> For the complete documentation index, see [llms.txt](https://docs.flowlity.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.flowlity.com/es/gestion-de-la-demanda/demand/run-forecast-review.md).
# Ejecutar una revisión de la precisión del pronóstico
Decida qué medir y quién participa, y luego cree una vista de revisión, preseleccione SKUs, corrija las entradas y registre las decisiones.
Esta guía le acompaña en un ciclo de revisión en el módulo [Demanda](/es/gestion-de-la-demanda/demand.md).
### Configurar un proceso de revisión de la precisión del pronóstico
Una revisión de la precisión del pronóstico es el momento recurrente en el que su equipo de planificación comprueba dónde se equivocó el pronóstico, entiende por qué y corrige aquello de lo que aprende el modelo. La precisión del pronóstico influye tanto en el inventario (demasiado buffer cuando el pronóstico es irregular o demasiado alto) como en la disponibilidad (roturas de stock cuando es demasiado bajo), por lo que una revisión breve y disciplinada suele rentabilizarse rápido.
#### 1. ¿Qué medimos?
Use dos métricas, cada una para una tarea distinta. Ambas están disponibles como columnas de KPI en la lista de productos de Demanda (consulte [KPI](/es/conceptos/concepts/kpis.md) y el [Glosario de métricas](/es/conceptos/concepts/metrics-glossary.md)).
| Métrica | Úsela para | Tenga en cuenta |
| ------------------------------------------ | --------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| **MAE** (error absoluto medio) | **Clasificar** los productos por el tamaño del error. Combínelo con la demanda pasada en valor para ver el impacto en el negocio. | El MAE se expresa en unidades de cantidad, así que compare productos con unidades similares. |
| **MAPE** (error porcentual absoluto medio) | **Comunicar** la precisión como un porcentaje, en productos de gran volumen que se venden con regularidad. | El MAPE se dispara en los productos de bajo volumen e intermitentes: vender 1 unidad frente a un pronóstico de 3 muestra un error del 200 % sin apenas coste. |
Algunas reglas hacen que las cifras sean fiables:
* **Clasifique con el MAE, no con el MAPE.** Una lista ordenada por MAPE está dominada por productos pequeños y esporádicos. Una lista ordenada por MAE sitúa arriba los productos en los que el error cuesta más.
* **Mida al nivel al que planifica.** Revise a nivel de SKU, pero mire también el nivel de familia o de modelo de producto. Cuando una nueva variante quita ventas a una más antigua, cada SKU parece erróneo mientras que el total de la familia puede ser preciso.
* **Compare con su método anterior.** Si carga un pronóstico externo (presupuesto, sistema anterior), añádalo junto al pronóstico final. Muestra si Flowlity mejora la forma de trabajar anterior.
* **Compruebe que sus KPI en valor usan el precio correcto.** La demanda en valor debe reflejar el precio al que se vende esa demanda. Si tiene dudas, pregunte a su contacto en Flowlity qué precio usan sus KPI en valor.
{% hint style="info" %}
No existe un MAPE "bueno" universal. Siga la tendencia a lo largo del tiempo y compare los grupos de productos entre sí en lugar de perseguir un objetivo absoluto.
{% endhint %}
#### 2. ¿Qué artículos van primero?
Nadie puede revisar miles de pronósticos. Revise por excepción, partiendo del impacto en el negocio:
* **Principales contribuyentes**: los productos que representan aproximadamente el 80 % del valor de la demanda, normalmente la clase A de la clasificación ABC.
* **Lanzamientos recientes**: productos con menos de unos seis meses de historial, a menudo con una [Previsibilidad de la demanda](/es/conceptos/concepts/metrics-glossary.md) baja o nula.
* **Productos con alertas**: productos ya señalados por una alerta de Flowlity o por el agente de anomalías de demanda.
Antes de mirar SKUs individuales, **agrupe la lista de productos por jerarquía** (familia de productos, categoría o cualquier categoría de etiqueta) para ver qué grupos concentran el mayor error. Después, profundice solo en esos grupos. Procure una preselección de **10 a 20 productos por planificador y por revisión**, clasificados por impacto.
Omita los productos revisados en las últimas cuatro semanas, salvo que haya ocurrido algo nuevo desde entonces. La columna **Revisión de demanda** muestra cuándo se revisó cada producto por última vez.
