Madurez del Proceso de S&op y Desempeño del Sales Forecast en Entorno Multinacional

Pablo Sanchez; Lidiane Mendes Barbosa

DOI: 10.22167/2675-6528-202603338

Artículo derivado del Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del alumno y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege para síntesis y organización textual.

Resumen

La creciente complejidad de las cadenas de suministro y la necesidad de una mayor integración entre áreas han consolidado el Sales and Operations Planning (S&OP) y su evolución hacia el Integrated Business Planning (IBP) como elementos centrales en la toma de decisiones organizacionales. La investigación evaluó el impacto de la utilización de herramientas analíticas de previsibilidad en el proceso de S&OP/IBP sobre la precisión de las previsiones de ventas, e identificó factores críticos de éxito, desafíos de implementación y el nivel de madurez del S&OP en una empresa farmacéutica multinacional. La metodología combinó un enfoque cualitativo, con un cuestionario aplicado a profesionales, y análisis de datos secundarios de ventas, empleando indicadores como Forecast Accuracy, MAPE y BIAS. Adicionalmente, se aplicó un modelo estadístico de previsión (Holt-Winters) para comparación con el forecast corporativo. Los resultados indicaron que la empresa presentó un estadio intermedio de madurez en S&OP, con un proceso estructurado y una integración funcional moderada, pero con limitaciones en el uso consistente de indicadores y herramientas analíticas avanzadas. El análisis cuantitativo demostró que los métodos estadísticos generaron ganancias relevantes de precisión en contextos específicos, aunque no universalmente aplicables. Se concluyó que la evolución del S&OP depende de la integración entre herramientas analíticas, calidad de los datos, gobernanza y alineación organizacional, resaltando la importancia de un enfoque integrado para el perfeccionamiento de la planificación empresarial.

Palabras clave: Precisión de predicción; Análisis de datos; Cadena de suministros; Planificación integrada; Predicción de demanda.

1. Introducción

El entorno empresarial contemporáneo exige procesos cada vez más integrados y precisos para alinear la oferta y la demanda, especialmente en cadenas de suministro complejas y dinámicas. La cadena de suministro, o Supply Chain, es un sistema interconectado en organizaciones que consolida etapas desde la adquisición de materia prima, fabricación, almacenamiento, transporte y distribución a los clientes finales (FIA Business School, 2023). Christopher (2009) define la cadena de suministro como un conjunto de empresas que presentan conexión o dependencia, trabajando en conjunto para controlar, gestionar y perfeccionar el flujo de todo el proceso, desde el proveedor hasta el cliente final.

En este escenario, el Sales and Operations Planning (S&OP) se ha consolidado como un proceso táctico y cíclico, integrando áreas como ventas, marketing, producción y logística. Su propósito es equilibrar la demanda y la capacidad operativa, considerando también los aspectos financieros y estratégicos de la empresa. El S&OP se describe típicamente en cinco etapas principales, que incluyen la revisión de producto, la planificación de la demanda, la planificación de la oferta, la reconciliación financiera y la revisión ejecutiva (Moreira, 2021). Una evolución natural del S&OP es el Integrated Business Planning (IBP), que alinea funciones organizacionales como finanzas, ventas y operaciones para alcanzar objetivos estratégicos, con un enfoque a largo plazo y mayor integración entre las áreas (Moreira, 2025; Farro & Gazzo, 2023; Moreira, 2021).

La exactitud de las previsiones de ventas, o Sales Forecasting, constituye uno de los principales indicadores en el proceso de S&OP. Este indicador mide la proximidad entre la previsión de demanda y la demanda real (Souza, 2025), siendo esencial para garantizar la alineación de los planes de demanda y producción, previniendo tanto el exceso como la falta de productos en el mercado. La adopción de herramientas analíticas avanzadas, como Big Data Analytics, que implica el procesamiento y análisis de grandes volúmenes de datos para identificar tendencias, patrones y correlaciones, ha potenciado la capacidad de las empresas para procesar información, resultando en mayor precisión en las previsiones y agilidad en la toma de decisiones (Schlegel et al., 2021).

