forecast\u003C\u002Ftd>\n\u003Ctd>Bajar baseline \u002F revisar promos fantasma\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Error alto solo en semanas promo\u003C\u002Ftd>\n\u003Ctd>Mal modelado de eventos\u003C\u002Ftd>\n\u003Ctd>Variables externas \u002F escenarios\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>A bien, C mal\u003C\u002Ftd>\n\u003Ctd>Normal en cola\u003C\u002Ftd>\n\u003Ctd>No optimices C al costo de A\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Humano empeora baseline\u003C\u002Ftd>\n\u003Ctd>Gobernanza débil\u003C\u002Ftd>\n\u003Ctd>Limitar overrides; medir FVA\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿Qué MAPE es “bueno”?\u003C\u002Fstrong> Depende de industria y granularidad. Compara contra baseline ingenuo (naive) y contra tu propio histórico, no contra un número mágico de internet.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI expone métricas de desempeño de forecast y facilita la revisión por excepciones, para que accuracy y sesgo se traduzcan en mejores parámetros de supply.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fplanificacion-demanda-retail-manufactura\">Guía de planificación de demanda\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Foutliers-ventas-cuando-ajustar-historico\">Outliers en ventas\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Facortar-ciclo-revision-forecast-con-ia\">Acortar la revisión con IA\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.786Z","2026-07-24T19:40:37.788Z",{"slug":140,"title":290,"description":291,"category":292,"tags":293,"keywords":297,"relatedSlugs":301,"coverImage":19,"bodyHtml":302,"excerpt":291,"publishedAt":303,"updatedAt":304},"Gestión de stock de perecederos y vencimiento de lotes","Prácticas para inventarios con vida útil: FEFO, cobertura corta, forecast sensible a frescura y reducción de mermas.","Sectores",[294,295,296],"perecederos","FEFO","mermas",[298,299,300],"stock perecederos","vencimiento de lotes","FEFO inventario",[16,39,257],"\u003Cp>En perecederos, el inventario no solo “cuesta”: \u003Cstrong>se vence\u003C\u002Fstrong>. La métrica correcta combina servicio, merma y vida útil restante — no solo días de cobertura genéricos.\u003C\u002Fp>\n\u003Ch2>Principios\u003C\u002Fh2>\n\u003Col>\n\u003Cli>\u003Cstrong>FEFO\u003C\u002Fstrong> (First Expired, First Out), no solo FIFO.\u003C\u002Fli>\n\u003Cli>Coberturas cortas alineadas a shelf life restante.\u003C\u002Fli>\n\u003Cli>Forecast que no ignore mermas y quiebres por calidad.\u003C\u002Fli>\n\u003Cli>Pedidos más frecuentes \u002F lotes más chicos cuando el margen lo permite.\u003C\u002Fli>\n\u003Cli>Visibilidad de lote\u002Ffecha en la decisión de reposición y transferencia.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Dónde se rompe el proceso\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Comprar como no perecedero (MOQ alto + cobertura larga).\u003C\u002Fli>\n\u003Cli>Promocionar tarde (cuando ya queda poca vida útil).\u003C\u002Fli>\n\u003Cli>No separar demanda de merma en el análisis.\u003C\u002Fli>\n\u003Cli>Centros sin capacidad de frío tratados igual que los que sí tienen.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Tácticas de short-life\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Señal\u003C\u002Fth>\n\u003Cth>Acción\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd>Vida útil restante bajo umbral\u003C\u002Ftd>\n\u003Ctd>Priorizar salida (promo, transferencia a alta rotación)\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Forecast upside de temporada\u003C\u002Ftd>\n\u003Ctd>Subir inbound temprano, no de golpe al peak\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Merma recurrente en un SKU\u003C\u002Ftd>\n\u003Ctd>Revisar surtido, tamaño de pedido o proveedor\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Pico por evento\u003C\u002Ftd>\n\u003Ctd>Escenario aparte; no contaminar baseline\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>Relación con ABC\u003C\u002Fh2>\n\u003Cp>Un SKU C con alta merma puede destruir más margen que un B sano. Incorpora \u003Cstrong>costo de merma\u003C\u002Fstrong> a la priorización, no solo venta.\u003C\u002Fp>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿Sirve ROP clásico?\u003C\u002Fstrong> Sí como base, pero debe respetar shelf life máximo y reglas FEFO. Un ROP que ignora vencimiento es un ROP incompleto.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI conecta forecast y supply para acortar el ciclo de decisión en categorías sensibles a frescura, priorizando excepciones antes de que se conviertan en merma.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fde-abc-xyz-a-reposicion-inventario\">Guía ABC → reposición\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Foutliers-ventas-cuando-ajustar-historico\">Outliers en ventas\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fcaso-alimentos-manufactura-forecast-abastecimiento\">Caso alimentos \u002F manufactura\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.778Z","2026-07-24T19:40:37.780Z",{"slug":124,"title":306,"description":307,"category":292,"tags":308,"keywords":310,"relatedSlugs":314,"coverImage":19,"bodyHtml":315,"excerpt":307,"publishedAt":316,"updatedAt":317},"Optimizar stock en ecommerce: rotación alta y cola larga","Cómo equilibrar disponibilidad y capital en ecommerce con head de catálogo, long-tail, lead times y picos promocionales.",[119,50,309],"long-tail",[311,312,313],"optimizar stock ecommerce","inventario ecommerce","long tail inventario",[16,39,4],"\u003Cp>En ecommerce conviven dos mundos: el \u003Cstrong>head\u003C\u002Fstrong> (pocos SKUs que mueven el negocio) y la \u003Cstrong>long-tail\u003C\u002Fstrong> (muchos SKUs de baja rotación que hinchan el catálogo y el inventario).