Retail: cuánto pedir por sucursal, con los datos que ya tenés

≈ 2 min de lectura · actualizado jul. 2026

Cada sucursal pide a ojo: sobra en una, falta en otra, y el quiebre de stock es venta que se pierde sin dejar registro. El estudio pronostica la demanda por producto y sucursal, y arma el pedido de cada reposición con tu presupuesto y tu espacio como límites.

Retail · pronóstico + reposición
Un producto, tres sucursales: dónde se pierde venta y cuánto pedir
Cómo leerlo: a la izquierda, la venta semanal del mismo producto en tres sucursales y el quiebre donde el estante quedó vacío · a la derecha, el pedido que el modelo arma para la próxima reposición
A · Un producto, 12 semanas, tres sucursales vertical: unidades vendidas por semana · horizontal: semanas alto bajo sem 1 sem 6 sem 12 Centro Norte Este demanda estimada → quiebre de stock acá se perdió venta B · La reposición recomendada barras: cuánto pedir · ilustrativo Sucursal Este pedir más ↑ repone el quiebre y cubre la suba Sucursal Norte pedir menos ↓ vende más lento y el stock alcanza Sucursal Centro no pedir el depósito quedó cargado tras el pico presupuesto y espacio finitos: el modelo elige qué priorizar
Sucursal Centro Sucursal Norte Sucursal Este Demanda estimada por el modelo Venta perdida en el quiebre
  • Pronóstico por sucursal · nowcasting
  • Reposición · optimización entera
  • Datos: tus ventas y stock
En simple: el mismo producto se mueve distinto en cada sucursal; cuando el estante queda vacío la venta se pierde sin dejar registro, y el pedido de la derecha reparte el presupuesto donde el pronóstico lo pide. Curvas ilustrativas del método: el modelo real se alimenta con tus ventas.

En una cadena con varias sucursales, el pedido de reposición lo arma cada encargado a ojo, con memoria y planilla. El resultado está en el gráfico de arriba: el mismo producto sobra en una sucursal y falta en otra.

La venta que no ves

El sobrestock salta a la vista: plata parada en el depósito y, en farmacia o alimentos, producto que vence. El quiebre pasa desapercibido: el cliente encuentra el estante vacío, compra en otro lado y el sistema no registra nada. Esa venta perdida queda fuera de todos los reportes, y lo que no aparece en un reporte no se gestiona.

Cada punto de venta tiene su propio ritmo: la quincena, el clima, el turno largo, la obra de enfrente. Pedir lo mismo para todas las sucursales garantiza el desbalance.

Del historial de ventas al pedido

El estudio arma dos piezas que trabajan juntas, porque pronosticar bien es la mitad del problema: la otra mitad es decidir qué comprar cuando la plata y el espacio no alcanzan para todo. El pronóstico mira las próximas semanas, el plazo que un pedido necesita; la optimización convierte esa demanda esperada en la orden concreta, con el presupuesto de compra y el espacio de góndola y depósito como límites duros.

Los datos: ventas por ticket, stock por sucursal y calendario (feriados, quincenas, campañas). Funciona sobre tu sistema actual: para empezar, con exportarnos un Excel alcanza.

La técnica: pronóstico de demanda por producto-sucursal (nowcasting con estacionalidad y eventos) y optimización entera de la reposición.

La decisión: cuánto pedir, para qué sucursal y cuándo; y qué dejar de pedir mientras el depósito baja.

No todas las SKU merecen el mismo esfuerzo. La clasificación ABC separa las pocas que concentran el valor comprado, y para cada SKU A el pronóstico define además su stock de seguridad.

Retail · ABC + stock de seguridad
Pocas SKU mandan: ABC por valor y el colchón según la espera
Cómo leerlo: a la izquierda, qué parte del valor comprado concentra cada clase · a la derecha, el stock de seguridad de un SKU A que llega en barco desde China frente a uno alimenticio que vence
A · Clasificación ABC alto de la barra: % del valor comprado · ilustrativo ≈15% de las SKU ≈75% del valor ≈30% de las SKU ≈20% del valor ≈55% de las SKU ≈5% del valor A B C pocas SKU concentran el valor comprado B · El colchón de seguridad de dos SKU A mismo método, espera distinta · ilustrativo Electrodoméstico desde China más colchón ↑ llega en barco: lead time de ~60 a 90 días ciclo colchón la espera larga agranda el colchón Producto alimenticio menos colchón ↓ reposición corta y vencimiento en góndola ciclo colchón chico rota más y guarda menos: el vencimiento manda mismo pronóstico de demanda para los dos SKU la diferencia la ponen la espera y el vencimiento
Clase A Clase B Clase C Stock de ciclo Colchón de seguridad
  • Clasificación ABC · Pareto
  • Pronóstico + stock de seguridad
  • Datos: tus ventas y lead times
En simple: la clasificación ABC ordena el esfuerzo y el colchón de cada SKU A sale de la cuenta clásica: z por la desviación estándar de la demanda por la raíz del lead time. Esperar un barco de China agranda ese colchón; un producto que vence lo achica. Ejemplo ilustrativo del método: las proporciones no salen de datos reales.

Para quién es

  • La cadena de farmacias que repone por sucursal y pierde venta en las de más rotación.
  • El supermercado o autoservicio con depósito central y góndolas que no rinden parejo.
  • La distribuidora o ferretería que pide a sus proveedores con semanas de anticipación.

Cómo medirlo: dos números por sucursal, en un tablero simple: quiebres evitados y días de stock. Si el tablero no muestra la mejora, el modelo no está funcionando.

Este análisis lo publicamos para discutirlo. Si leés distinto el balance entre sobrestock y quiebre, o tenés una cadena donde el pedido todavía se arma a ojo, escribinos con un Excel de tus ventas y lo conversamos sobre tus números.

Abstract (EN)

In a retail chain, each branch usually builds its replenishment order by eye, with memory and a spreadsheet. The same product piles up in one branch and runs out in another, and every stockout is a sale lost without leaving a record: the customer finds an empty shelf and buys somewhere else. This study combines two pieces. First, demand forecasting per product and branch, nowcasting with seasonality and events such as paydays, holidays and campaigns, focused on the coming weeks rather than the coming year. Second, integer optimization that turns the forecast into a concrete order: how much of each product, for which branch, on which date, subject to a finite purchasing budget and finite shelf and warehouse space. It works on top of the current system; an exported sales spreadsheet is enough to start. It serves pharmacy chains, supermarkets, distributors and hardware stores, and it is measured with a simple dashboard of avoided stockouts and days of stock per branch.

Mandanos un Excel de tus ventas →

Diagnóstico inicial sin costo · respondemos dentro de 24 h hábiles