Sin embargo, la transición de S&OP tradicional a IBP enfrenta barreras significativas, incluyendo desafíos culturales, tecnológicos y de integración entre áreas (Alexander, 2016; Moreira, 2021). La precisión en la previsión de la demanda es particularmente crucial en el sector farmacéutico, donde previsiones imprecisas pueden generar problemas como rotura de stock, exceso de productos, altos costos de almacenamiento, destrucción de productos terminados y caída en el nivel de servicio (Ashraf, 2024). Los medicamentos, en general, tienen plazos de caducidad cortos y exigen un control riguroso, lo que intensifica la necesidad de previsiones precisas.

Un estudio de Souza (2025) señala que el costo anual promedio de Write-offs, o destrucción de medicamentos, en el sector farmacéutico brasileño alcanza R$6,3 millones, evidenciando el impacto financiero de previsiones inadecuadas. Los principales desafíos para las organizaciones incluyen la integración de datos en tiempo real (Dinn Inteligência de Vendas, 2025), el uso de Inteligencia Artificial y machine learning (Strategy & PwC, [s.d.]), la gestión de la Forecast Accuracy como indicador estratégico (Souza, 2025) y la previsión en entornos de alta volatilidad (Souza, 2025). La literatura también indica que la mayoría de las investigaciones en Sales Forecasting utilizan datos históricos como base para modelos de previsión, desde métodos tradicionales hasta enfoques predictivos (Ahaggach, Abrouk y Lebon, 2024).

La Precisión de la Previsión es fundamental para la planificación táctica y estratégica, siendo crucial para las decisiones de capacidad, presupuesto, contratación e inversiones (Zlotko, 2026). Las previsiones imprecisas pueden impactar negativamente a toda la organización, desde el inventario hasta las finanzas. Las empresas con una precisión de previsión superior al 90-95% se consideran más competitivas y capaces de planificar ventas, operaciones y finanzas con mayor seguridad (Fullcast, 2025). El análisis de la precisión mediante indicadores es, por lo tanto, esencial para la madurez del proceso de S&OP. Ante esto, este trabajo tiene el objetivo de evaluar el impacto de la utilización de herramientas analíticas de previsibilidad en el proceso de S&OP/IBP sobre la precisión de las previsiones de ventas e identificar factores críticos de éxito y desafíos para la implementación efectiva. Adicionalmente, se busca evaluar el nivel de madurez del proceso de S&OP de la empresa en cuestión.

2. Material y Métodos

Para atender al objetivo de evaluar el impacto de las herramientas analíticas en la precisión de las previsiones de ventas e identificar los factores críticos de éxito y los desafíos, así como el nivel de madurez del S&OP, se adoptó un estudio de caso de entidad única. La investigación combinó un enfoque cualitativo y cuantitativo, utilizando dos fuentes complementarias de evidencia. Esta metodología se clasifica como investigación empírica cuantitativa en contabilidad de gestión, que privilegia la profundidad en el contexto organizacional (Bastos et al., 2023).

La unidad de análisis fue una empresa farmacéutica multinacional de gran tamaño, con sede en Alemania, que opera en las áreas de Salud Animal y Salud Humana. Los datos fueron recopilados de filiales ubicadas en diversos países europeos, incluyendo Holanda, Bélgica, Luxemburgo, Portugal, Grecia, Chipre, Dinamarca, Noruega, Suecia, Finlandia e Islandia. El público objetivo de la investigación consistió en profesionales adultos, con edades comprendidas entre 25 y 55 años o más, que poseían como mínimo un año de actuación en la empresa.