\u003C\u002Fp>\n\u003Ch2>Diagnóstico rápido\u003C\u002Fh2>\n\u003Cp>Mide por separado:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Fill rate \u002F quiebres en top 20% de venta\u003C\u002Fli>\n\u003Cli>% del inventario $ en SKUs sin venta en 60\u002F90\u002F180 días\u003C\u002Fli>\n\u003Cli>Cobertura media head vs tail\u003C\u002Fli>\n\u003Cli>Dependencia de marketplace fulfillment vs bodega propia\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Si tu capital está en la cola y tus quiebres en el head, la política está invertida.\u003C\u002Fp>\n\u003Ch2>Reglas que funcionan\u003C\u002Fh2>\n\u003Col>\n\u003Cli>\u003Cstrong>Política distinta por segmento\u003C\u002Fstrong> (ABC\u002FXYZ + canal).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>No copies cobertura de retail físico\u003C\u002Fstrong> a SKUs de cola.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Forecast con promos y campañas\u003C\u002Fstrong> (Cyber, Hot Sale, shipping free days).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Lead time real de importación\u003C\u002Fstrong> + buffer solo donde duele.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Reglas de salida\u003C\u002Fstrong>: cuándo deslistar, consolidar o hacer last-time-buy.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Picos y “efecto latigazo”\u003C\u002Fh2>\n\u003Cp>Una campaña mal traducida a OC genera:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Quiebre en la campaña (sub-forecast)\u003C\u002Fli>\n\u003Cli>Overstock post-campaña (sobre-reacción)\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Usa escenarios (baseline \u002F promo \u002F downside) y corta la reposición post-evento con una regla explícita.\u003C\u002Fp>\n\u003Ch2>Multi-nodo y marketplace\u003C\u002Fh2>\n\u003Cp>Stock en full\u002FFBA ≠ stock en CD propio. Visibilidad por nodo evita comprar dos veces y permite transferir antes de liquidar.\u003C\u002Fp>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿Conviene stockear toda la long-tail?\u003C\u002Fstrong> Casi nunca. Parte puede ser dropship, MOQ bajo, o surtido curado. El catálogo infinito es un costo, no un trofeo.\u003C\u002Fp>\n\u003Ch2>Playbook pre-campaña (T-21 a T+7)\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Momento\u003C\u002Fth>\n\u003Cth>Acción\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd>T-21\u003C\u002Ftd>\n\u003Ctd>Escenarios baseline\u002Fpromo; revisar LT importados\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>T-14\u003C\u002Ftd>\n\u003Ctd>Congelar surtido de campaña; definir upside comprable\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>T-7\u003C\u002Ftd>\n\u003Ctd>Validar stock head + inbound; transferencias red\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>T-0..T+3\u003C\u002Ftd>\n\u003Ctd>Monitoreo diario sell-out vs plan\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>T+7\u003C\u002Ftd>\n\u003Ctd>Corte de reposición post-pico; plan de excess\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>Señales de long-tail enferma\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Muchos SKUs con 1 venta \u002F 90 días y cobertura > 120 días\u003C\u002Fli>\n\u003Cli>Reposiciones automáticas por MOQ que duplican stock muerto\u003C\u002Fli>\n\u003Cli>Portafolio crece más rápido que la capacidad de planning\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Antídoto: reglas de entrada al catálogo + reglas de salida + ABC vivo.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI ayuda a priorizar reposición y excepciones por valor y riesgo, conectando forecast, supply y análisis con IA para catálogos grandes.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Foverstock-vs-quiebre-priorizar-skus\">Overstock vs quiebre\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fstock-seguridad-punto-reorden-rop\">Stock de seguridad y ROP\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fcaso-ecommerce-servicio-vs-capital-trabajo\">Caso ecommerce\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.772Z","2026-07-24T19:40:37.773Z",{"slug":4,"title":5,"description":6,"category":7,"tags":319,"keywords":320,"relatedSlugs":321,"coverImage":19,"bodyHtml":20,"excerpt":6,"publishedAt":21,"updatedAt":22},[9,10,11],[9,13,14],[16,17,18],{"slug":39,"title":323,"description":324,"category":7,"tags":325,"keywords":328,"relatedSlugs":331,"coverImage":19,"bodyHtml":332,"excerpt":324,"publishedAt":333,"updatedAt":334},"Stock de seguridad y punto de reorden (ROP): guía práctica","Qué es el stock de seguridad, cómo se relaciona con el ROP y cómo usarlo sin inflar inventario innecesariamente.",[326,327,222],"ROP","stock de seguridad",[327,329,330],"punto de reorden","ROP inventario",[16,38,57],"\u003Cp>El \u003Cstrong>punto de reorden (ROP)\u003C\u002Fstrong> responde: \u003Cem>¿cuándo pedir?\u003C\u002Fem>\u003Cbr \u002F>El \u003Cstrong>stock de seguridad (SS)\u003C\u002Fstrong> responde: \u003Cem>¿cuánto colchón necesito ante incertidumbre?\u003C\u002Fem>\u003C\u002Fp>\n\u003Cp>Si confundes ambos, o pides tarde, o te llenas de inventario “por si acaso”.\u003C\u002Fp>\n\u003Ch2>Definiciones operativas\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>Demanda en el lead time (DLT)\u003C\u002Fstrong>\u003Cbr \u002F>Demanda esperada mientras llega el pedido.\u003C\u002Fp>\n\u003Cp>\u003Cstrong>Stock de seguridad (SS)\u003C\u002Fstrong>\u003Cbr \u002F>Buffer por variabilidad de demanda y\u002Fo de lead time.\u003C\u002Fp>\n\u003Cp>\u003Cstrong>ROP (versión simple)\u003C\u002Fstrong>\u003Cbr \u002F>ROP ≈ DLT + SS\u003C\u002Fp>\n\u003Cp>Cuando el stock on-hand + on-order cae bajo el ROP, se genera una necesidad de reposición.\u003C\u002Fp>\n\u003Ch2>De qué depende el SS\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Variabilidad de demanda\u003C\u002Fli>\n\u003Cli>Confiabilidad y duración del lead time\u003C\u002Fli>\n\u003Cli>Nivel de servicio objetivo (más servicio ⇒ más SS, con costo)\u003C\u002Fli>\n\u003Cli>Clase ABC\u002FXYZ (no todos merecen el mismo buffer)\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Ejemplo numérico\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Demanda media: 100 u\u002Fsemana\u003C\u002Fli>\n\u003Cli>Lead time: 2 semanas → DLT = 200\u003C\u002Fli>\n\u003Cli>SS acordado: 80\u003C\u002Fli>\n\u003Cli>\u003Cstrong>ROP = 280\u003C\u002Fstrong>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Si tienes 150 on-hand y 100 on-order = 250 < 280 → hay que pedir.