01What it isQué es
Forecasting for OTIF links the service level promised to each customer with the forecast error and lead time that determine how much safety stock is needed to keep that promise.
El pronóstico para el OTIF vincula el nivel de servicio prometido a cada cliente con el error del pronóstico y el lead time que determinan cuánto inventario de seguridad se necesita para cumplir esa promesa.
02Why it mattersPor qué importa
Safety stock is the price of forecast error: for a given service target it grows with the standard deviation of error and the square root of lead time, so every point of accuracy gained can be converted into freed working capital or a safer OTIF. This relationship between forecast error, lead time, service level and safety stock is the foundation of standard inventory theory (Silver, Pyke and Thomas, 2017 — CRC Press).
El inventario de seguridad es el precio del error del pronóstico: para una meta de servicio dada crece con la desviación estándar del error y con la raíz cuadrada del lead time, así que cada punto de precisión ganado puede convertirse en capital de trabajo liberado o en un OTIF más seguro. Esta relación entre error del pronóstico, lead time, nivel de servicio e inventario de seguridad es la base de la teoría de inventarios estándar (Silver, Pyke y Thomas, 2017 — CRC Press).
03How it is doneCómo se hace
1
Segment the service promise. Set service level targets by customer and SKU segment instead of one blanket OTIF commitment.
2
Size stock from error. Calculate safety stock from measured forecast error and lead time, not from rules like four weeks just in case.
3
Recalibrate when error moves. Re-run the calculation each quarter or after any major accuracy change and release or add capital accordingly.
1
Segmenta la promesa de servicio. Fija metas de nivel de servicio por segmento de clientes y SKU en lugar de un compromiso de OTIF único para todos.
2
Dimensiona con el error. Calcula el inventario de seguridad con el error del pronóstico medido y el lead time, no con reglas como cuatro semanas por si acaso.
3
Recalibra cuando cambie el error. Repite el cálculo cada trimestre o tras cualquier cambio importante de precisión y libera o agrega capital según corresponda.
04The concept in depthEl concepto a fondo
The connection between forecast and customer OTIF: the promise the forecast must guarantee›
Customer OTIF (On-Time In-Full) is the most important B2B supply chain service metric — and its fulfillment depends directly on forecast accuracy. A forecast that overestimates demand generates excess inventory (cost). A forecast that underestimates demand generates stockouts — and customer OTIF non-compliance.
The relationship between forecast MAPE and safety stock needed for OTIF›
Safety stock needed to maintain a target service level depends directly on forecast error: SS = z × σ × √LT (where σ is the standard deviation of the per-period forecast error, LT is the replenishment lead time in periods, and z is the safety factor for the target cycle service level; fill rate targets are set with the loss-function method). A MAPE of 10% requires significantly less safety stock than a MAPE of 25% to maintain the same service level — this is the financial connection between forecast accuracy and inventory.
The MAPE-fill rate trade-off: how much inventory do I need for the OTIF I promised?›
Because safety stock scales roughly in proportion to forecast error, a process with twice the error needs roughly twice the safety stock for the same service level. Moving from 20% to 15% error, for example, cuts the required safety stock by about a quarter, all else equal. The exact figures must be computed per SKU with its own lead time and service target.
Intermediate vs. Advanced›
Intermediate: calculates safety stock needed for assigned SKUs based on forecast MAPE and target fill rate.
Advanced: designs the safety stock model based on forecast MAPE and target fill rate; quantifies the financial impact of forecast accuracy on inventory; presents the trade-off to the S&OP.
Advanced: designs the safety stock model based on forecast MAPE and target fill rate; quantifies the financial impact of forecast accuracy on inventory; presents the trade-off to the S&OP.
La conexión entre el pronóstico y el OTIF del cliente: la promesa que el pronóstico debe garantizar›
El OTIF (On-Time In-Full) es la métrica de servicio más importante de la cadena de suministro B2B — y su cumplimiento depende directamente de la precisión del pronóstico. Un pronóstico que sobreestima la demanda genera exceso de inventario (costo). Un pronóstico que la subestima genera quiebres de inventario — e incumplimiento del OTIF con el cliente.
