D02 · L3 · 04 — Demand Planning & ForecastingPlaneación de la Demanda y Pronóstico

NPI demand forecastingPronóstico de demanda en NPI

With no history, the question is not "how much" but "what shape." A launch forecast is a curve and a range, never a number — and the cost of the wrong shape is asymmetric: stockout gives away the share, excess gives back the margin.

Sin historia, la pregunta no es "cuánto" sino "qué forma." Un pronóstico de lanzamiento es una curva y un rango, nunca un número — y el costo de la forma equivocada es asimétrico: el stockout regala la participación, el exceso devuelve el margen.

01What it isQué es

NPI demand forecasting builds a launch curve without history — using diffusion models, weighted structured analogs from comparable launches, and explicit adoption scenarios — to shape the ramp and its range, instead of copying a dissimilar predecessor or assuming a flat run-rate.

El pronóstico de demanda en NPI construye una curva de lanzamiento sin historia — usando modelos de difusión, análogos estructurados ponderados de lanzamientos comparables y escenarios de adopción explícitos — para dar forma a la rampa y su rango, en lugar de copiar un predecesor disímil o asumir una tasa plana.

02Why it mattersPor qué importa

Bass 1969 (Bass, 1969 — peer-reviewed) modeled new-product adoption as a mix of innovators and imitators, producing the characteristic launch ramp — a rise to a peak followed by decline — that a flat forecast cannot reproduce. A launch forecast by analogy to a poorly matched predecessor gets the ramp shape wrong: too steep means a launch stockout that hands early shelf and share to competitors during the one window when the category is undefended; too shallow means a write-off of obsolete launch inventory. NPI error of 40%+ at launch is normal, and the asymmetric cost — lost share versus markdown — makes the shape matter more than the level.

Bass 1969 (Bass, 1969 — peer-reviewed) modeló la adopción de nuevos productos como una mezcla de innovadores e imitadores, produciendo la rampa de lanzamiento característica — un ascenso a un pico seguido de declive — que un pronóstico plano no puede reproducir. Un lanzamiento pronosticado por analogía a un predecesor mal emparejado obtiene mal la forma de la rampa: demasiado empinada significa un stockout de lanzamiento que entrega anaquel y participación tempranos a competidores durante la única ventana en que la categoría está indefensa; demasiado plana significa un write-off de inventario de lanzamiento obsoleto. Un error de NPI de 40%+ al lanzamiento es normal, y el costo asimétrico — participación perdida versus markdown — hace que la forma importe más que el nivel.

03How it is doneCómo se hace

1
Build an analog library, not a memory. Tag past launches by category, price tier, channel, region, and seasonality, and store their actual ramp curves — not just totals. The shape is the asset; the total is the byproduct.
2
Select analogs by weighted similarity. Three matched analogs, weighted by closeness, beat one planner's "it's like the last one." Document the match logic so the forecast is auditable, not a hunch wearing a number.
3
Fit a Bass-type diffusion to the analog set. Parameterize p (coefficient of innovation) and q (coefficient of imitation) from the analogs, then scale to the new product's addressable base. This gives you a curve with a defensible shape, not a flat line.
4
Forecast as a range, never a point. Produce low / base / high scenarios. NPI uncertainty is irreducible before launch — planning the range, and the supply flexibility to cover it, is the only honest response.
5
Stage the supply commitment to the ramp. Phase initial builds and pre-commit flexible capacity rather than betting the full launch quantity up front. The staged commitment is what converts forecast uncertainty into a manageable risk instead of a single all-or-nothing bet.
6
Set a re-forecast trigger on first sell-through. The first 4–8 weeks of real POS collapse the uncertainty faster than any pre-launch model. Replan hard at that point — the launch forecast was always a placeholder for the data you did not yet have.
Worked example — illustrativeA consumer-electronics brand forecast a new SKU by copying its predecessor's flat run-rate — baseline: ±50% launch error, a week-3 stockout that cost ~$2.1M in undefended-window sales, then a $1.6M write-off of the over-built back half. It rebuilt with a 4-analog Bass fit, a low/base/high range, staged supply, and a week-4 re-forecast trigger. Results: launch error ±50% → ±22%, undefended-window stockout eliminated, write-off $1.6M → $0.4M (-75%).
1
Construye una biblioteca de análogos, no una memoria. Etiqueta lanzamientos pasados por categoría, nivel de precio, canal, región y estacionalidad, y guarda sus curvas de rampa reales — no solo totales. La forma es el activo; el total es el subproducto.
2
Selecciona análogos por similitud ponderada. Tres análogos emparejados, ponderados por cercanía, le ganan al "es como el anterior" de un planeador. Documenta la lógica de emparejamiento para que el pronóstico sea auditable, no una corazonada vestida de número.
3
Ajusta una difusión tipo Bass al conjunto de análogos. Parametriza p (coeficiente de innovación) y q (coeficiente de imitación) desde los análogos, luego escala a la base direccionable del nuevo producto. Esto te da una curva con forma defendible, no una línea plana.
4
Pronostica como rango, nunca como punto. Produce escenarios bajo / base / alto. La incertidumbre de NPI es irreducible antes del lanzamiento — planear el rango, y la flexibilidad de suministro para cubrirlo, es la única respuesta honesta.
5
Escalona el compromiso de suministro a la rampa. Faséa las construcciones iniciales y pre-compromete capacidad flexible en vez de apostar la cantidad completa de lanzamiento por adelantado. El compromiso escalonado es lo que convierte la incertidumbre del pronóstico en un riesgo manejable en vez de una apuesta única de todo-o-nada.
6
Fija un disparador de re-pronóstico en el primer sell-through. Las primeras 4–8 semanas de POS real colapsan la incertidumbre más rápido que cualquier modelo pre-lanzamiento. Replanea con fuerza en ese punto — el pronóstico de lanzamiento siempre fue un placeholder de los datos que aún no tenías.
Ejemplo trabajado — ilustrativoUna marca de electrónica de consumo pronosticó un nuevo SKU copiando la tasa plana de su predecesor — base: error de lanzamiento ±50%, un stockout en la semana 3 que costó ~$2.1M en ventas de ventana indefensa, luego un write-off de $1.6M de la segunda mitad sobre-construida. Lo reconstruyó con un ajuste Bass de 4 análogos, un rango bajo/base/alto, suministro escalonado y un disparador de re-pronóstico en la semana 4. Resultados: error de lanzamiento ±50% → ±22%, stockout de ventana indefensa eliminado, write-off $1.6M → $0.4M (-75%).