\u003Cbr \u002F>La \u003Cstrong>cantidad\u003C\u002Fstrong> a pedir es otro cálculo (cobertura, MOQ, múltiplo, contenedor).\u003C\u002Fp>\n\u003Ch2>Errores clásicos\u003C\u002Fh2>\n\u003Col>\n\u003Cli>SS fijo “de costumbre” (30 días para todos).\u003C\u002Fli>\n\u003Cli>Ignorar lead time real del proveedor (el del contrato ≠ el observado).\u003C\u002Fli>\n\u003Cli>Subir SS por un quiebre puntual sin atacar la causa (forecast malo, MOQ, demora).\u003C\u002Fli>\n\u003Cli>No descontar on-order (pides dos veces).\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Cómo no inflar inventario\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Sube SS en \u003Cstrong>A\u002FZ\u003C\u002Fstrong> y disrupciones; no en todo el catálogo.\u003C\u002Fli>\n\u003Cli>Revisa SS cuando baje el error de forecast (si mejora el forecast, el SS puede bajar).\u003C\u002Fli>\n\u003Cli>Separa problemas de \u003Cstrong>datos\u003C\u002Fstrong> de problemas de \u003Cstrong>política\u003C\u002Fstrong>.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿ROP sirve con forecast?\u003C\u002Fstrong> Sí. La DLT puede salir del forecast en el horizonte del lead time, no solo de un promedio ingenuo.\u003C\u002Fp>\n\u003Cp>\u003Cstrong>¿Y si el proveedor tiene MOQ alto?\u003C\u002Fstrong> El ROP te dice cuándo; el MOQ te condiciona cuánto. Ambos deben convivir en el sugerido.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI calcula necesidades de reposición a partir de demanda, parámetros y restricciones, y las deja listas para revisión y aprobación en el flujo de supply.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fde-abc-xyz-a-reposicion-inventario\">De ABC\u002FXYZ a reposición\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Flead-time-cobertura-stock\">Lead time y cobertura\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fde-forecast-a-plan-abastecimiento\">De forecast a abastecimiento\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.758Z","2026-07-24T19:40:37.759Z",{"slug":17,"title":336,"description":337,"category":7,"tags":338,"keywords":341,"relatedSlugs":345,"coverImage":19,"bodyHtml":346,"excerpt":337,"publishedAt":347,"updatedAt":348},"ABC\u002FXYZ: cómo definir políticas de stock por cuadrante","Matriz ABC\u002FXYZ explicada con políticas de cobertura, servicio y frecuencia de revisión para cada cuadrante.",[66,339,340],"XYZ","políticas de stock",[342,343,344],"ABC XYZ","políticas de inventario","matriz ABC XYZ",[73,16,39],"\u003Cp>ABC mide \u003Cstrong>importancia\u003C\u002Fstrong> (valor). XYZ mide \u003Cstrong>predecibilidad\u003C\u002Fstrong> (variabilidad de demanda). Juntos evitan el error de tratar todos los A igual.\u003C\u002Fp>\n\u003Ch2>Cómo se arma XYZ (idea simple)\u003C\u002Fh2>\n\u003Cp>Calcula el coeficiente de variación (CV) de la demanda en el período:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>X\u003C\u002Fstrong> — CV bajo (estable)\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Y\u003C\u002Fstrong> — CV medio\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Z\u003C\u002Fstrong> — CV alto (errática \u002F esporádica)\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Los cortes exactos dependen de tu industria. Lo importante es que X\u002FY\u002FZ separen comportamientos distintos.\u003C\u002Fp>\n\u003Ch2>Matriz y políticas sugeridas\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>\u003C\u002Fth>\n\u003Cth>X (estable)\u003C\u002Fth>\n\u003Cth>Y (variable)\u003C\u002Fth>\n\u003Cth>Z (errática)\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd>\u003Cstrong>A\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Alto servicio, SS moderado, automatizar\u003C\u002Ftd>\n\u003Ctd>SS más alto o revisión frecuente\u003C\u002Ftd>\n\u003Ctd>Gestión activa; escenarios; cuidado con overstock\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>B\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Políticas estándar\u003C\u002Ftd>\n\u003Ctd>Revisar promos y estacionalidad\u003C\u002Ftd>\n\u003Ctd>Evitar coberturas largas\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>C\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Pedidos simples \u002F menos frecuencia\u003C\u002Ftd>\n\u003Ctd>Simplificar surtido\u003C\u002Ftd>\n\u003Ctd>Mínimo stock o bajo pedido\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>Traducción a parámetros\u003C\u002Fh2>\n\u003Cp>Para cada cuadrante define:\u003C\u002Fp>\n\u003Col>\n\u003Cli>\u003Cstrong>Fill rate objetivo\u003C\u002Fstrong>\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Días de cobertura máximos\u003C\u002Fstrong>\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Frecuencia de revisión\u003C\u002Fstrong>\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Quién puede hacer override\u003C\u002Fstrong>\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Regla de excess\u003C\u002Fstrong> (transferir \u002F liquidar \u002F no reponer)\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Ejemplo de política A\u002FZ\u003C\u002Fh2>\n\u003Cp>Un SKU A con demanda errática:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>No copies el SS de un A\u002FX.\u003C\u002Fli>\n\u003Cli>Usa forecast con outliers revisados.\u003C\u002Fli>\n\u003Cli>Corta el horizonte de compra si el lead time lo permite.\u003C\u002Fli>\n\u003Cli>Escala alertas humanas: este cuadrante no debe vivir solo en automático ciego.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Gobernanza\u003C\u002Fh2>\n\u003Cp>Documenta la matriz en una página viva. Cada cambio de umbral ABC\u002FXYZ o de política debe tener fecha y responsable. Si no, en seis meses nadie sabe por qué un SKU tiene 90 días de cobertura.