Datos e inventario
Inventario que no rota: cómo detectarlo con datos y qué hacer con él
El inventario que no rota es plata quieta, espacio que no paga y merma en camino. Se detecta midiendo rotación, días de inventario, sell-through y semanas de cobertura por referencia, y se ataca en un orden preciso: primero exhibir mejor, después combinar, reubicar, liquidar y, sobre todo, dejar de comprarlo. El machine learning ayuda a verlo antes de que pase.
La respuesta corta
El inventario que no rota son las referencias que tienen mucha existencia para lo poco que venden. Se detecta midiendo, referencia por referencia, cuántas semanas de venta tienes en bodega y cuánto de lo que compraste ya se vendió. Y se ataca en un orden preciso: primero se revisa si el cliente lo ve, después se combina, se reubica o se liquida, y lo más importante: se deja de comprar.
Por qué importa más de lo que parece
La mercancía quieta cuesta tres veces:
- Plata quieta. Es capital de trabajo que no está pagando proveedores, nómina ni la mercancía que sí se vende.
- Espacio que no paga. Ocupa estantería, bodega y, peor, a veces las mejores zonas de la tienda.
- Merma en camino. Lo que no se mueve se daña, se empolva, pasa de temporada o se pierde en un rincón. El inventario quieto de hoy es la merma de mañana.
Las 4 métricas que lo delatan
| Métrica | Cómo se calcula | Qué te dice |
|---|---|---|
| Rotación | Costo de la mercancía vendida del periodo ÷ inventario promedio a costo | Cuántas veces se renovó el inventario |
| Días de inventario | Días del periodo ÷ rotación | Cuántos días tardas en vender lo que tienes |
| Sell-through | Unidades vendidas ÷ unidades recibidas × 100 | Qué parte de lo comprado ya se vendió (clave en moda) |
| Semanas de cobertura | Existencia actual ÷ venta semanal promedio | Cuánto te dura la existencia al ritmo actual |
Ejemplo de cálculo: una referencia con 120 unidades en existencia que vende en promedio 4 unidades por semana tiene 30 semanas de cobertura. Si el proveedor repone en 2 semanas, esa referencia tiene mercancía para más de medio año: es candidata clara a revisión.
El método: clasificar antes de decidir
No todas las referencias lentas son iguales. La matriz ABC-XYZ ordena el surtido en dos ejes:
- ABC por aporte a la venta: las A son las pocas referencias que hacen la mayor parte de la venta; las C son la cola larga que aporta poco.
- XYZ por estabilidad de la demanda: las X se venden de forma pareja; las Y tienen temporada o altibajos; las Z son erráticas.
| X (demanda estable) | Y (con temporada) | Z (errática) | |
|---|---|---|---|
| A | Reposición automática, nunca agotar | Planear por temporada | Vigilar de cerca |
| B | Reposición regular | Comprar según pronóstico | Pedidos pequeños |
| C | Surtido mínimo | Solo en temporada | Candidata a salir |
Las referencias CZ son las primeras sospechosas: venden poco y sin patrón. Pero antes de sacarlas, pregunta si son complemento de algo que sí vende: un repuesto raro puede sostener la venta de una herramienta estrella.
Dónde entra el machine learning
Las métricas anteriores miran hacia atrás. Los modelos de machine learning miran hacia adelante:
- Pronóstico de demanda por referencia. El modelo aprende del historial los patrones de temporada, las quincenas, los festivos y la tendencia de cada referencia, y estima cuánto se va a vender.
- Alertas tempranas. Cuando una referencia nueva vende por debajo de lo esperado en sus primeras semanas, la alerta llega mientras todavía se puede mover de zona o ajustar el pedido, no al final de la temporada.
- Sugerencia de reposición. Con el pronóstico y el tiempo de entrega del proveedor, el modelo sugiere cuánto pedir para no agotar lo que rota ni acumular lo que no.
Un modelo no reemplaza el criterio comercial: lo alimenta. La decisión sigue siendo de la tienda, pero con un número detrás.
Qué hacer con el inventario quieto, en este orden
- Revisa si el cliente lo ve. Antes de rebajar, prueba la exhibición: dos semanas en zona caliente, a la altura de los ojos y con precio visible. Es la solución más barata, y sorprende cuántas veces el problema era que el producto estaba escondido.
- Combínalo con lo que sí rota. Venta cruzada física: el producto lento al lado del producto estrella que lo complementa.
- Reubícalo. En una cadena, lo que no se vende en una tienda puede rotar en otra con otro público.
- Negocia con el proveedor. Devolución, cambio por referencias que rotan o crédito para el próximo pedido.
- Liquídalo con fecha límite. Descuento escalonado y una fecha para cerrar. Mantener la mercancía indefinidamente es la opción más cara.
- Sácalo del pedido. La decisión más importante de todas: si no la tomas, el problema vuelve la próxima temporada.
Checklist mensual
- Rotación y semanas de cobertura calculadas por referencia
- Matriz ABC-XYZ actualizada
- Lista de referencias con cobertura excesiva y su plan (exhibir, combinar, reubicar, liquidar)
- Referencias que salen del próximo pedido, decididas y comunicadas
- Alertas de productos nuevos revisadas contra su pronóstico
Preguntas frecuentes
¿Cada cuánto debo revisar el inventario que no rota?
El análisis completo por referencia, una vez al mes. Las alertas de las referencias más importantes, cada semana. En moda, durante las primeras semanas de cada temporada la revisión debe ser semanal, porque es cuando todavía se puede corregir sin liquidar.
¿Cuántos días de inventario es lo sano?
No hay un número universal: depende de la categoría y del tiempo que tarda el proveedor en reponer. Una señal práctica de exceso es tener mucha más cobertura de la necesaria para aguantar hasta la próxima reposición más un margen de seguridad. Lo útil es comparar cada referencia contra su propia categoría y contra su historia.
¿Sirve el machine learning para una sola tienda?
Sí, si hay historial de ventas por referencia. Con uno o dos años de datos ya se capturan temporadas, quincenas y fechas especiales. Con menos historia se empieza con reglas simples, como las cuatro métricas de este artículo, y el modelo mejora a medida que llegan datos.