#### 3. ¿Quién participa?
| Rol | Responsabilidad |
| -------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------ |
| **Equipo de planificación / cadena de suministro** | Es responsable de la revisión. Prepara la preselección, diagnostica cada producto, decide el pronóstico final y registra la decisión. |
| **Equipo comercial** | Consultivo. Aporta conocimiento del mercado (promociones, pedidos puntuales grandes, lanzamientos, retiradas, cambios de precio) con el motivo de cada aportación. |
| **Dirección** | Revisa mensualmente los KPI de precisión y pide cuentas a los responsables. |
Mantenga la decisión en un solo equipo. Cuando todo el mundo puede cambiar la cifra, nadie es responsable del error.
#### 4. ¿Con qué frecuencia?
Ajuste el ritmo de revisión a la velocidad de su negocio:
* **Empiece con una revisión semanal** durante los primeros uno o dos meses. Los cambios aplicados en una revisión se ven la semana siguiente, así que el equipo aprende rápido qué funciona.
* **Pase a una revisión mensual** cuando el proceso sea estable.
* **Alinéela con su ciclo de pedidos.** Las líneas de negocio con distintos tiempos de entrega o ritmos de pedido pueden seguir cadencias diferentes. Una revisión solo sirve si se hace antes de la siguiente decisión de pedido.
* **Sitúe la revisión después de la ejecución del pronóstico** y antes de la planificación del suministro, para que los pedidos se construyan sobre el pronóstico revisado.
#### 5. ¿Cómo actuamos?
Dos reglas mantienen la eficacia de la revisión:
* **Identifique la causa raíz antes de cambiar nada.** La mayoría de los malos pronósticos proceden de un pequeño número de causas; consulte [Diagnosticar errores de pronóstico](/es/gestion-de-la-demanda/demand/diagnose-forecast-errors.md).
* **Corrija la entrada, no la cifra.** Un cambio manual en Mi pronóstico corrige una cifra para una ejecución; la siguiente ejecución reproduce el mismo error porque el historial no ha cambiado. Limpiar el historial, vincular un producto similar, aplicar un modelo experto o crear un evento de pronóstico corrige todas las ejecuciones futuras.
Use una modificación manual solo para información realmente nueva que el modelo no puede conocer, y añada siempre un comentario que explique por qué.
#### 6. ¿Cómo es el éxito?
Siga un pequeño conjunto de KPI en su revisión mensual. Establezca su valor de referencia durante las primeras semanas y luego acuerde los objetivos.
| KPI | Por qué importa |
| -------------------------------------------------- | ---------------------------------------------------------------- |
| Error (MAE) en productos A, por grupo de productos | El volumen de error donde más importa |
| MAPE en productos A con demanda regular | Una cifra de precisión comprensible para la dirección |
| Cobertura de la revisión | Parte de los productos preseleccionados que realmente se revisan |
| Modificaciones con un motivo documentado | Cada cambio manual puede explicarse más adelante |
| Lanzamientos sin producto similar | Productos nuevos pronosticados desde cero |
{% hint style="info" %}
Una revisión de la precisión del pronóstico solo muestra parte del panorama hasta que todo el ciclo de planificación se ejecuta en Flowlity. Los ajustes de pronóstico, los pedidos validados y el stock alimentan lo que Flowlity proyecta, así que haga la revisión junto con la planificación del suministro en la aplicación, no de forma aislada.
{% endhint %}
{% hint style="info" %}
Un error elevado no implica automáticamente roturas de stock. El pronóstico probabilístico de Flowlity alimenta el stock de seguridad, y el buffer crece con la incertidumbre del pronóstico y el tiempo de entrega. Consulte [Configuración del stock de seguridad](/es/conceptos/concepts/buffer-policies.md).
{% endhint %}
### Ejecutar la revisión paso a paso
{% stepper %}
{% step %}
#### Cree una vista de revisión del pronóstico
En **Gestión de la demanda** > **Demanda**, parta de la vista **🎯 Precisión de las previsiones** y añada estas columnas desde el panel **Columnas** (consulte [KPI](/es/conceptos/concepts/kpis.md)):
* **Demanda pasada** en valor, últimos 12 meses: el peso de cada producto en el negocio.
