El reto: anticipar la demanda y optimizar la gestión de stock
Calzados Robusta es una empresa española especializada en la fabricación de calzado técnico y profesional, con operaciones en todo el país y un catálogo de productos amplio y diversificado. Con un enfoque riguroso en la calidad y el servicio al cliente, el equipo de Robusta buscaba mejorar su capacidad de anticipación frente a la demanda, controlar picos de ventas estacionales y reducir tanto el sobrestock como las roturas de inventario.
La operativa se apoyaba principalmente en hojas de cálculo y en la experiencia del equipo interno, que, si bien gestionaba la información con solvencia, enfrentaba limitaciones para escalar procesos analíticos y liberar tiempo para tareas de mayor valor añadido.
El objetivo no era solo automatizar, sino construir una solución que ofreciera mayor visibilidad, mejor planificación y capacidad de simulación sobre decisiones críticas del negocio.
Teníamos un stock excesivo de producto terminado y materia prima para asegurar el servicio a nuestros clientes. Además, los cálculos del stock óptimo se realizaban de forma manual a través de complicadas y laboriosas hojas Excel.
Nuestro diagnóstico: una oportunidad de mejora basada en datos y colaboración
Desde Prenomics abordamos el proyecto con una mirada integral: combinar el conocimiento de negocio del equipo de Robusta con nuestra experiencia en analítica aplicada, para construir un sistema que fuera útil desde el primer día y escalable en el tiempo.
A través de varias sesiones de trabajo conjunto, identificamos tres frentes clave:
La predicción de la demanda, con modelos estadísticos ajustados al comportamiento específico de cada artículo y talla.
El cálculo óptimo del stock, incorporando tiempos de fabricación, lead times y niveles de servicio esperados.
La simulación de escenarios operativos, para anticipar el impacto de distintas estrategias de reposición y entender cómo reducir roturas de stock sin elevar innecesariamente los niveles de inventario.
Además, incorporamos elementos contextuales clave como el efecto de la estacionalidad (por ejemplo, Semana Santa), el tratamiento diferenciado de nuevos artículos y la caracterización de la incertidumbre a través de intervalos de confianza.
Qué hicimos: de la previsión mensual a un sistema completo de planificación
Enfoque estratégico
Desde el inicio del proyecto, trabajamos mano a mano con el equipo de Robusta para comprender a fondo su lógica de negocio, sus procesos de planificación y los condicionantes operativos que afectan a la gestión del stock. Este enfoque colaborativo nos permitió identificar variables críticas como:
Diferencias operativas entre producto terminado, producto semiterminado y materias primas.
Lead times específicos por etapa del circuito logístico (producción, transporte, aprovisionamiento).
Comportamientos estacionales, lanzamientos de artículos y picos de demanda recurrentes como la Semana Santa.
A partir de estas conversaciones, co-diseñamos una estrategia de previsión en varios niveles:
Para artículos de alta rotación, desarrollamos previsiones a nivel artículo-talla y semanal.
Para el resto, aplicamos modelos a nivel agregado (artículo o grupo de necesidad), con desagregación posterior por tallas mediante ratios constantes.
En artículos nuevos, definimos una lógica evolutiva según su madurez (menos de 6, entre 6 y 18, y más de 18 meses desde el lanzamiento).
También acordamos criterios de evaluación de resultados, priorizando la estabilidad del modelo frente a variaciones abruptas de consumo y el balance entre roturas y sobrestock, en línea con el nivel de servicio esperado.
Enfoque técnico
El núcleo técnico del proyecto se estructuró en tres grandes bloques: previsión de demanda, cálculo de stock óptimo y visualización interactiva y simulación.
Previsión de demanda avanzada
Automatizamos el pipeline de datos con un modelo base basado en ventas promedio y estacionalidad.
Probamos y ajustamos modelos como Prophet (capaz de capturar cambios de tendencia) y Holt-Winters (adecuado para series con fuerte estacionalidad).
Eliminamos outliers y períodos atípicos (como el inicio del COVID) para evitar distorsiones en las predicciones.
Evaluamos el rendimiento de cada modelo por tipo de artículo (alta, media y baja rotación), y seleccionamos el más adecuado para cada segmento.
Cálculo de stock de seguridad y punto de pedido
Replicamos el algoritmo actual en SQL, parametrizándolo para facilitar su mantenimiento y evolución.
Diseñamos un nuevo algoritmo basado en intervalos de confianza, utilizando la varianza del error de predicción para ajustar el nivel de stock de seguridad a la incertidumbre real de cada producto.
Aplicamos esta lógica no solo al producto terminado, sino también al producto semiterminado y a las materias primas, mediante la integración de escandallos y lead times diferenciados por fase del proceso productivo.
Simulación y visualización con Intelek
Construimos un dashboard interactivo que permite simular distintos escenarios de planificación: por ejemplo, qué pasaría si se acorta el periodo de revisión de 20 a 15 días, o si se ajusta el nivel de servicio objetivo.
Incorporamos simuladores de coste, que permiten contrastar el impacto económico de una rotura de stock frente al sobrestock.
Diseñamos formatos de salida automatizados y compatibles con Infosoft, eliminando la necesidad de trabajo manual en la consolidación de datos para la toma de decisiones.
Este enfoque permitió a Robusta pasar de una planificación basada en promedios históricos a un sistema basado en modelos predictivos, reglas de negocio claras y simulaciones activas, manteniendo siempre la trazabilidad, control y validación por parte del equipo interno.
El impacto: decisiones más informadas, procesos más ágiles, inventario más eficiente
La solución analítica implementada con Robusta ha permitido:
Reducir los niveles de inventario sin comprometer la disponibilidad, con un ahorro estimado de entre 20.000 y 30.000 euros al año.
Minimizar las roturas de stock, gracias a un cálculo más preciso del stock de seguridad ajustado por artículo y por periodo.
Liberar tiempo del equipo responsable de planificación, al automatizar cálculos que antes requerían múltiples validaciones manuales.
Adoptar una cultura de mejora continua apoyada en datos, con simulaciones y ajustes basados en evidencia, no en supuestos.
Hemos conseguido reducir un 40% el stock, pero lo más importante para nosotros, es que esta reducción no ha afectado a nuestro servicio. Además, ahora estos cálculos están automatizados e integrado con nuestro ERP.