La relación entre el MAPE del pronóstico y el inventario de seguridad necesario para el OTIF›
El inventario de seguridad necesario para mantener un nivel de servicio meta depende directamente del error del pronóstico: SS = z × σ × √LT (donde σ es la desviación estándar del error del pronóstico por periodo, LT es el lead time de reabastecimiento en periodos y z es el factor de seguridad para el nivel de servicio por ciclo meta; las metas de fill rate se fijan con el método de la función de pérdida). Un MAPE de 10% requiere bastante menos inventario de seguridad que un MAPE de 25% para mantener el mismo nivel de servicio — esta es la conexión financiera entre la precisión del pronóstico y el inventario.
El trade-off MAPE–fill rate: ¿cuánto inventario necesito para el OTIF que prometí?›
Como el inventario de seguridad crece aproximadamente en proporción al error del pronóstico, un proceso con el doble de error necesita más o menos el doble de inventario de seguridad para el mismo nivel de servicio. Pasar de 20% a 15% de error, por ejemplo, reduce el inventario de seguridad requerido en cerca de una cuarta parte, con todo lo demás constante. Las cifras exactas deben calcularse por SKU, con su propio lead time y meta de servicio.
Intermedio vs. Avanzado›
Intermedio: calcula el inventario de seguridad necesario para los SKU asignados con base en el MAPE del pronóstico y el fill rate meta.
Avanzado: diseña el modelo de inventario de seguridad con base en el MAPE y el fill rate meta; cuantifica el impacto financiero de la precisión del pronóstico en el inventario; presenta el trade-off en el S&OP.
Avanzado: diseña el modelo de inventario de seguridad con base en el MAPE y el fill rate meta; cuantifica el impacto financiero de la precisión del pronóstico en el inventario; presenta el trade-off en el S&OP.
05In practiceEn la práctica
Safety stock must be calculated with the correct formula — not defined by instinct or historical rules›
A safety stock defined as "4 weeks of stock just in case" without considering forecast MAPE or target fill rate can be overestimated (cost) or underestimated (OTIF risk).
Quantify the financial impact of MAPE on safety stock — present the data to the CFO›
"$840K MXN of unnecessary safety stock that can be freed if we improve MAPE from 18% to 14%" is the business argument for investing in forecast improvement.
Review safety stock quarterly when forecast MAPE changes significantly›
A MAPE that improves from 22% to 15% from implementing demand sensing requires safety stock recalibration to free the immobilized capital.
Manage safety stock as a financial asset — with an explicit capital cost›
Safety stock has a capital cost (the financial cost of having that inventory immobilized). This cost must be visible in the supply chain P&L to generate the correct incentive for forecast accuracy improvement.
El inventario de seguridad debe calcularse con la fórmula correcta — no definirse por intuición o reglas históricas›
Un inventario de seguridad definido como "4 semanas de inventario por si acaso", sin considerar el MAPE ni el fill rate meta, puede quedar sobrestimado (costo) o subestimado (riesgo para el OTIF).
Cuantificar el impacto financiero del MAPE en el inventario de seguridad — y presentarlo al CFO›
"$840K MXN de inventario de seguridad innecesario que se pueden liberar si mejoramos el MAPE de 18% a 14%" es el argumento de negocio para invertir en mejorar el pronóstico.
Revisar el inventario de seguridad cada trimestre cuando el MAPE cambie significativamente›
Un MAPE que mejora de 22% a 15% por implementar demand sensing requiere recalibrar el inventario de seguridad para liberar el capital inmovilizado.
Gestionar el inventario de seguridad como un activo financiero — con un costo de capital explícito›
El inventario de seguridad tiene un costo de capital (el costo financiero de tener ese inventario inmovilizado). Este costo debe ser visible en el P&L de la cadena de suministro para generar el incentivo correcto a mejorar la precisión del pronóstico.
06Illustrative caseCaso ilustrativo
Illustrative case built from typical industry values — not data from a specific company.Caso ilustrativo construido con valores típicos de la industria — no son datos de una empresa específica.