\u003C\u002Fp>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿XYZ reemplaza el forecast?\u003C\u002Fstrong> No. XYZ orienta la política; el forecast dimensiona la demanda esperada.\u003C\u002Fp>\n\u003Cp>\u003Cstrong>¿Qué pasa con lanzamientos?\u003C\u002Fstrong> Déjalos fuera o en clase transitoria hasta tener historia mínima.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI combina clasificación ABC\u002FXYZ con parámetros de supply editables, para que cada cuadrante tenga reglas y sugeridos coherentes.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fanalisis-abc-inventarios-paso-a-paso\">Análisis ABC paso a paso\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fde-abc-xyz-a-reposicion-inventario\">Guía ABC → reposición\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fstock-seguridad-punto-reorden-rop\">Stock de seguridad y ROP\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.751Z","2026-07-24T19:40:37.752Z",{"slug":73,"title":350,"description":351,"category":7,"tags":352,"keywords":354,"relatedSlugs":358,"coverImage":19,"bodyHtml":359,"excerpt":351,"publishedAt":360,"updatedAt":361},"Análisis ABC de inventarios: paso a paso con ejemplos","Aprende a hacer un análisis ABC de inventarios con un método claro, ejemplo numérico y criterios para no quedarte solo en el gráfico.",[66,179,353],"clasificación",[355,356,357],"análisis ABC inventarios","clasificación ABC","pareto inventario",[16,17,62],"\u003Cp>El análisis ABC aplica el principio de Pareto al inventario: una fracción pequeña de SKUs concentra la mayor parte del valor. Bien hecho, te dice \u003Cstrong>dónde mirar primero\u003C\u002Fstrong>. Mal hecho, es un ranking decorativo.\u003C\u002Fp>\n\u003Ch2>Objetivo\u003C\u002Fh2>\n\u003Cp>Ordenar SKUs (o SKU-centro) por contribución acumulada al valor elegido (venta, costo de inventario o margen) y etiquetar:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>A\u003C\u002Fstrong> — pocos ítems, mucho valor (gestión fina)\u003C\u002Fli>\n\u003Cli>\u003Cstrong>B\u003C\u002Fstrong> — valor intermedio\u003C\u002Fli>\n\u003Cli>\u003Cstrong>C\u003C\u002Fstrong> — muchos ítems, poco valor (simplificar)\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Umbral clásico: ~80% \u002F ~15% \u002F ~5% del valor acumulado. Ajústalo a tu negocio; lo crítico es la \u003Cstrong>regla de gestión\u003C\u002Fstrong>, no el porcentaje exacto.\u003C\u002Fp>\n\u003Ch2>Paso a paso\u003C\u002Fh2>\n\u003Ch3>1. Elige la unidad y el valor\u003C\u002Fh3>\n\u003Cul>\n\u003Cli>Unidad: SKU o SKU-centro (recomendado si hay multi-bodega).\u003C\u002Fli>\n\u003Cli>Valor: venta $ últimos 12 meses, o margen, o costo promedio de inventario.\u003C\u002Fli>\n\u003Cli>Excluye o marca aparte: nuevos, en liquidación, kits si distorsionan.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3>2. Ordena y acumula\u003C\u002Fh3>\n\u003Col>\n\u003Cli>Calcula valor por ítem.\u003C\u002Fli>\n\u003Cli>Ordena de mayor a menor.\u003C\u002Fli>\n\u003Cli>Calcula % del total y % acumulado.\u003C\u002Fli>\n\u003Cli>Corta A\u002FB\u002FC en tus umbrales.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch3>3. Ejemplo numérico (simplificado)\u003C\u002Fh3>\n\u003Cp>Imagina 5 SKUs con venta anual:\u003C\u002Fp>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>SKU\u003C\u002Fth>\n\u003Cth>Venta $\u003C\u002Fth>\n\u003Cth>%\u003C\u002Fth>\n\u003Cth>% acum.\u003C\u002Fth>\n\u003Cth>Clase\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd>S1\u003C\u002Ftd>\n\u003Ctd>500\u003C\u002Ftd>\n\u003Ctd>50%\u003C\u002Ftd>\n\u003Ctd>50%\u003C\u002Ftd>\n\u003Ctd>A\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>S2\u003C\u002Ftd>\n\u003Ctd>300\u003C\u002Ftd>\n\u003Ctd>30%\u003C\u002Ftd>\n\u003Ctd>80%\u003C\u002Ftd>\n\u003Ctd>A\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>S3\u003C\u002Ftd>\n\u003Ctd>120\u003C\u002Ftd>\n\u003Ctd>12%\u003C\u002Ftd>\n\u003Ctd>92%\u003C\u002Ftd>\n\u003Ctd>B\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>S4\u003C\u002Ftd>\n\u003Ctd>50\u003C\u002Ftd>\n\u003Ctd>5%\u003C\u002Ftd>\n\u003Ctd>97%\u003C\u002Ftd>\n\u003Ctd>C\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>S5\u003C\u002Ftd>\n\u003Ctd>30\u003C\u002Ftd>\n\u003Ctd>3%\u003C\u002Ftd>\n\u003Ctd>100%\u003C\u002Ftd>\n\u003Ctd>C\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Cp>En catálogos reales verás cientos\u002Fmiles de filas, pero la lógica es idéntica.\u003C\u002Fp>\n\u003Ch3>4. Cruza con riesgo operativo\u003C\u002Fh3>\n\u003Cp>Un C que es crítico clínico\u002Fcontrato no se gestiona “como C”. Añade flag de \u003Cstrong>criticidad\u003C\u002Fstrong> o servicio contractual.\u003C\u002Fp>\n\u003Ch3>5. Convierte en política\u003C\u002Fh3>\n\u003Cp>Sin este paso, el ABC no sirve. Ejemplo: A con revisión semanal y fill rate 98%; C con pedido quincenal y MOQ respetado para bajar costo transaccional.\u003C\u002Fp>\n\u003Ch2>Errores a evitar\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>Mezclar canales con comportamientos distintos.\u003C\u002Fli>\n\u003Cli>Usar un mes atípico (liquidación masiva) como base anual.\u003C\u002Fli>\n\u003Cli>Reclasificar cada semana.\u003C\u002Fli>\n\u003Cli>Ignorar multi-bodega (un A en CD1 puede ser C en CD2).\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿ABC de stock o de venta?\u003C\u002Fstrong> Para priorizar capital, mira inventario valuado. Para priorizar servicio y forecast, mira demanda\u002Fventa. Ideal: ambos, con lecturas distintas.\u003C\u002Fp>\n\u003Cp>\u003Cstrong>¿Sirve para ecommerce?\u003C\u002Fstrong> Sí, especialmente para separar head (A) de long-tail (C) y no sobre-stockear la cola.\u003C\u002Fp>\n\u003Ch2>Variantes útiles de ABC\u003C\u002Fh2>\n\u003Col>\n\u003Cli>\u003Cstrong>ABC por venta $\u003C\u002Fstrong> — prioriza atención comercial\u002Fservicio.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>ABC por margen\u003C\u002Fstrong> — prioriza rentabilidad.