Los participantes estuvieron directa o indirectamente involucrados en el proceso de Sales and Operations Planning (S&OP) y en los ciclos mensuales de planificación de la empresa. Abarcaban diferentes áreas funcionales, como Ventas, Marketing, Supply Chain, Finanzas y Logística. Un total de sesenta profesionales fueron invitados a participar en la investigación, buscando una representación diversificada de las percepciones sobre el proceso de S&OP en la organización.

Para la recopilación de datos cualitativos, se utilizó un cuestionario estructurado, desarrollado en la plataforma Microsoft Forms. El instrumento se compuso de quince preguntas y se dividió en tres secciones principales. La primera sección, “Perfil del Encuestado”, buscó caracterizar la muestra a través de cinco preguntas sobre rango de edad, región o país de actuación, área de formación, área de actuación y tiempo de experiencia con S&OP.

La segunda sección, “Madurez del proceso S&OP/IBP”, contenía seis preguntas con una escala Likert de 1 a 5, que varían de “Totalmente en desacuerdo” a “Totalmente de acuerdo”. Esta sección fue elaborada para medir la madurez e integración del proceso, la percepción de colaboración entre áreas y el soporte de “Analytics” en la toma de decisiones, basándose en un modelo de madurez de S&OP (S&OP Maturity Model | IBF). La tercera sección, “Herramientas Analíticas, datos e impacto en la precisión del Forecast”, incluyó cuatro preguntas para comprender los métodos y herramientas utilizados y los desafíos percibidos en la mejora de la precisión de las previsiones de ventas, basándose en la literatura sobre precisión de pronósticos (Forecast Accuracy: Increasing Supply Chain Success).

Adicionalmente al cuestionario, se recopilaron datos secundarios mensuales de ventas y del pronóstico corporativo. Estos datos se referían a dos productos de Salud Humana, identificados como Producto A y Producto B, en los mercados de Dinamarca, Holanda y Suecia. Las series históricas de ventas y previsiones de 2023 y 2024 se utilizaron para generar proyecciones mensuales para el período de enero a diciembre de 2025.

El horizonte de previsión establecido fue de doce meses, y las proyecciones generadas se compararon posteriormente con los datos de ventas realizados en 2025. El corte temporal se mantuvo fijo para evitar la mezcla entre datos de entrenamiento y evaluación, garantizando la consistencia en el análisis. La selección de los productos A y B fue intencional, basada en la disponibilidad de series mensuales completas y en la existencia de forecast corporativo comparable, además de la presencia en mercados con diferentes perfiles de desempeño, preservando la confidencialidad de los volúmenes mediante normalización.

El análisis de los datos cualitativos, provenientes del cuestionario, se centró en las percepciones de los encuestados sobre la madurez del S&OP, la integración entre áreas y el uso de herramientas analíticas. Para el análisis cuantitativo, la evaluación del desempeño de las previsiones se realizó con base en tres indicadores de S&OP: Forecast Accuracy, MAPE (Mean Absolute Percentage Error) y BIAS.

El Forecast Accuracy se utilizó para medir la proximidad del valor previsto en relación con el valor real, siendo un indicador directo de la calidad de la previsión. El MAPE cuantificó el error porcentual medio absoluto entre previsiones y valores reales, permitiendo comparaciones entre productos y países. El BIAS, por su parte, midió la tendencia sistemática de sobreestimación o subestimación de la demanda, indicando errores sistemáticos en el proceso.

Para complementar el análisis, se aplicó un modelo estadístico de pronóstico, el Holt-Winters, adecuado para series temporales con nivel, tendencia y estacionalidad. Este modelo fue elegido por su interpretabilidad, baja exigencia computacional y adecuación para su implementación como referencia en el proceso gerencial. Para cada combinación producto-mercado, la proyección del modelo Holt-Winters se comparó con el pronóstico corporativo, utilizando la misma ventana de evaluación y los indicadores Forecast Accuracy, MAPE y BIAS.