Illustrative case: Safety stock optimization based on MAPE — distribution company, 1,200 SKUs
The team analyzes the relationship between forecast MAPE and current safety stock to identify reduction opportunities.
The team analyzes the relationship between forecast MAPE and current safety stock to identify reduction opportunities.
| SKU segment | Current MAPE | Current SS vs. optimal |
|---|---|---|
| AX SKUs (high revenue + stable demand) | MAPE: 11% · Well modeled | Current SS: 14 days · Optimal SS: 12 days · Excess: $280K MXN |
| AY SKUs (high revenue + moderate demand) | MAPE: 18% · Room for improvement | Current SS: 22 days · Optimal with MAPE 14%: 17 days · Potential: $840K MXN if MAPE is reduced |
| AZ SKUs (high revenue + very variable demand) | MAPE: 34% · Hard to improve significantly | Current SS: 32 days · Optimal: 38 days · Understocked: OTIF risk |
Result: Analysis revealed: (1) AX SKUs have $280K MXN of excess inventory from higher-than-necessary SS. (2) AY SKUs have $840K MXN SS reduction potential if MAPE drops from 18% to 14%. (3) AZ SKUs have insufficient SS — customer OTIF risk. Total capital opportunity: $1.1M MXN in SS reduction + AZ SS correction.
Illustrative case built from typical industry values — not data from a specific company.Caso ilustrativo construido con valores típicos de la industria — no son datos de una empresa específica.
Caso ilustrativo: Optimización del inventario de seguridad con base en el MAPE — empresa de distribución, 1,200 SKU
El equipo analiza la relación entre el MAPE del pronóstico y el inventario de seguridad actual para identificar oportunidades de reducción.
El equipo analiza la relación entre el MAPE del pronóstico y el inventario de seguridad actual para identificar oportunidades de reducción.
| Segmento de SKU | MAPE actual | SS actual vs. óptimo |
|---|---|---|
| SKU AX (alto ingreso + demanda estable) | MAPE: 11% · Bien modelado | SS actual: 14 días · SS óptimo: 12 días · Exceso: $280K MXN |
| SKU AY (alto ingreso + demanda moderada) | MAPE: 18% · Con margen de mejora | SS actual: 22 días · Óptimo con MAPE de 14%: 17 días · Potencial: $840K MXN si se reduce el MAPE |
| SKU AZ (alto ingreso + demanda muy variable) | MAPE: 34% · Difícil de mejorar significativamente | SS actual: 32 días · Óptimo: 38 días · Inventario insuficiente: riesgo para el OTIF |
Resultado: El análisis reveló: (1) los SKU AX tienen $280K MXN de exceso de inventario por un SS mayor al necesario. (2) Los SKU AY tienen un potencial de reducción de SS de $840K MXN si el MAPE baja de 18% a 14%. (3) Los SKU AZ tienen SS insuficiente — riesgo para el OTIF del cliente. Oportunidad total de capital: $1.1M MXN en reducción de SS + corrección del SS de los AZ.
07How it is measuredCómo se mide
Safety Stock Coverage Ratio (% of current SS vs. optimal SS based on MAPE)›
Safety Stock Coverage Ratio (% of current SS vs. optimal SS based on MAPE)
Current safety stock / Optimal safety stock based on the safety stock formula with current MAPE × 100
Benchmark: 80–120% of optimal safety stock · <80% indicates OTIF risk · >130% indicates excess inventory
⚠️ A safety stock coverage ratio >150% for AX SKUs indicates SS was defined with outdated conservative criteria — and there is immobilized capital that can be freed without OTIF risk.
Forecast-Driven Inventory Reduction Potential % (% SS reduction possible with MAPE improvement)›
Forecast-Driven Inventory Reduction Potential % (% SS reduction possible with MAPE improvement)
(Safety stock with current MAPE − Safety stock with target MAPE) / Safety stock with current MAPE × 100
Benchmark: 10–25% SS reduction possible when improving forecast MAPE by 5–8 percentage points
🔑 Quantifying the "Forecast-Driven Inventory Reduction Potential" is the most powerful financial argument for investing in forecast accuracy improvement. A 15% potential on a $10M MXN SS inventory = $1.5M MXN of capital that can be freed.