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>ABC por costo de inventario\u003C\u002Fstrong> — prioriza capital.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>ABC por criticidad\u003C\u002Fstrong> (híbrido) — contratos, seguridad, línea productiva.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>Puedes mantener \u003Cstrong>dos etiquetas\u003C\u002Fstrong>: \u003Ccode>abc_revenue\u003C\u002Fcode> y \u003Ccode>abc_inventory\u003C\u002Fcode>. Lo importante es no mezclar reglas.\u003C\u002Fp>\n\u003Ch2>Mini caso: 1.000 SKUs\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>100 A concentran ~80% del valor → gestión fina.\u003C\u002Fli>\n\u003Cli>200 B ~15% → políticas estándar.\u003C\u002Fli>\n\u003Cli>700 C ~5% → simplificar, no “sobre-analizar”.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>El error típico es dedicar el 80% del tiempo de meeting a discutir C anecdoticos.\u003C\u002Fp>\n\u003Ch2>Herramientas\u003C\u002Fh2>\n\u003Cp>Da igual si sales de Excel, ERP o una plataforma como Opticks AI: el entregable no es el archivo, es la \u003Cstrong>política firmada\u003C\u002Fstrong> y el \u003Cstrong>filtro operativo\u003C\u002Fstrong> del día a día.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI calcula y visualiza clasificación ABC (y XYZ) sobre tus resultados de supply para priorizar alertas y políticas — no solo para armar un ranking estático.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fde-abc-xyz-a-reposicion-inventario\">De ABC\u002FXYZ a reposición\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fabc-xyz-politicas-de-stock\">Políticas ABC\u002FXYZ\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Ferrores-al-implementar-abc\">Errores al implementar ABC\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.744Z","2026-07-24T19:40:37.745Z",{"slug":16,"title":363,"description":364,"category":7,"tags":365,"keywords":366,"relatedSlugs":369,"coverImage":19,"bodyHtml":370,"excerpt":364,"publishedAt":371,"updatedAt":372},"De ABC\u002FXYZ a reposición: cómo priorizar inventario de verdad","Cómo pasar del análisis ABC\u002FXYZ a políticas de stock, ROP y sugeridos de reposición accionables. Guía para supply chain en retail y distribución.",[66,339,222,179,326],[355,342,367,368],"reposición de inventario","priorizar stock",[73,17,39,4],"\u003Cp>Clasificar el catálogo en ABC (y XYZ) es útil. Pero la clasificación \u003Cstrong>sola no baja el inventario ni mejora el servicio\u003C\u002Fstrong>. El valor aparece cuando cada cuadrante tiene una \u003Cstrong>política\u003C\u002Fstrong> y esa política se traduce en \u003Cstrong>sugeridos de reposición\u003C\u002Fstrong>.\u003C\u002Fp>\n\u003Ch2>Por qué falla el “proyecto ABC”\u003C\u002Fh2>\n\u003Cp>Escenario típico:\u003C\u002Fp>\n\u003Col>\n\u003Cli>Se corre un ABC en Excel.\u003C\u002Fli>\n\u003Cli>Se presenta un pastel bonito a gerencia.\u003C\u002Fli>\n\u003Cli>Nadie cambia lead times, mínimos de compra ni cobertura.\u003C\u002Fli>\n\u003Cli>Seis meses después, mismos quiebres y mismo excess.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>El problema no fue la matriz. Fue la falta de \u003Cstrong>operacionalización\u003C\u002Fstrong>.\u003C\u002Fp>\n\u003Ch2>El puente en 4 capas\u003C\u002Fh2>\n\u003Col>\n\u003Cli>Clasificación (ABC\u002FXYZ)\u003C\u002Fli>\n\u003Cli>Política por cuadrante (servicio, cobertura, revisión)\u003C\u002Fli>\n\u003Cli>Parámetros (ROP, stock seguridad, Q sugerida)\u003C\u002Fli>\n\u003Cli>Acción (carrito \u002F OC \u002F transferencia)\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>Si te saltas una capa, vuelves al reporte estático.\u003C\u002Fp>\n\u003Ch2>Capa 1 — Clasificación que se pueda defender\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Cstrong>ABC por valor\u003C\u002Fstrong> (contribución a margen o a venta; 80\u002F15\u002F5 es un punto de partida, no dogma).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>XYZ por variabilidad\u003C\u002Fstrong> (coeficiente de variación de demanda).\u003C\u002Fli>\n\u003Cli>Recalcular con cadencia (mensual\u002Ftrimestral), no “una vez al año”.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Cuadrante\u003C\u002Fth>\n\u003Cth>Lectura\u003C\u002Fth>\n\u003Cth>Prioridad\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd>A\u002FX\u003C\u002Ftd>\n\u003Ctd>Alto valor, demanda estable\u003C\u002Ftd>\n\u003Ctd>Servicio alto, poca intervención manual\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>A\u002FY–Z\u003C\u002Ftd>\n\u003Ctd>Alto valor, demanda errática\u003C\u002Ftd>\n\u003Ctd>Más stock seguridad o revisión frecuente\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>C\u002FX\u003C\u002Ftd>\n\u003Ctd>Bajo valor, estable\u003C\u002Ftd>\n\u003Ctd>Automatizar y simplificar\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>C\u002FZ\u003C\u002Ftd>\n\u003Ctd>Bajo valor, errático\u003C\u002Ftd>\n\u003Ctd>Evitar overstock; mínimos bajos\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>Capa 2 — Políticas por cuadrante\u003C\u002Fh2>\n\u003Cp>Define reglas explícitas, por ejemplo:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>A:\u003C\u002Fstrong> fill rate objetivo 98–99%, revisión diaria\u002Fsemanal, overrides con aprobación.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>B:\u003C\u002Fstrong> fill rate 95–97%, revisión semanal.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>C:\u003C\u002Fstrong> fill rate 90–95%, menos frecuencia de pedido para bajar costo operativo.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>La política debe incluir \u003Cstrong>qué hacer con excess\u003C\u002Fstrong> (transferencia, promo, descontinuación), no solo cómo comprar.