La investigación se llevó a cabo con rigor ético, según lo autorizado por la empresa a través de un Término de Consentimiento (Apéndice 1). Adicionalmente, el investigador firmó un Término de Compromiso de Uso de Datos (Apéndice 2), comprometiéndose a mantener la confidencialidad de la información recopilada y a utilizarla exclusivamente para fines académicos, en estricta observancia de los principios éticos de investigación y la legislación vigente.

3. Resultados y Discusión

El análisis de los resultados de la investigación permitió una comprensión profunda de la madurez del proceso de Planificación de Ventas y Operaciones (S&OP) en la empresa farmacéutica multinacional, así como del impacto de las herramientas analíticas en la precisión de las previsiones de ventas. Inicialmente, la estructura de valor interna de la empresa, alineada con la propuesta de Porter (1989), destacó la división entre procesos primarios, que generan valor directo al paciente, y procesos secundarios o de apoyo, esenciales para el funcionamiento global. Esta estructura sirve de base para identificar cuellos de botella y oportunidades de mejora en el flujo de valor, especialmente en lo que respecta a la integración de las actividades de ventas y operaciones.

El cuestionario aplicado a profesionales involucrados en S&OP reveló un diagnóstico preliminar de la madurez del proceso y del uso de herramientas analíticas. Con una tasa de respuesta del 25% (15 de 60 invitados), la muestra, aunque intencional y no representativa estadísticamente, abarcó diferentes áreas, niveles jerárquicos y países, permitiendo captar percepciones diversas. La diversidad geográfica, que incluyó países como Dinamarca, Holanda y Suecia, enriqueció la descripción del caso, evidenciando que la madurez de S&OP puede variar entre unidades y mercados, influenciada por factores culturales y estructurales (Pibernik, 2016).

El perfil de los encuestados indicó una concentración de profesionales en etapas intermedias y avanzadas de la carrera, con experiencia consolidada en S&OP. La mayoría de los participantes tenía entre 25 y 44 años, y la experiencia en el proceso de S&OP estaba equilibrada entre 1 a 3 años, 4 a 6 años y más de 7 años. Profesionales de las áreas de Planificación, Finanzas, Logística, Marketing y Ventas componían la muestra, con predominancia del área de Planificación. La formación académica, mayoritariamente en MBA y Licenciatura, con enfoque en Gestión Empresarial, Ingeniería, Cadena de Suministro y Finanzas, sugiere una base técnica adecuada para la evaluación del S&OP, según lo señalado por Alexander (2016).

La evaluación de la madurez del S&OP, utilizando una escala Likert de 1 a 5, reveló que el proceso es percibido como bien definido y consistentemente seguido, con una media de 4,00. Esta percepción positiva sugiere la existencia de una estructura formal de S&OP, con etapas, roles y cadencia bien establecidos, lo cual es un pilar esencial para la efectividad del S&OP, promoviendo previsibilidad y alineación entre áreas (Arozo, 2006; Alexander, 2016). Los resultados indican una base procesal consistente en la empresa, alineada al marco teórico sobre gobernanza y madurez del proceso.

En cuanto a la integración interfuncional, la media de 3,93 para la afirmación “Existe una integración efectiva entre áreas (ventas, marketing, supply, logística, finanzas) en las discusiones y decisiones de S&OP” indica una percepción mayoritariamente positiva. Sin embargo, la concentración de respuestas en los niveles intermedios y superiores sugiere que, aunque la colaboración existe, todavía hay margen de mejora. La literatura destaca que la integración interfuncional es central para el S&OP, y las organizaciones multinacionales frecuentemente enfrentan desafíos relacionados con silos organizacionales y diferentes niveles de madurez entre áreas (Arozo, 2006; Alexander, 2016; Farro & Gazzo, 2023).