04The concept in depthEl concepto a fondo

📈Bass diffusion: innovators and imitators›
The Bass model splits adoption into innovators (who buy independent of others, parameter p) and imitators (who buy because others have, parameter q). Their interaction produces the rise-peak-decline ramp. Estimating p and q from analogs gives a shaped, defensible launch curve where a flat assumption gives a straight line that is wrong in every period.
📚The analog library›
A structured, queryable record of past launch curves tagged by attributes. It converts "we launched something like this once" from a fading memory into a weighted, auditable input. The library is the single highest-leverage asset an NPI forecasting process can build — and it compounds with every launch.
⚖️The asymmetric cost of ramp-shape error›
Under-forecasting the ramp stocks out at launch and loses share that competitors capture permanently; over-forecasting writes off the unsold back half at markdown. These costs are not symmetric — lost launch share rarely returns, while excess is recoverable at a discount. The shape decision should be biased toward protecting the launch window.
📈Difusión Bass: innovadores e imitadores›
El modelo Bass divide la adopción en innovadores (que compran independiente de otros, parámetro p) e imitadores (que compran porque otros lo hicieron, parámetro q). Su interacción produce la rampa ascenso-pico-declive. Estimar p y q de análogos da una curva de lanzamiento con forma y defendible donde una suposición plana da una línea recta equivocada en cada periodo.
📚La biblioteca de análogos›
Un registro estructurado y consultable de curvas de lanzamiento pasadas etiquetadas por atributos. Convierte el "lanzamos algo así una vez" de una memoria que se desvanece en un input ponderado y auditable. La biblioteca es el activo de mayor apalancamiento que un proceso de pronóstico de NPI puede construir — y se compone con cada lanzamiento.
⚖️El costo asimétrico del error de forma de rampa›
Sub-pronosticar la rampa genera stockout al lanzamiento y pierde participación que los competidores capturan permanentemente; sobre-pronosticar castiga la segunda mitad no vendida a markdown. Estos costos no son simétricos — la participación de lanzamiento perdida rara vez regresa, mientras el exceso es recuperable con descuento. La decisión de forma debe sesgarse a proteger la ventana de lanzamiento.

