Pronóstico de demanda en SAP sin IBP: por qué tu planificador sigue en Excel (y cómo salir)

Cuando se audita el proceso real de planificación en una empresa mediana con SAP, casi siempre aparece el mismo fichero de Excel. Y no está ahí porque nadie sepa usar SAP: está ahí porque el estándar no deja comparar métodos con comodidad ni guardar el plan donde debería. Este artículo va de cerrar ese hueco sin comprar SAP IBP.

Pronóstico de demanda en SAP: la respuesta corta

Un dato para dimensionar por qué importa: en manufactura industrial y B2B, el error de pronóstico típico a nivel SKU está entre el 20 % y el 40 % de MAPE —Mean Absolute Percentage Error, el error porcentual medio entre lo que pronosticaste y lo que realmente pasó—, y cada mes adicional de horizonte suele sumar 2–5 puntos de error (Umbrex).

1. El diagnóstico incómodo: tu planificador no usa Excel por comodidad

Cuando se audita el proceso real de planificación en una empresa mediana con SAP, el hallazgo suele ser el mismo. Hay un fichero. Tiene pestañas por familia, ventas del año anterior, un porcentaje de crecimiento negociado en una reunión, y ajustes manuales que solo entiende quien los hizo. Y funciona lo justo para que nadie lo cuestione.

Ese fichero no existe porque el planificador desconozca SAP. Existe porque en Excel puede hacer tres cosas que el estándar le hace difíciles: ver el histórico de varios años a la vez, probar más de un método de cálculo y cambiar de opinión sin pedir un desarrollo. Es un patrón que se repite en empresas industriales de tamaño medio con SAP productivo, independientemente del país y del sector.

El problema del Excel paralelo no es la hoja de cálculo. Es que el plan no queda en el sistema: no hay versiones comparables, no hay plan vs. real auditable, no hay forma de saber qué método acertó el trimestre pasado, y todo el conocimiento vive en una persona. Es exactamente el mismo patrón que describimos al planificar la campaña en Excel en agroindustria.

Y encontrar a esa persona es cada vez más difícil. La demanda de perfiles de supply chain supera a la oferta en una proporción de 6:1, que llega a 9:1 en roles de forecasting, y solo un 8 % de las empresas declara tener talento interno suficiente (Supply & Demand Chain Executive, 2026). Un proceso que depende de un fichero y de quien lo mantiene es un riesgo operativo, no un método.

2. Qué da SAP estándar, de verdad, y dónde se atasca

Conviene ser justos con el estándar: SAP tiene pronóstico. Lo que tiene es un pronóstico de consumo, por material y con poca conversación.

Lo que existe:

• MP30 ejecuta el pronóstico de un material; MP38 lo ejecuta de forma masiva; MP31/MP33 dan mantenimiento y revisión.
• El modelo (constante, tendencia, estacional, estacional con tendencia, automático) se define en la vista Pronóstico de el maestro de material (SAP Community).
• SOP / S&OP flexible permite guardar versiones de plan y comparar series de tiempo, tanto en ECC como en S/4HANA.

Dónde se atasca, según lo que reportan los propios consultores y key users en la SAP Community:

Y hay un dato de dirección estratégica que conviene tener sobre la mesa: SAP declara que SOP y S&OP flexible no son herramientas estratégicas para S/4HANA y su sucesor previsto es SAP IBP (SAP Learning). Eso no significa que dejen de funcionar hoy; significa que la hoja de ruta de SAP para planificación avanzada apunta a otro producto.

3. Antes de tocar nada: averigua si tu error de pronóstico es normal

Esta es la sección que decide qué problema tienes, y por tanto qué hacer después. Sin una línea base, cualquier discusión sobre herramientas es una discusión de opiniones.

El razonamiento es simple. Calculas tu error real de los últimos meses cerrados y lo comparas con la banda típica de tu sector:

• Si estás dentro de la banda, tu problema no es de cálculo: es de proceso. El número está bien, pero vive en un fichero, no tiene versiones y depende de una persona. Lo que necesitas es meterlo en SAP, no un motor estadístico mejor.
• Si estás muy por encima de la banda, sí tienes un problema de método. Y la salida más barata no es comprar un motor más caro: es probar varios modelos sobre tu propio histórico y quedarte con el que menos se desvía — exactamente el enfoque de la sección 6.

Por eso importa la referencia sectorial: un pronóstico con 30 % de error no es bueno ni malo en abstracto. En apparel sería excelente; en FMCG estable, un problema serio.

Dos matices que separan al planificador con criterio del que solo mira un número:

• El MAPE castiga injustamente la demanda intermitente. En artículos de bajo volumen o consumo esporádico —repuestos, formatos de cola larga— un error absoluto pequeño produce un porcentaje enorme. Para esos casos, el WAPE (Weighted Absolute Percentage Error, que pondera el error por volumen en lugar de promediar porcentajes) o las métricas basadas en unidades son más honestas.
• El horizonte importa tanto como el método. Cada mes adicional de horizonte añade típicamente 2–5 puntos de WAPE (Umbrex). Comparar el error a 1 mes con el de otra empresa a 6 meses no dice nada.