La efectividad de las reuniones de S&OP en la generación de decisiones claras obtuvo una media de 3,80. Esta percepción, aunque positiva, fue menos robusta, indicando que, a pesar de que las reuniones resultan en decisiones, todavía existen limitaciones en cuanto a la claridad, formalización y despliegue de estas decisiones en acciones concretas, con responsables y plazos bien definidos. La literatura enfatiza que la efectividad del S&OP depende no solo de la realización de las reuniones, sino de la capacidad de generar planes acordados y del seguimiento de la ejecución, diferenciando procesos maduros de estructuras meramente formales (Arozo, 2006; Alexander, 2016).

La reconciliación entre demanda, capacidad, inventario y objetivos financieros, con discusiones de trade-offs y escenarios, obtuvo un promedio de 3,73. Este resultado apunta a una percepción moderadamente positiva, pero con margen de mejora en la consolidación integrada del plan. La reconciliación es una etapa crítica y desafiante del S&OP/IBP, que exige una integración efectiva entre planes funcionales, impactos financieros y una definición estructurada de escenarios antes de la decisión ejecutiva (Alexander, 2016). Las respuestas sugieren que esta reconciliación ocurre, pero de forma poco consistente.

El uso de indicadores de desempeño, como Forecast Accuracy, Nivel de Servicio, Inventario y Pérdidas, monitoreados regularmente y utilizados para ajustes, obtuvo el promedio más bajo entre las dimensiones de madurez, con 3,40. Esto indica una percepción moderada sobre el uso efectivo de métricas en S&OP. La concentración de las respuestas en niveles intermedios sugiere que los indicadores son monitoreados, pero no siempre utilizados sistemáticamente como base para decisiones, caracterizando un estadio intermedio de madurez. Procesos más maduros emplean métricas como instrumentos activos de gestión y toma de decisiones (Alexander, 2016; Pibernik, 2016).

La baja precisión de las previsiones de ventas no solo afecta a las operaciones, sino también a los incentivos y al compromiso de los gerentes. Cuando el presupuesto y los objetivos comerciales se confunden con el pronóstico, la previsión puede desviarse de la estimación real de la demanda. Esta confusión puede llevar a proyecciones optimistas, revisiones tardías y protección de márgenes de seguridad, o, inversamente, a desmotivación por objetivos inalcanzables. La recomendación analítica es la separación explícita entre presupuesto, objetivo comercial y pronóstico sin sesgos, para garantizar que la previsión represente la estimación probabilística más realista (Alexander, 2016).

El patrocinio y la participación del liderazgo (Gestión/Directorio) en el S&OP para desbloquear conflictos y aprobar el plan alcanzaron un promedio de 3,73. Esta percepción, aunque positiva, no está plenamente consolidada, lo que indica variaciones en la intensidad y consistencia de la participación del liderazgo a lo largo de los ciclos. La participación activa del liderazgo es un factor central para la madurez del S&OP, siendo crucial para la coordinación de compensaciones, la resolución de conflictos interfuncionales y el alineamiento con objetivos estratégicos y financieros (Alexander, 2016; Farro & Gazzo, 2023).

En relación con las herramientas utilizadas para la previsión y el análisis de la demanda, se observó la predominancia de hojas de cálculo Excel (19 respuestas) y herramientas de Business Intelligence, como Tableau y Power BI (16 respuestas), seguidas por sistemas ERP (SAP, con 8 respuestas). En contrapartida, la utilización de soluciones avanzadas como SAP IBP, 09, modelos estadísticos estructurados o herramientas de Machine Learning/IA fue baja o inexistente. Este escenario caracteriza un nivel intermedio de madurez analítica, limitando la escalabilidad y la robustez del proceso, y es típico de etapas iniciales o intermedias del S&OP (Schlegel et al., 2021; Farro & Gazzo, 2023).

