De demand planner a sistemas de punta a punta.

~30.000 combinaciones, cuatro países

Pronosticar cosméticos para Chile, Colombia, Perú y Argentina: ~7.500 combinaciones por país a 12 meses, con 6 meses de freezing, lanzamientos, categorías muy profundas por tono y promociones de Navidad. Con poco cómputo, las primeras estimaciones tomaban 12 horas.

De horas a minutos con NVIDIA RAPIDS

Tras validar el MVP pasamos a cómputo distribuido con RAPIDS, lanzado en 2018 y aún en etapas tempranas. El cómputo bajó de horas a prácticamente minutos y pudimos iterar parámetros con agilidad.

Implementación de o9

Por lo aprendido con la solución local me sumé a implementar o9, la plataforma de planificación que venía de headquarters, junto a equipos de UK, Brasil, Bruselas, Alemania, Singapur, China e India. Ahí aprendí reconciliación jerárquica, accountability de ajustes (FVA), métricas, building blocks de demanda y escenarios.

Misión cumplida

Con o9 andando, la planificación de demanda se centralizó fuera de la región. Un retrogusto amargo, pero la misión estaba cumplida y los aprendizajes, intactos.

Datos desde cero

Los datos estaban en pañales. Con el partner tecnológico montamos la infraestructura base y una propuesta estadística para apoyar el ciclo de S&OP.

Perecible, congelado y estacional

El problema dejó de ser solo forecast: había que optimizar en conjunto demanda, políticas de inventario, capacidad de planta y costos de almacenaje.

Primer equipo a cargo

Como jefe de demand planning formé al equipo para que los proyectos trascendieran en el tiempo.

Reposición de tiendas: del wild west a una metodología

~80 locales, productos que duran 3 días y un "sugerido" que se copiaba a diario. Construí un pipeline que sugiere el abastecimiento según políticas de inventario y metas de venta, mide el WAPE del sugerido contra el pedido real y el instock desde el kardex. Trajo lineup por sucursal, políticas de inventario y, en algunas categorías, el paso de diario a semanal alineando DOH. Sigue vigente.

Canal tradicional: menos mix, mejores entregas

Un camión 3/4 cargaba ~60 códigos. Un ABC por rentabilidad llevó a descontinuar productos de rol cuestionable; después vinieron un forecast simple, un modelo de reposición con órdenes en curso y una app para validar el pedido del día siguiente.

Canal moderno: nace el equipo de CPFR

Armé el equipo de CPFR, la capa de reportes desde cero y un waterfall de cada OC, del pedido a la entrega. Instock de 68% a 92% a nivel nacional y nivel de servicio de 72% a ~90%, con peaks de 95%. Lo que no se mide no se mejora.

Producción, central de pedidos y OMS

Automaticé procesos que se planillaban a mano cada día y diseñé la arquitectura del overhaul del OMS, hoy el corazón de los pedidos.

SAP S/4HANA greenfield

Migración desde Fin700, del diseño de procesos al go-live, con foco en PP (planes de producción, órdenes de fabricación, MRP), SD y MM. Continuidad operacional desde el día cero.

Un lema: exactitud

Un equipo de desarrollo, conocimiento profundo del negocio, SAP como base y poca burocracia: MVPs rápidos donde más dolía.

Control de picking y carga

Pick to light, pallets y cajas; tarjas con packing list, fotos, precintos y el proceso inverso en la descarga. Bajaron las pérdidas en el ciclo interplantas.

Control documental con IA

OCR y un VLM locales (PaddleOCR + vLLM) leen documentos, firmas y comentarios; un LLM más capaz estructura la salida. Frente a un LLM pay-as-you-go: mejores resultados y 6× menos costo procesando 150 mil documentos al mes. Con la certificación de carga y la liquidación diaria de cada camión, bajaron las notas de crédito a supermercados.

Ledger de bandejas

Un problema de $1.000 millones en activos: un ledger georreferenciado de cada traspaso entre dos partes. Hoy sabemos dónde está cada bandeja y planificamos los retiros.

Forecast de demanda de punta a puntaen producción

Forecast Moderno y Retail con backtests honestos, Forecast Monitor en producción el 22 de septiembre y v5.0 de semanas comparables como champion el 2 de octubre.