* **Demanda pasada** (tendencia): para detectar los productos que suben o bajan.
* **Pronóstico final** de los próximos meses.
* **Pronóstico externo**, si carga uno: para comparar con su método anterior.
* **Pronóstico final MAE** y **Pronóstico final MAPE** para el periodo de análisis que revisa (últimos 30 días para una revisión semanal, últimos 90 días para una mensual).
* Su etiqueta **ABC** y sus etiquetas de **jerarquía** (familia de productos, categoría, modelo).
* **Revisión de demanda**: la fecha de la última revisión.
* **Modelos expertos aplicados**: para ver qué productos ya usan un modelo experto.
Filtre los productos activos y la clase A de ABC para empezar. Puede filtrar por un KPI desde el encabezado de su columna. Guárdela como vista personalizada y marque **Hacer pública** para que todo el equipo use la misma lista (consulte [Configurar y gestionar vistas](/es/tareas-cotidianas/how-tos/set-up-views.md)).
{% endstep %}
{% step %}
#### Agrupe por jerarquía para localizar el error
Haga clic en **Agrupar** > **Añadir grupo** y agrupe por una categoría de etiqueta de jerarquía, como la familia de productos. También puede agrupar por proveedor, cliente o sitio. Cada grupo muestra subtotales (medias ponderadas para MAE y MAPE) y un **Total general**.
Lea los grupos de arriba abajo:
* Empiece por los grupos que combinan **demanda alta y MAE alto**.
* Dé baja prioridad a un MAPE muy alto en un grupo con muy poca demanda.
* Un grupo grande sin etiqueta de jerarquía es en sí un hallazgo: complete las etiquetas para que cada producto quede en un grupo.
Añada un segundo nivel de agrupación a nivel de modelo o de familia (por ejemplo, el nivel que reúne todos los colores o versiones de un modelo) para que los productos descatalogados y sus reemplazos aparezcan juntos.
Guarde la agrupación en la vista para tenerla lista en la próxima revisión.
{% endstep %}
{% step %}
#### Prepare la preselección
Haga clic en **Ordenar** > **Añadir orden** para clasificar por **MAE**, de mayor a menor, y luego por demanda pasada en valor. También puede mantener pulsada la tecla Ctrl (Cmd en Mac) y hacer clic en los encabezados de columna para encadenar ordenaciones.
Despliegue los grupos prioritarios y elija **de 10 a 20 productos por planificador**, clasificados por impacto. Añada los lanzamientos recientes y los productos de la vista **🛸 Anomalías**, aunque estén más abajo en la clasificación.
Omita los productos cuya fecha de **Revisión de demanda** tenga menos de cuatro semanas, salvo que haya aparecido una nueva anomalía desde entonces.
{% endstep %}
{% step %}
#### Diagnostique cada producto
Abra la vista de detalle de cada producto y compare la demanda pasada, el **Pronóstico final** y, si está disponible, el **Pronóstico externo**. Active **Demanda pasada bruta (N-1)** y **Demanda pasada bruta (N-2)** desde la leyenda para comparar con años anteriores. Identifique la causa raíz antes de cambiar nada; consulte [Diagnosticar errores de pronóstico](/es/gestion-de-la-demanda/demand/diagnose-forecast-errors.md).
Cuando la causa no se ve en los datos, como una caída brusca sin rotura de stock, anótela y pregunte al equipo comercial.