La percepción sobre la calidad y disponibilidad de los datos (historial de ventas, promociones, datos de mercado, niveles de stock, etc.) para generar pronósticos confiables obtuvo un promedio de 3,67. Aunque moderadamente positiva, esta media indica que, a pesar de que los datos existen y son accesibles, aún presentan limitaciones de consistencia, estandarización y oportunidad. La calidad y la gobernanza de los datos son prerrequisitos para la efectividad del Sales Forecast y para el avance del S&OP/IBP, siendo datos fragmentados o poco robustos uno de los principales limitadores para pronósticos más confiables y análisis avanzados (Schlegel et al., 2021; Alexander, 2016).

El impacto del uso de análisis avanzados (estadístico/Machine Learning/Big Data/BI) en la mejora de la precisión del pronóstico en los últimos ciclos, comparado con métodos anteriores, también obtuvo un promedio de 3,67. Esta percepción moderadamente positiva sugiere que los beneficios de los análisis avanzados son parcialmente reconocidos, pero no de manera consistente en toda la organización. Las ganancias de estos enfoques dependen de la calidad de los datos, la integración de los sistemas y la incorporación efectiva de los resultados al ciclo decisorio del S&OP, indicando una etapa intermedia de madurez analítica (Schlegel et al., 2021; Alexander, 2016).

Los principales desafíos percibidos por los participantes para implementar o expandir herramientas analíticas en S&OP fueron la falta de integración entre departamentos (silos funcionales, con 11 menciones), tiempo limitado o sobrecarga operativa (9 menciones) y baja calidad de datos o falta de gobernanza (5 menciones). Otros desafíos incluyeron resistencia cultural al cambio (4 menciones), falta de patrocinio del liderazgo (3 menciones), herramientas inadecuadas o limitaciones tecnológicas (3 menciones) e insuficiencia de habilidades analíticas (3 menciones). Estos hallazgos indican que las barreras son predominantemente organizacionales y de proceso, y no solo tecnológicas, reforzando la necesidad de un enfoque integrado (Alexander, 2016; Schlegel et al., 2021; Farro & Gazzo, 2023).

El análisis cuantitativo del rendimiento de las previsiones se realizó basándose en los indicadores Forecast Accuracy (FA), MAPE (Mean Absolute Percentage Error) y BIAS, comparando el forecast corporativo con las proyecciones generadas por el modelo estadístico Holt-Winters. El Holt-Winters fue seleccionado por su adecuación a series mensuales con nivel, tendencia y estacionalidad, características comunes en Sales Forecasting, y por su interpretabilidad y baja exigencia computacional. Los datos de ventas normalizados de 2023 y 2024 se utilizaron para proyectar el comportamiento de 2025 en dos productos (A y B) y tres países (Dinamarca, Holanda y Suecia).

Para el Producto A en Dinamarca, el modelo Holt-Winters demostró una mejora expresiva y consistente en la acuracidade. La Forecast Accuracy aumentó de 73,7% a 78,5% (+4,8 puntos porcentuales), y el MAPE se redujo de 26,3% a 21,5% (-4,8 puntos porcentuales). El BIAS positivo disminuyó de 0,16 a 0,13 (-0,03), indicando una menor tendencia de sobreestimación. Esta ganancia simultánea en FA y MAPE sugiere una mejor captación de tendencia y estacionalidad por el modelo, con beneficio operacional directo en la reducción de errores y en el riesgo de stocks desalineados.

En el caso del Producto A en Holanda, se observó una ganancia marginal de precisión. La Forecast Accuracy pasó de 92,5% a 93,1% (+0,6 puntos porcentuales), y el MAPE se redujo de 7,5% a 6,9% (-0,6 puntos porcentuales). Sin embargo, el BIAS se volvió más negativo, de -0,04 a -0,07 (-0,03), evidenciando una mayor tendencia a la subestimación. En contextos donde la línea base ya presenta buena precisión, se esperan ganancias más modestas, y se recomienda la calibración de los parámetros del modelo o la corrección de sesgo post-modelo para optimizar la previsión.