La conclusión práctica: medir la desviación por modelo y por mes cerrado es más útil que perseguir un MAPE ideal. Lo que hace ganar dinero no es acertar; es saber cuál de tus métodos se equivoca menos en tu tipo de artículo.

4. Lo que cuesta el error: el argumento que sí entiende dirección

«Mejorar el pronóstico» es una frase que no aprueba presupuestos. El coste del error, sí.

• Las roturas de stock reducen los ingresos anuales entre un 2 % y un 5 %, y el exceso de inventario absorbe entre el 20 % y el 30 % del capital de trabajo (ToolsGroup).
• Mantener inventario cuesta entre el 20 % y el 30 % de su valor al año (Aislestock).
• Como contexto macro: IHL Group cifra la distorsión global de inventario —roturas más sobrestock— en 1,7 billones de dólares en 2026, un 6,2 % de las ventas retail globales, con un reparto de 65,6 % roturas y 34,4 % sobrestock (vía Xorosoft). Es una cifra de retail: úsala como magnitud del problema, no como tu caso.

Y sobre la sensibilidad del proceso: «un cambio relativamente pequeño en el error o la precisión del pronóstico tiene un impacto significativo en el coste y la eficiencia del suministro» (Consultoria-SAP). En una planta de alimentos con caducidad corta o en una farma con lotes, ese impacto se ve en la misma semana.

5. SAP IBP: cuándo tiene todo el sentido y cuándo es demasiado

SAP IBP for demand es un producto serio, y para supply chains complejas es la respuesta correcta. El problema es de dimensionamiento, no de calidad.

Lo que se sabe públicamente:

• Es cloud, se factura por cost of goods per year en bloques y SAP no publica precios (FitGap; spotsaas).
• Demand Sensing, analítica predictiva y network design son add-ons separados; hay compradores que reportan «descubrir costes de licencia adicionales significativos a mitad de implementación» (saplicensingexperts).
• En reseñas verificadas, el tiempo medio de implementación ronda los 7 meses y el ROI declarado los 19 meses (G2).

IBP tiene sentido si: planificas multi-planta y multi-país, necesitas demand sensing con señales diarias, tienes un equipo de planificación dedicado y un presupuesto de proyecto plurianual.

Probablemente esté sobredimensionado si: tu equipo de planificación son una o dos personas, tu ciclo de decisión es semanal, tu dolor real es «quiero comparar métodos y dejar el plan guardado en SAP» y necesitas resolverlo este trimestre, no en el siguiente ejercicio.

Entre «Excel» e «IBP» hay un escalón intermedio que casi nadie describe: calcular varios modelos estadísticos sobre el histórico que ya tienes en SAP, comparar su desviación en meses cerrados, y guardar la versión adoptada en el S&OP estándar. No es magia. Es el trabajo que el planificador ya hace a mano, hecho dentro del sistema.

6. El enfoque multimodelo: comparar antes de adoptar

Aquí está el cambio de método, y es más de proceso que de tecnología. En lugar de configurar un modelo en el maestro de material y confiar, se calculan varios en paralelo sobre el mismo material y centro:

• promedio simple
• promedio ajustado por días calendario del mes
• media móvil de 3 períodos
• media móvil de 6 períodos
• media móvil ponderada
• suavizado exponencial simple
• índice estacional por mes
• tendencia lineal
• tendencia lineal con estacionalidad

Y sobre cada uno se muestra la desviación en los meses ya cerrados. Con eso, la conversación cambia de «¿cuánto vamos a vender?» a «¿qué método ha estado acertando en esta familia?». El planificador compara, adopta el que mejor rinde y la decisión sigue siendo humana: nadie deja que el sistema fije el plan solo.

Es importante ser claro con esto, porque el mercado está lleno de promesas de pronóstico autónomo: esto no es IA que pronostica sola. Es cálculo estadístico multimodelo, transparente y auditable, con un humano decidiendo. Que sea menos vistoso es exactamente la razón de que funcione en una PYME.

El resto es fontanería que importa: superponer varios años de histórico en un gráfico con la línea de tendencia y estacionalidad, guardar múltiples versiones de plan y comparar plan vs. real por series de tiempo, y dejar el resultado en el S&OP estándar de SAP para que MRP trabaje con él.

Esto es, en concreto, lo que hace SiMPL, el monitor de planificación de Innova: integra la cadena de planificación (MRP) en una interfaz donde el planificador ve el histórico, compara modelos por desviación y adopta el que elige, con el plan guardado en el S&OP estándar de SAP. Funciona sobre SAP ECC y S/4HANA (todas las ediciones excepto S/4HANA Cloud Public Edition), se implementa en 4–8 semanas y no tiene coste por usuario ni por sociedad — lo que significa que el planificador, el jefe de planta y el director de operaciones pueden mirar el mismo plan sin que eso cambie la factura.

Sin folleto: la parte que cambia tus números es el método —comparar antes de adoptar—. La app es la forma de hacerlo sin mantener un fichero.

7. Cómo empezar sin comprar nada esta semana

Preguntas frecuentes