Safety Stock Coverage Ratio (% del SS actual vs. el SS óptimo con base en el MAPE)›
Safety Stock Coverage Ratio (% del SS actual vs. el SS óptimo con base en el MAPE)
Inventario de seguridad actual / Inventario de seguridad óptimo según la fórmula con el MAPE actual × 100
Benchmark: 80–120% del inventario de seguridad óptimo · <80% indica riesgo para el OTIF · >130% indica exceso de inventario
⚠️ Un coverage ratio >150% en los SKU AX indica que el SS se definió con criterios conservadores desactualizados — y que hay capital inmovilizado que puede liberarse sin riesgo para el OTIF.
Forecast-Driven Inventory Reduction Potential % (% de reducción de SS posible al mejorar el MAPE)›
Forecast-Driven Inventory Reduction Potential % (% de reducción de SS posible al mejorar el MAPE)
(Inventario de seguridad con el MAPE actual − Inventario de seguridad con el MAPE meta) / Inventario de seguridad con el MAPE actual × 100
Benchmark: 10–25% de reducción de SS posible al mejorar el MAPE del pronóstico en 5–8 puntos porcentuales
🔑 Cuantificar el "Forecast-Driven Inventory Reduction Potential" es el argumento financiero más poderoso para invertir en mejorar la precisión del pronóstico. Un potencial de 15% sobre un inventario de seguridad de $10M MXN = $1.5M MXN de capital que puede liberarse.
08What you would useQué se usa
📌 Safety Stock Optimization
SAP IBP — Inventory Optimization›
Module: Safety Stock Optimization Based on Forecast Accuracy in SAP IBP
SAP IBP for inventory optimization calculates target safety stock per SKU and location based on forecast error, lead time (and its variability) and the target service level.
SAP IBP for inventory optimization calculates target safety stock per SKU and location based on forecast error, lead time (and its variability) and the target service level.
Python — scipy + inventory-optimization libraries›
Module: Custom Safety Stock Modeling
Optimal safety stock calculation in Python with the correct inventory models for each SKU type (continuous, intermittent, variable lead time demand).
Optimal safety stock calculation in Python with the correct inventory models for each SKU type (continuous, intermittent, variable lead time demand).
📌 Optimización del inventario de seguridad
SAP IBP — Inventory Optimization›
Módulo: Optimización del inventario de seguridad con base en la precisión del pronóstico en SAP IBP
SAP IBP para optimización de inventarios calcula el inventario de seguridad meta por SKU y ubicación con base en el error del pronóstico, el lead time (y su variabilidad) y el nivel de servicio meta.
SAP IBP para optimización de inventarios calcula el inventario de seguridad meta por SKU y ubicación con base en el error del pronóstico, el lead time (y su variabilidad) y el nivel de servicio meta.
Python — scipy + librerías de optimización de inventarios›
Módulo: Modelado personalizado del inventario de seguridad
Cálculo del inventario de seguridad óptimo en Python con los modelos de inventario adecuados para cada tipo de SKU (demanda continua, intermitente, con lead time variable).
Cálculo del inventario de seguridad óptimo en Python con los modelos de inventario adecuados para cada tipo de SKU (demanda continua, intermitente, con lead time variable).
The bottom lineEn corto
Every OTIF promise has an inventory price, and forecast error sets it.
Toda promesa de OTIF tiene un precio en inventario, y lo fija el error del pronóstico.
← PreviousAnteriorCustomer demand patterns: segmentation & behavior analyticsPatrones de demanda del cliente: segmentación y analytics de comportamientoNextSiguiente →Demand-driven replenishment: pull vs. push in the supply chainReabastecimiento demand-driven: pull vs. push en la cadena de suministro
All D10 componentsTodos los componentes de D10D10 artifactsArtifacts de D10SCRA