05In practiceEn la práctica

🎯Weighted analog selection›
Score candidate analogs on attribute similarity and weight the launch curve by those scores. The output is a blended ramp drawn from several relevant precedents, with the match logic documented — defensible in an S&OP review in a way a single hand-picked analog never is.
🎲Scenario range, not a point›
Always carry low / base / high. The base feeds the plan; the range sizes the supply flexibility and the financial exposure. A single-point NPI forecast is a false precision that drives an all-or-nothing supply bet.
🪜Staged supply commitment›
Match the supply commitment to the ramp: an initial build sized to the low/base, with flexible capacity pre-arranged to chase upside. This converts forecast uncertainty into staged, reversible decisions rather than one irreversible build quantity.
🔔First-sell-through re-forecast trigger›
Define in advance the data point — typically 4–8 weeks of POS — at which the launch forecast is mandatorily replaced by an actuals-based one. The discipline of a pre-agreed trigger prevents the launch forecast from outliving its usefulness through inertia.
🎯Selección ponderada de análogos›
Califica análogos candidatos por similitud de atributos y pondera la curva de lanzamiento con esos puntajes. El resultado es una rampa mezclada de varios precedentes relevantes, con la lógica de emparejamiento documentada — defendible en un review de S&OP de un modo que un análogo único escogido a mano nunca lo es.
🎲Rango de escenarios, no un punto›
Siempre carga bajo / base / alto. La base alimenta el plan; el rango dimensiona la flexibilidad de suministro y la exposición financiera. Un pronóstico de NPI de punto único es una falsa precisión que dispara una apuesta de suministro todo-o-nada.
🪜Compromiso de suministro escalonado›
Empareja el compromiso de suministro a la rampa: una construcción inicial dimensionada al bajo/base, con capacidad flexible pre-arreglada para perseguir el upside. Esto convierte la incertidumbre del pronóstico en decisiones escalonadas y reversibles en vez de una cantidad de construcción irreversible.
🔔Disparador de re-pronóstico en primer sell-through›
Define por adelantado el punto de datos — típicamente 4–8 semanas de POS — en que el pronóstico de lanzamiento se reemplaza obligatoriamente por uno basado en reales. La disciplina de un disparador pre-acordado evita que el pronóstico de lanzamiento sobreviva su utilidad por inercia.

06What you would useQué se usa

📌 NPI / LAUNCH FORECASTING
🟦o9 / SAP IBP — enterprise tier-1›
Lifecycle and analog-based launch forecasting integrated with the planning and supply model, supporting attribute-based analog selection and phase-in profiles. (o9, SAP — vendor) The choice when launches must reconcile against staged supply commitments.
🟩Blue Yonder Luminate / Kinaxis›
Solid NPI modules with analog/like-modeling and lifecycle curves. (Blue Yonder, Kinaxis — vendor) A strong fit where launch cadence is frequent and the analog library is maintained inside the planning platform.
🟥NPI / new-product forecasting specialists›
Purpose-built launch-forecasting tools with deep diffusion and conjoint/pre-launch demand methods. (specialized vendors — vendor) The vertical option for industries — fashion, consumer tech — where most volume is new each season.
⬜For operations that don't need a platform›
A spreadsheet Bass fit on a curated set of analog curves, carried as a low/base/high range with a documented re-forecast trigger. The analog library and the staged commitment discipline deliver most of the value before any specialized tool is purchased.
📌 PRONÓSTICO DE NPI / LANZAMIENTO
🟦o9 / SAP IBP — enterprise tier-1›
Pronóstico de lanzamiento basado en ciclo de vida y análogos integrado con el modelo de planeación y suministro, con selección de análogos por atributos y perfiles de phase-in. (o9, SAP — vendor) La opción cuando los lanzamientos deben reconciliar contra compromisos de suministro escalonados.
🟩Blue Yonder Luminate / Kinaxis›
Módulos de NPI sólidos con like-modeling/análogos y curvas de ciclo de vida. (Blue Yonder, Kinaxis — vendor) Un buen ajuste donde la cadencia de lanzamiento es frecuente y la biblioteca de análogos se mantiene dentro de la plataforma de planeación.
🟥Especialistas en pronóstico de nuevos productos / NPI›
Herramientas de pronóstico de lanzamiento de propósito específico con métodos profundos de difusión y conjoint/demanda pre-lanzamiento. (vendors especializados — vendor) La opción vertical para industrias — moda, tecnología de consumo — donde la mayoría del volumen es nuevo cada temporada.
⬜Para operaciones que no necesitan plataforma›
Un ajuste Bass en hoja de cálculo sobre un conjunto curado de curvas análogas, cargado como rango bajo/base/alto con un disparador de re-pronóstico documentado. La biblioteca de análogos y la disciplina de compromiso escalonado entregan la mayor parte del valor antes de comprar cualquier herramienta especializada.
The bottom lineEn corto

Operations that forecast launches as a diffusion curve with staged supply defend the window competitors can only enter when you are out of stock; operations that copy a flat predecessor pick which way to lose — give away the share or write off the back half. The flat-line launch forecast is not a forecast; it is a refusal to model adoption. And the launch window is the one moment when being out of stock costs share that does not come back at any markdown.

Las operaciones que pronostican lanzamientos como una curva de difusión con suministro escalonado defienden la ventana que los competidores solo pueden entrar cuando estás sin stock; las que copian un predecesor plano eligen cómo perder — regalar la participación o castigar la segunda mitad. El pronóstico de lanzamiento de línea plana no es un pronóstico; es una negativa a modelar la adopción. Y la ventana de lanzamiento es el único momento en que estar sin stock cuesta participación que no regresa a ningún markdown.

← PreviousAnteriorPromotional & event-driven forecastingPronóstico de promociones y eventosNextSiguiente →CPFR & collaborative demand planning (VMI)CPFR y planeación colaborativa de demanda (VMI)

All D02 componentsTodos los componentes de D02D02 artifactsArtifacts de D02SCRA