{% endstep %}
{% step %}
#### Corrija la entrada, no la cifra
Aplique la corrección que corresponde a la causa:
| Causa | Corrección |
| ----------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| Rotura de stock, valor atípico o promoción pasada en el historial | Revise la corrección de Flowlity: consérvela, cambie su valor o elimínela ([Investigar y corregir anomalías de demanda](/es/gestion-de-la-demanda/demand/investigate-demand-anomalies.md)). |
| Producto de reemplazo con poco historial | Vincule el producto al que sustituye ([Similitudes de productos](/es/conceptos/concepts/product-similarities.md)). |
| Producto totalmente nuevo | Aplique el modelo experto **Modelo de lanzamiento** ([Demanda](/es/gestion-de-la-demanda/demand.md)). |
| Cambio duradero de nivel o de tendencia | Aplique un modelo experto como **Modelo promedio de los últimos periodos** o **Modelo promedio + tendencia** ([Demanda](/es/gestion-de-la-demanda/demand.md)). |
| Historial insuficiente para un pronóstico fiable | Defina la **Fuente de pronóstico** como su pronóstico externo en **Estrategia de producto** hasta que se acumule historial. |
| Evento futuro conocido (promoción, interrupción, pedido grande) | Cree un evento de pronóstico ([Crear y aplicar eventos de pronóstico](/es/optimizacion-de-ingresos/promotions/create-forecast-events.md)). |
| Producto descatalogado que sigue pronosticándose | Defina su **Fin de vida** en **Estrategia de producto** > **Pronóstico**. Para muchos productos: **⋮** > **Editar estrategia de producto** > **Editar ciclo de vida**. |
| Información realmente nueva que el modelo no puede conocer | Ajuste Mi pronóstico y añada un comentario con el motivo. |
| {% endstep %} | |
{% step %}
#### Celebre la reunión de revisión
Una reunión de 45 minutos suele bastar:
| Minutos | Bloque | Qué se espera |
| ------- | ------------------------- | ------------------------------------------------------------------------------ |
| 30 | Repaso de la preselección | Para cada producto: causa identificada, corrección aceptada o rechazada |
| 10 | Aportaciones comerciales | Cada aportación escuchada, cuantificada y comentada |
| 5 | Cierre | Decisiones registradas; cada acción pendiente tiene un responsable y una fecha |
El equipo de planificación dirige y decide. Se consulta al equipo comercial para obtener información del mercado.
{% endstep %}
{% step %}
#### Registre las decisiones
Haga clic en **Revisar** en el detalle del producto para registrar la fecha de revisión, y anote cada decisión en el panel de [Comentarios](/es/conceptos/concepts/comments.md) del producto para que el siguiente revisor vea qué se hizo y por qué. Después de cambiar una entrada, haga clic en **Calcular pronóstico** para ver el nuevo pronóstico antes de la siguiente ejecución semanal (consume créditos).
Lleve un registro sencillo de revisiones (producto, causa, acción, responsable) de una sesión a otra. Tras unas cuantas revisiones, muestra si un problema es aislado o sistémico. Por ejemplo, los casos repetidos de fin de vida apuntan a un proceso de datos maestros que corregir, más que a pronósticos individuales.
{% endstep %}
{% step %}
#### Revise los KPI cada mes
Una vez al mes, examine los KPI de precisión por grupo de productos, la cobertura de la revisión y la proporción de modificaciones con un motivo documentado. Use la tendencia para decidir dónde centrarse a continuación y cuándo pasar de una cadencia semanal a una mensual.
{% endstep %}
{% endstepper %}
{% hint style="info" %}
La skill **Auditoría de pronósticos** puede preparar la preselección por usted. En un asistente de IA conectado a Flowlity, pida *"Ejecuta una auditoría de pronósticos"*. Devuelve una lista clasificada de productos con el motivo por el que se señaló cada uno y una corrección sugerida para la entrada del pronóstico. Solo lee datos; el planificador acepta o rechaza cada sugerencia en la aplicación. Consulte [Skills](/es/ia-y-automatizaciones/co-planner/mcp/skills.md).
{% endhint %}
### Páginas relacionadas
* [Diagnosticar errores de pronóstico](/es/gestion-de-la-demanda/demand/diagnose-forecast-errors.md): causas raíz habituales y sus correcciones.
* [Configurar y gestionar vistas](/es/tareas-cotidianas/how-tos/set-up-views.md): guarde la vista de revisión con sus columnas, filtros y agrupación.
* [Investigar y corregir anomalías de demanda](/es/gestion-de-la-demanda/demand/investigate-demand-anomalies.md): limpie la escasez, los valores atípicos y las promociones pasadas.
* [Crear y aplicar eventos de pronóstico](/es/optimizacion-de-ingresos/promotions/create-forecast-events.md): añada al pronóstico los eventos futuros conocidos.
* [Demanda](/es/gestion-de-la-demanda/demand.md): modelos expertos, Mi pronóstico y Calcular pronóstico.
* [Comentarios](/es/conceptos/concepts/comments.md): registre las decisiones de revisión en un producto.
* [Pronóstico de demanda explicado](/es/conceptos/concepts/demand-forecasting.md): cómo se genera el pronóstico.