\u003C\u002Fp>\n\u003Ch2>Capa 3 — Parámetros de reposición\u003C\u002Fh2>\n\u003Cp>Para cada SKU-centro relevante:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Demanda prevista en el lead time\u003C\u002Fli>\n\u003Cli>Stock de seguridad\u003C\u002Fli>\n\u003Cli>Punto de reorden (ROP)\u003C\u002Fli>\n\u003Cli>Cantidad sugerida (múltiplos, MOQ, contenedor)\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Capa 4 — Acción y feedback\u003C\u002Fh2>\n\u003Col>\n\u003Cli>Ver alerta \u002F línea sugerida\u003C\u002Fli>\n\u003Cli>Ajustar con contexto (promo, demora proveedor)\u003C\u002Fli>\n\u003Cli>Aprobar \u002F descartar\u003C\u002Fli>\n\u003Cli>Medir si la decisión mejoró servicio o generó excess\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Priorización cuando “no hay tiempo”\u003C\u002Fh2>\n\u003Col>\n\u003Cli>Quiebres actuales y proyectados en \u003Cstrong>A\u003C\u002Fstrong>\u003C\u002Fli>\n\u003Cli>Overstock severo en \u003Cstrong>A\u002FB\u003C\u002Fstrong>\u003C\u002Fli>\n\u003Cli>Cambios de lead time \u002F disrupciones\u003C\u002Fli>\n\u003Cli>Outliers de forecast que mueven pedidos grandes\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>KPIs del puente\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>% de OC originadas en sugerido (adopción)\u003C\u002Fli>\n\u003Cli>Fill rate por ABC\u003C\u002Fli>\n\u003Cli>Días de cobertura vs objetivo por cuadrante\u003C\u002Fli>\n\u003Cli>Excess value (tendencia)\u003C\u002Fli>\n\u003Cli>Edad de parámetros sin revisar\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿ABC por venta o por margen?\u003C\u002Fstrong> Si el objetivo es capital y rentabilidad, margen (o contribución) suele ser mejor. Si el objetivo es servicio al shopper en categorías tráfico, venta puede bastar. Sé consistente.\u003C\u002Fp>\n\u003Cp>\u003Cstrong>¿Cada cuánto reclasificar?\u003C\u002Fstrong> Mensual para catálogos dinámicos; trimestral mínimo. Evita reclasificar cada semana (ruido).\u003C\u002Fp>\n\u003Cp>\u003Cstrong>¿XYZ es obligatorio?\u003C\u002Fstrong> No, pero evita tratar un A estable igual que un A errático. Esa diferencia paga el esfuerzo.\u003C\u002Fp>\n\u003Ch2>Ejemplo de política completa (plantilla)\u003C\u002Fh2>\n\u003Ch3>Clase A\u002FX\u003C\u002Fh3>\n\u003Cul>\n\u003Cli>Fill rate objetivo: 98.5%\u003C\u002Fli>\n\u003Cli>Revisión: diaria automática + humana 2×\u002Fsemana\u003C\u002Fli>\n\u003Cli>SS: según servicio y variabilidad baja\u003C\u002Fli>\n\u003Cli>Override: supervisor planning\u003C\u002Fli>\n\u003Cli>Excess: transferir antes de liquidar\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3>Clase A\u002FZ\u003C\u002Fh3>\n\u003Cul>\n\u003Cli>Fill rate objetivo: 97–98%\u003C\u002Fli>\n\u003Cli>Revisión: humana en cada ciclo\u003C\u002Fli>\n\u003Cli>SS: más alto o pedidos más frecuentes\u003C\u002Fli>\n\u003Cli>Escenarios obligatorios si hay promo\u003C\u002Fli>\n\u003Cli>Override: manager + nota de causa\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3>Clase C\u002FX\u003C\u002Fh3>\n\u003Cul>\n\u003Cli>Fill rate objetivo: 92–95%\u003C\u002Fli>\n\u003Cli>Pedido: menor frecuencia \u002F mayor lote si el flete lo justifica\u003C\u002Fli>\n\u003Cli>SS: mínimo\u003C\u002Fli>\n\u003Cli>Candidatos a simplificación de surtido si excess recurrente\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Copia esta plantilla a tu wiki interna y pon fechas de vigencia.\u003C\u002Fp>\n\u003Ch2>De la matriz al carrito (flujo diario)\u003C\u002Fh2>\n\u003Col>\n\u003Cli>Sistema genera necesidades (ROP \u002F cobertura).\u003C\u002Fli>\n\u003Cli>Planner filtra: A en riesgo + excess severo + cambios de LT.\u003C\u002Fli>\n\u003Cli>Ajusta cantidades (MOQ, contenedor, campaña).\u003C\u002Fli>\n\u003Cli>Aprueba → OC \u002F transferencia.\u003C\u002Fli>\n\u003Cli>Descarta con motivo (dato para mejorar el motor).\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>El motivo de descarte es oro: si el 40% se descarta por “LT malo”, no necesitas un modelo nuevo — necesitas master data.\u003C\u002Fp>\n\u003Ch2>Indicadores de adopción (después de 60 días)\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>% de líneas A cuya OC salió del sugerido\u003C\u002Fli>\n\u003Cli>% de overrides con motivo\u003C\u002Fli>\n\u003Cli>Tiempo medio de aprobación\u003C\u002Fli>\n\u003Cli>Quiebres A evitados vs semana baseline\u003C\u002Fli>\n\u003Cli>Excess creado por compras fuera de sugerido\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Si la adopción es baja, el problema es UX\u002Fconfianza, no “falta de ABC”.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>En Opticks AI, la clasificación ABC\u002FXYZ se conecta con resultados de supply, parámetros editables y flujos de sugeridos (carrito\u002Faprobación), para que la matriz termine en una orden — no en un slide.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fanalisis-abc-inventarios-paso-a-paso\">Análisis ABC paso a paso\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fabc-xyz-politicas-de-stock\">Políticas ABC\u002FXYZ\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fstock-seguridad-punto-reorden-rop\">Stock de seguridad y ROP\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Foverstock-vs-quiebre-priorizar-skus\">Overstock vs quiebre\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.733Z","2026-07-24T19:40:37.734Z",{"slug":107,"title":374,"description":375,"category":97,"tags":376,"keywords":378,"relatedSlugs":382,"coverImage":19,"bodyHtml":383,"excerpt":375,"publishedAt":384,"updatedAt":385},"Planificación de la demanda en retail y manufactura: guía completa","Guía práctica para armar un proceso de forecast de demanda en retail y manufactura: datos, métricas, escenarios, gobernanza y puente a abastecimiento.",[101,377,149,134,99],"demanda",[379,380,99,381],"planificación de la demanda","forecast de demanda","pronóstico de ventas",[185,57,109,40],"\u003Cp>La planificación de la demanda no es “un número de forecast”. Es un \u003Cstrong>proceso\u003C\u002Fstrong> que convierte historia de ventas, señales de negocio y juicio humano en una proyección usable para comprar, producir y servir.