Moltes empreses parlen de forecasting com si l’objectiu fos produir un número més precís. El model estima demanda, vendes o càrrega i el projecte sembla acabat. Però una previsió no decideix quant comprar, quina capacitat reservar ni quin risc acceptar. Entre l’output del model i el resultat econòmic hi ha una capa de decisió que sovint rep molta menys atenció.
La diferència és important perquè dues empreses poden utilitzar el mateix forecast i obtenir resultats oposats. Una pot convertir-lo en una política d’inventari coherent; una altra pot mantenir les mateixes regles de compra de sempre. Si la decisió no canvia, millorar la predicció pot tenir molt poc impacte operatiu. El model millora mentre el sistema de negoci es comporta igual.
La predicció acaba massa aviat
Un forecast estima una variable futura sota unes condicions i amb incertesa. És útil, però no és una acció. Imaginem una empresa que espera vendre 1.000 unitats el mes vinent. Aquesta dada no diu quant cal comprar avui perquè encara falten l’estoc disponible, el lead time, el cost de ruptura, el cost de capital i el nivell de servei desitjat.
Per això el forecast és una entrada del sistema de decisió, no el sistema complet. Si es tracta com una recomanació directa apareixen regles implícites: comprar exactament la previsió, afegir un percentatge fix o deixar que els planificadors la corregeixin quan no hi confien. Aquestes regles poden pesar més que unes dècimes de millora estadística. La mateixa previsió també pot alimentar decisions diferents. Vendes pot utilitzar-la per objectius comercials, operacions per capacitat i compres per reposició. Compartir un número no implica compartir una regla de decisió. Cada funció encara ha de traduir aquesta expectativa a les seves restriccions i costos.
La decisió canvia la mètrica
La precisió rellevant depèn del que passa després. Si quedar curt provoca una ruptura molt cara i passar-se només genera emmagatzematge barat, els dos errors no haurien de pesar igual. En productes peribles pot passar el contrari: sobrepredir pot ser econòmicament pitjor que quedar-se lleugerament curt. Això explica per què una mètrica agregada pot amagar un model poc útil per a l’operació. MAE, RMSE o WAPE descriuen l’error de maneres diferents, però cap coneix automàticament el cost de la decisió. Abans de preguntar quin model guanya, cal saber quina acció alimenta el forecast.
També importa l’horitzó. Un error de deu unitats demà pot activar un enviament urgent; el mateix error d’aquí a sis mesos pot ser irrellevant perquè encara hi ha temps per ajustar. El valor del forecast depèn del moment en què la decisió deixa de ser fàcilment reversible. Aquest límit és més útil que una etiqueta genèrica de curt o llarg termini.
Del número a la política
La capa intermèdia sol ser una política: reposició, capacitat, pressupost, priorització comercial o marge de seguretat. Aquesta política combina previsió, restriccions i costos. Un sistema madur no es queda en “esperem 1.000”, sinó que arriba a una recomanació operativa. També hi entra la incertesa. Una decisió necessita saber fins a quin punt el futur es pot desviar, no només quin és el valor esperat. En horitzons llargs, escenaris i intervals poden ser més útils que una falsa precisió decimal.
La política també ha de definir què passa quan la informació canvia. Si el forecast s’actualitza cada dia però la compra només es pot modificar setmanalment, la cadència del sistema ha de ser coherent. Més freqüència de predicció no significa automàticament més capacitat de decisió.
Quan el forecasting crea valor
El forecasting val la pena quan hi ha una decisió recurrent, el futur conté senyal aprofitable i actuar millor té impacte suficient. Si ningú pot modificar compres, capacitat, preus o prioritats, un model sofisticat pot acabar sent només reporting predictiu. Tampoc tota decisió necessita machine learning. Quan la demanda és estable, el cost de l’error és baix i el procés canvia poc, una regla senzilla pot ser suficient. La sofisticació del model s’ha de justificar per l’economia de la decisió, no per la disponibilitat d’una tècnica més avançada.
El diagnòstic és simple: identifica qui rep avui la previsió, què fa amb ella i què canviaria si fos millor. Si la resposta acaba en una decisió mesurable, hi ha un cas real. Si acaba en “tenir més visibilitat”, encara falta la capa que connecta predicció amb acció i acció amb resultat.