Para el Producto A en Suecia, se observó una mejora discreta, pero consistente, en los tres indicadores. La Forecast Accuracy aumentó del 92,2% al 92,8% (+0,6 puntos porcentuales), el MAPE disminuyó del 7,8% al 7,2% (-0,6 puntos porcentuales) y el BIAS se redujo de 0,08 a 0,07 (-0,01). El método Holt-Winters redujo ligeramente la sobreestimación y aumentó la precisión, manteniendo el proceso en un alto nivel de rendimiento. Este es un ejemplo de cómo Holt-Winters puede funcionar como un modelo de apoyo, o “challenger”, para validar y ajustar el pronóstico oficial.

En contraste, para el Producto B en Suecia, el modelo Holt-Winters presentó un rendimiento inferior en todos los indicadores. La Forecast Accuracy disminuyó del 90,9% al 90,5% (-0,04 puntos porcentuales), el MAPE aumentó del 9,1% al 9,5% (+0,4 puntos porcentuales) y el BIAS aumentó de 0,05 a 0,08 (+0,03). Este resultado configura un valor atípico y evidencia la inadecuación del Holt-Winters para series con baja estacionalidad, mayor intermitencia o fuerte influencia de eventos externos, donde métodos alternativos pueden ser más adecuados.

Los resultados cuantitativos indican que el rendimiento del modelo Holt-Winters varió según la combinación producto-mercado, confirmando que no existe un método único superior para todos los contextos de predicción. El modelo estadístico presentó mejoras en tres de las cuatro combinaciones analizadas, destacando el Producto A en Dinamarca, donde hubo un aumento significativo de la precisión y reducción del error, comportamiento asociado a series con tendencia y estacionalidad bien definidas. Para Holanda y Suecia (Producto A), las ganancias fueron más modestas, pero consistentes, compatibles con escenarios de línea base ya precisos, reforzando el papel del modelo estadístico como herramienta complementaria y de validación.

En resumen, la investigación revela que la organización tiene un proceso de S&OP estructurado, pero en una etapa intermedia de madurez analítica. El diagnóstico principal no reside solo en la ausencia de tecnología, sino en la combinación de un uso moderado de indicadores, integración incompleta entre áreas, limitaciones en la gobernanza de los datos e incentivos que pueden acercar el pronóstico al presupuesto objetivo. Los datos cuantitativos demostraron que el modelo Holt-Winters superó el pronóstico corporativo en tres de las cuatro combinaciones producto-mercado, pero tuvo un rendimiento inferior en una de ellas, lo que indica que la evolución del S&OP depende de un enfoque integrado que combine herramientas analíticas, calidad de los datos, gobernanza y alineación organizacional.

4. Conclusión

El presente estudio evaluó el impacto de la utilización de herramientas analíticas de predictibilidad en el proceso de Sales and Operations Planning (S&OP) e Integrated Business Planning (IBP) sobre la precisión de las previsiones de ventas, además de identificar factores críticos de éxito, desafíos de implementación y el nivel de madurez del S&OP en una empresa farmacéutica multinacional. Se verificó que la organización posee un proceso de S&OP estructurado, pero en una etapa intermedia de madurez analítica. Se observó que el diagnóstico principal no reside solo en la ausencia de tecnología, sino en la combinación de un uso moderado de indicadores, integración incompleta entre áreas, limitaciones en la gobernanza de los datos e incentivos que pueden aproximar el forecast al presupuesto-meta. El análisis cuantitativo demostró que el modelo estadístico Holt-Winters superó el forecast corporativo en tres de las cuatro combinaciones producto-mercado analizadas, con ganancias significativas de precisión en contextos específicos, aunque presentó un desempeño inferior en una de las combinaciones, evidenciando la no universalidad de un único método. La principal contribución del estudio reside en la proposición de que la evolución del S&OP depende de un enfoque integrado que combine herramientas analíticas, calidad de los datos, gobernanza y alineación organizacional, recomendándose la implantación de un proceso gradual, segmentado y gobernado, como el modelo champion-challenger, para apoyar la toma de decisiones.