\u003C\u002Fp>\n\u003Cp>En LATAM, el error más común es tratar el forecast como un entregable de TI o de un analista aislado. Las empresas que mejoran servicio y capital de trabajo lo tratan como un ciclo semanal o mensual con dueños claros, métricas y decisiones.\u003C\u002Fp>\n\u003Ch2>Qué es (y qué no es) un buen forecast\u003C\u002Fh2>\n\u003Cp>Un buen forecast:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Tiene \u003Cstrong>horizonte y granularidad\u003C\u002Fstrong> definidos (SKU-centro-semana, categoría-mes, etc.).\u003C\u002Fli>\n\u003Cli>Se mide con \u003Cstrong>accuracy y sesgo\u003C\u002Fstrong>, no solo con “se parece al mes pasado”.\u003C\u002Fli>\n\u003Cli>Separa \u003Cstrong>baseline\u003C\u002Fstrong> de efectos (promos, feriados, lanzamientos, discontinuaciones).\u003C\u002Fli>\n\u003Cli>Termina en una \u003Cstrong>decisión\u003C\u002Fstrong>: cuánto comprar, producir o redistribuir.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>No es un buen forecast:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Un Excel sin dueño que nadie audita.\u003C\u002Fli>\n\u003Cli>Una media móvil escondida detrás de un dashboard bonito.\u003C\u002Fli>\n\u003Cli>Un modelo “perfecto” que el equipo comercial ignora.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>El ciclo en 6 etapas\u003C\u002Fh2>\n\u003Ch3>1. Datos base\u003C\u002Fh3>\n\u003Cp>Necesitas al menos:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Ventas históricas limpias (cantidad, fecha, SKU, centro\u002Fcanal).\u003C\u002Fli>\n\u003Cli>Maestro de productos (estado, lead time, unidad, criticidad).\u003C\u002Fli>\n\u003Cli>Calendario (feriados, temporadas, cierres).\u003C\u002Fli>\n\u003Cli>Señales comerciales (promos, precios, aperturas).\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Sin calidad de dato, el modelo solo acelera el error.\u003C\u002Fp>\n\u003Ch3>2. Baseline estadístico\u003C\u002Fh3>\n\u003Cp>El baseline responde: \u003Cem>“si no pasa nada extraordinario, ¿qué venderíamos?”\u003C\u002Fem>\nPuede ser suavizado exponencial, kernels por estacionalidad u otros métodos. Lo importante es que sea \u003Cstrong>reproducible\u003C\u002Fstrong> y comparable entre corridas.\u003C\u002Fp>\n\u003Ch3>3. Ajustes de negocio (variables externas)\u003C\u002Fh3>\n\u003Cp>Aquí entra el juicio: campañas, feriados largos, quiebres previos que distorsionan historia, salidas de surtido. El ajuste debe quedar \u003Cstrong>trazable\u003C\u002Fstrong> (quién, por qué, cuánto), no como celda editada a mano sin log.\u003C\u002Fp>\n\u003Ch3>4. Escenarios\u003C\u002Fh3>\n\u003Cp>No operes con un solo número. Mínimo:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Baseline\u003C\u002Fstrong>\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Upside\u003C\u002Fstrong> (promo \u002F estacionalidad fuerte)\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Downside\u003C\u002Fstrong> (riesgo de demanda o suministro)\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3>5. Revisión y gobernanza (S&OP light)\u003C\u002Fh3>\n\u003Cp>Una reunión corta con comercial, supply y finanzas:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>¿Dónde está el sesgo?\u003C\u002Fli>\n\u003Cli>¿Qué outliers se corrigen y cuáles se dejan?\u003C\u002Fli>\n\u003Cli>¿Cuál es el forecast “oficial” de la semana\u002Fmes?\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch3>6. Puente a abastecimiento\u003C\u002Fh3>\n\u003Cp>El forecast solo crea valor cuando alimenta \u003Cstrong>reposición, producción o transferencia\u003C\u002Fstrong>. Si el número se queda en un reporte, el proceso está incompleto.\u003C\u002Fp>\n\u003Ch2>Retail vs manufactura: diferencias que importan\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Dimensión\u003C\u002Fth>\n\u003Cth>Retail \u002F distribución\u003C\u002Fth>\n\u003Cth>Manufactura\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd>Granularidad\u003C\u002Ftd>\n\u003Ctd>SKU-tienda\u002FCD, alta densidad\u003C\u002Ftd>\n\u003Ctd>SKU-planta, a veces familia\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Drivers\u003C\u002Ftd>\n\u003Ctd>Promo, clima, surtido, competencia\u003C\u002Ftd>\n\u003Ctd>Capacidad, BOM, pedidos firmes\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Horizonte\u003C\u002Ftd>\n\u003Ctd>4–16 semanas típico\u003C\u002Ftd>\n\u003Ctd>8–26 semanas o más\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Riesgo principal\u003C\u002Ftd>\n\u003Ctd>Quiebre + overstock cola larga\u003C\u002Ftd>\n\u003Ctd>Desbalance MP\u002FPT y capacity\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>Métricas que sí debes mirar\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Cstrong>MAPE \u002F WAPE\u003C\u002Fstrong> por segmento (A\u002FB\u002FC), no un promedio global engañoso.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Sesgo\u003C\u002Fstrong> (¿siempre sobre-pronosticamos?).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Forecast value add\u003C\u002Fstrong>: ¿el ajuste humano mejora o empeora el baseline?\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Impacto en servicio y stock\u003C\u002Fstrong>: fill rate, días de cobertura, excess.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Errores frecuentes en LATAM\u003C\u002Fh2>\n\u003Col>\n\u003Cli>Usar historia con quiebres sin marcarlos (el modelo “aprende” demanda falsa baja).\u003C\u002Fli>\n\u003Cli>Mezclar canales sin separar (marketplace vs tienda vs B2B).\u003C\u002Fli>\n\u003Cli>Cambiar el forecast sin cambiar la política de stock.\u003C\u002Fli>\n\u003Cli>Revisar todo el catálogo en vez de excepciones (outliers + SKUs A).\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Checklist para empezar en 30 días\u003C\u002Fh2>\n\u003Col>\n\u003Cli>Definir unidad de planning (SKU-centro-semana o equivalente).\u003C\u002Fli>\n\u003Cli>Congelar una fuente de verdad de ventas.\u003C\u002Fli>\n\u003Cli>Publicar baseline automático.\u003C\u002Fli>\n\u003Cli>Habilitar ajustes trazables (variables\u002Fescenarios).\u003C\u002Fli>\n\u003Cli>Instalar reunión semanal de 45 minutos con agenda fija.\u003C\u002Fli>\n\u003Cli>Conectar el forecast aprobado a sugeridos de compra\u002Freposición.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>FAQ\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>¿Forecast semanal o mensual?\u003C\u002Fstrong> Depende del lead time y la volatilidad. Si compras con lead time corto y alta rotación, semanal gana. Si el cuello es capacidad mensual, un rollup mensual puede bastar — pero la decisión operativa suele necesitar semana.\u003C\u002Fp>\n\u003Cp>\u003Cstrong>¿Quién “dueña” el número?\u003C\u002Fstrong> Supply propone el proceso; comercial aporta señales; finanzas valida impacto. Debe existir un forecast oficial por ciclo.\u003C\u002Fp>\n\u003Cp>\u003Cstrong>¿Cuánto tarda ver valor?\u003C\u002Fstrong> Con datos razonables, un baseline usable puede existir en semanas. El valor de negocio aparece cuando el número mueve OC y reduce excepciones.\u003C\u002Fp>\n\u003Ch2>Modelo operativo recomendado (RACI light)\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Actividad\u003C\u002Fth>\n\u003Cth>Comercial\u003C\u002Fth>\n\u003Cth>Supply \u002F Planning\u003C\u002Fth>\n\u003Cth>Finanzas\u003C\u002Fth>\n\u003Cth>Data\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd>Señales de promo\u002Fferiado\u003C\u002Ftd>\n\u003Ctd>R\u003C\u002Ftd>\n\u003Ctd>C\u003C\u002Ftd>\n\u003Ctd>I\u003C\u002Ftd>\n\u003Ctd>C\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Baseline estadístico\u003C\u002Ftd>\n\u003Ctd>I\u003C\u002Ftd>\n\u003Ctd>R\u003C\u002Ftd>\n\u003Ctd>I\u003C\u002Ftd>\n\u003Ctd>C\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Ajustes \u002F variables\u003C\u002Ftd>\n\u003Ctd>C\u003C\u002Ftd>\n\u003Ctd>R\u003C\u002Ftd>\n\u003Ctd>I\u003C\u002Ftd>\n\u003Ctd>C\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Escenario oficial\u003C\u002Ftd>\n\u003Ctd>A (conjunto)\u003C\u002Ftd>\n\u003Ctd>A (conjunto)\u003C\u002Ftd>\n\u003Ctd>C\u003C\u002Ftd>\n\u003Ctd>I\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Parámetros ROP\u002FSS\u003C\u002Ftd>\n\u003Ctd>I\u003C\u002Ftd>\n\u003Ctd>R\u003C\u002Ftd>\n\u003Ctd>C\u003C\u002Ftd>\n\u003Ctd>I\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Medición accuracy\u002Fsesgo\u003C\u002Ftd>\n\u003Ctd>I\u003C\u002Ftd>\n\u003Ctd>R\u003C\u002Ftd>\n\u003Ctd>C\u003C\u002Ftd>\n\u003Ctd>R\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Cp>R = responsable, A = aprueba, C = consulta, I = informado.\u003C\u002Fp>\n\u003Ch2>Horizontes y “congelamiento”\u003C\u002Fh2>\n\u003Cp>Define tres zonas temporales:\u003C\u002Fp>\n\u003Col>\n\u003Cli>\u003Cstrong>Ejecución (0–2 lead times):\u003C\u002Fstrong> cambios solo por excepción justificada.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Táctica (hasta 8–12 semanas):\u003C\u002Fstrong> donde vive el forecast review semanal.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Estratégica (3–12 meses):\u003C\u002Fstrong> familias, capacidad, surtido — no micro-edits diarios.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>Sin zonas, todo el mundo edita todo el horizonte y el proceso se vuelve ruido.\u003C\u002Fp>\n\u003Ch2>Calidad de dato: umbral mínimo para confiar\u003C\u002Fh2>\n\u003Cp>Antes de pelear por décimas de MAPE, valida:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>% de líneas de venta con SKU y centro válidos\u003C\u002Fli>\n\u003Cli>% de stock sin ubicación \u002F sin costo\u003C\u002Fli>\n\u003Cli>Lead times desactualizados (>90 días sin recepción que los valide)\u003C\u002Fli>\n\u003Cli>SKUs nuevos sin política de ramp-up\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Si el % de basura supera tu umbral (p. ej. 5–10% en A), prioriza limpieza antes que sofisticación de modelo.\u003C\u002Fp>\n\u003Ch2>Ejemplo de conversación de review (script)\u003C\u002Fh2>\n\u003Col>\n\u003Cli>“WAPE A esta semana: X. Sesgo: +Y%.”\u003C\u002Fli>\n\u003Cli>“Outliers A abiertos: N. Propuesta de resolución en tabla.”\u003C\u002Fli>\n\u003Cli>“Variables activas próximos 14 días: lista.”\u003C\u002Fli>\n\u003Cli>“Escenario oficial: baseline + promo Cyber parcial (40% del upside en A).”\u003C\u002Fli>\n\u003Cli>“Impacto supply: M sugeridos A requieren aprobación hoy.”\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>Si no puedes llenar ese guion con datos del sistema, el stack aún no soporta S&OP light.\u003C\u002Fp>\n\u003Ch2>Relación con el CFO y el CEO\u003C\u002Fh2>\n\u003Cp>Traduce forecast a dinero:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Venta en riesgo por quiebre A proyectado\u003C\u002Fli>\n\u003Cli>Excess $ generado por sesgo positivo persistente\u003C\u002Fli>\n\u003Cli>Costo de urgencias (flete, MOQ roto, overtime)\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Así el forecast deja de ser “tema de planning” y pasa a ser gobierno de capital y servicio.\u003C\u002Fp>\n\u003Ch2>Cómo lo aborda Opticks AI\u003C\u002Fh2>\n\u003Cp>Opticks AI soporta forecast como \u003Cstrong>proceso\u003C\u002Fstrong>: proyecciones, variables externas, escenarios, revisión de outliers y puente hacia supply — con analistas virtuales que aceleran la lectura de excepciones.\u003C\u002Fp>\n\u003Ch2>Sigue explorando\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fforecast-demanda-mape-sesgo-accuracy\">Forecast: MAPE, sesgo y accuracy\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fde-forecast-a-plan-abastecimiento\">De forecast a plan de abastecimiento\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fescenarios-demanda-baseline-promo-downside\">Escenarios de demanda\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fblog\u002Fchecklist-sop-semanal-forecast\">Checklist S&OP semanal\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>\n\u003Cp>\u003Cstrong>¿Quieres ver esto con tus datos?\u003C\u002Fstrong> \u003Ca href=\"https:\u002F\u002Fopticks.cl\u002Fdemo\">Agendar una demo\u003C\u002Fa>\u003C\u002Fp>\n","2026-07-24T19:40:37.671Z","2026-07-24T19:40:37.718Z",1784923682967]