Este estudio presenta limitaciones inherentes a su metodología, como la recopilación de percepciones de los encuestados que, si bien es valiosa, no representa la totalidad de la visión organizacional, especialmente la comercial. La muestra reducida de quince participantes, de un total de sesenta invitados, puede introducir un sesgo de no respuesta y de deseabilidad social. Adicionalmente, el diseño de entidad única, la selección intencional de productos y mercados específicos, la normalización de los datos y el horizonte de doce meses restringen la generalización de los hallazgos a otras carteras y empresas. La comparación del modelo Holt-Winters con el pronóstico corporativo no controló toda la información cualitativa de los gerentes, indicando asociación y utilidad práctica, pero no causalidad o superioridad universal de la tecnología. Para futuras investigaciones, se sugiere ampliar el alcance para incluir más productos, mercados, períodos y funciones de los encuestados, además de registrar el origen de los ajustes manuales, probar modelos alternativos por perfil de demanda y combinar métricas de error con medidas de valor operativo, como nivel de servicio, inventario y pérdidas, con el fin de elevar la validez interna y externa del diagnóstico.

Referencias Bibliográficas

Ahaggach, H.; Abrouk, A.; Lebon, J. 2024. A study on demand forecasting models and performance metrics. Journal of Emerging Technologies and Innovative Research, 11 (4): 217-229.

Alexander, Duncan. 2016. S&OP in the 21st Century. Journal of Business Forecasting, New York, 35 (1): 6–14.

Arozo, Rodrigo. 2006. Sales and Operations Planning: uma

Ashraf, Safuwan. 2024. A study on the impact of demand forecasting accuracy on supply chain performance. Journal of Emerging Technologies and Innovative Research, 11 (4): 101-112.

Bastos, J.E.S.; Sousa, J.M.J.; Da Silva, P.M.N.; De Aquino, R.L. 2023. O uso do questionário como ferramenta metodológica: potencialidades e desafios. Brazilian Journal of Implantology and Health Sciences, 5 (3): 623-636.

Christopher, 2009 [Referência completa não encontrada no documento original]

Dinn Inteligência De Vendas. 2025. Como a indústria farmacêutica pode prever a demanda e evitar rupturas de estoque. São Paulo, SP, Brasil.

Farro, D.; Gazzo, G. 2023. The transition from Sales & Operations Plan to Integrated Business Plan: a systematic literature review. International Journal of Production Research, 61 (2): 456-472.

Fia Business School. 2023. Cadeia de suprimentos: conceitos, importância e aplicações. São Paulo, SP, Brasil.

Fullcast. 2025. Forecast accuracy benchmarks and business performance. Fullcast White Paper, Boston, MA, USA.

Moreira, Gabriel. 2021. As cinco etapas do processo de S&OP. Plannera, São Paulo, SP, Brasil.

Moreira, Gabriel. 2025. Do conceito à prática: entenda o que é IBP e sua aplicação em grandes empresas. Plannera, São Paulo, SP, Brasil.

Pibernik, R. 2016. Advanced S&OP practices and maturity models. Production Planning & Control, 27 (9): 709–720.

Porter, 1989 [Referência completa não encontrada no documento original]

Schlegel, A.; Hartmann, E.; Hofmann, E. 2021. Enabling integrated business planning through big data analytics: a case study on sales and operations planning. Production Planning & Control, 32 (2): 123–135.

Souza, Diego de. 2025. Forecast accuracy: conceitos, métricas e tendências no S&OP. Plannera, São Paulo, SP, Brasil.

Strategy& (PwC). [s.d.]. La preparación de la industria farmacéutica para un futuro basado en datos. São Paulo, SP, Brasil.

Zlotko, 2026 [Referencia completa no encontrada en el documento original]

Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Gestión de Negocios del MBA USP/Esalq

Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy