📈 Demand Planning lleva a GA Croston, señales XGBoost y fallback ingenuo
📈 Demand Planning lleva a GA Croston, señales XGBoost y fallback ingenuo
Microsoft ha retirado la etiqueta preview de tres capacidades de forecasting de Demand Planning: el método de Croston para demanda intermitente, la previsión ingenua para series con pocos datos y los forecasts XGBoost que combinan la demanda con hasta cinco señales externas.
No son tres algoritmos nuevos. Ya existían en versiones anteriores de la aplicación, pero el cambio publicado el 23 de octubre de 2026 los saca de las condiciones de preview y permite plantear su adopción en producción bajo los términos normales del producto. La disponibilidad general no elimina sus condiciones de entrada ni convierte una selección automática en una garantía de precisión.
Diagrama original. Best fit decide por combinación de dimensiones cuándo aplicar un fallback; XGBoost combina una entrada principal con señales alineadas.
Qué ha cambiado
El cambio oficial elimina los avisos de preview de la documentación y actualiza el catálogo de versiones de Best fit model:
| Capacidad | Ruta | Requisito documentado | Uso |
|---|---|---|---|
| Previsión ingenua | Best fit model - version 2 o posterior | Demand Planning 1.0.0.3424 o posterior | Fallback cuando hay pocos datos y no se detecta estacionalidad |
| Método de Croston | Best fit model - version 3 o posterior | Demand Planning 1.1.0.4 o posterior | Fallback para series no estacionales con más del 80 % de ceros |
| Forecast con señales | Paso Forecast with signals | Funcionalidad introducida en Demand Planning 1.1 | XGBoost con una serie principal y hasta cinco señales |
La promoción a GA afecta al estado de soporte, no a la arquitectura funcional. Los modelos existentes no se migran automáticamente de Best fit v1 a v2 o v3, ni un paso Forecast se convierte en Forecast with signals. Hay que seleccionar y probar explícitamente la ruta adecuada.
Cómo decide Best fit entre un modelo normal y un fallback
Best fit model evalúa cada combinación de producto y dimensiones por separado. Por eso una misma ejecución puede usar un modelo estadístico normal para unas combinaciones y un fallback para otras.
Previsión ingenua para series cortas
La previsión ingenua se aplica únicamente si se usa Best fit model - version 2 o posterior, está activa la detección automática de estacionalidad, no se detecta un patrón estacional y el conjunto contiene menos del doble del umbral correspondiente:
| Granularidad | Umbral | Zona considerada de pocos datos |
|---|---|---|
| Día | 14 puntos | Menos de 28 puntos |
| Semana | 12 puntos | Menos de 24 puntos |
| Mes | 12 puntos | Menos de 24 puntos |
Dentro de esa zona, el método cambia según el volumen:
- menos de la mitad del umbral: copia los datos y completa con ceros;
- entre la mitad y el umbral: copia y rellena mediante interpolación lineal;
- entre el umbral y el doble: utiliza una copia promediada.
No es un modelo que pueda elegirse directamente. Es una salida controlada cuando la información no alcanza para entrenar un modelo regular. Si aparece en muchas combinaciones, debe interpretarse también como una señal de calidad o profundidad insuficiente del histórico.
Croston para demanda intermitente
Croston se evalúa con Best fit model - version 3 o posterior y se aplica cuando se cumplen todas estas condiciones:
- la serie no cumple las condiciones de la previsión ingenua;
- no existe un patrón estacional claro;
- más del 80 % de los valores son cero.
El método separa dos fenómenos: el tamaño medio de la demanda cuando ocurre y el intervalo medio entre eventos. Esto evita que una larga secuencia de ceros obligue a pronosticar siempre cero o que un pico aislado genere una tendencia artificial.
La frontera del 80 % es una regla del producto, no un parámetro configurable publicado. No conviene manipular ceros, agregaciones o granularidad solo para forzar la selección. Primero hay que decidir si los ceros significan realmente ausencia de demanda y no datos ausentes.
Forecast con señales: una ruta distinta
La previsión con señales no forma parte del selector Best fit. El paso Forecast with signals usa siempre XGBoost y exige un modelo con ramas paralelas:
- una rama empieza con la serie principal —por ejemplo, ventas históricas—;
- de una a cinco ramas empiezan con pasos Signal —por ejemplo, precio, promociones, inflación o clima—;
- cada rama puede incluir transformaciones;
- todas convergen en Forecast with signals;
- el resultado termina en un paso Save.
La disponibilidad general no relaja las reglas de alineación:
- las series deben tener tamaños de bucket compatibles;
- las dimensiones usadas para relacionarlas deben coincidir;
- la señal debe cubrir el histórico que se quiere entrenar y llegar hasta el final del horizonte;
- si la señal comienza más tarde, el histórico anterior se ignora;
- si no alcanza el final del horizonte, la ejecución falla.
El modelo admite hasta cinco señales, no cinco columnas. Cada señal es una serie temporal con su propia rama y contrato de dimensiones.
Implementación paso a paso
1. Confirmar versión y modelo actuales
Comprueba la versión instalada de Demand Planning antes de editar perfiles. Para previsión ingenua necesitas al menos 1.0.0.3424; para Croston, 1.1.0.4. Si un modelo sigue en Best fit version 1, la retirada de preview no modifica su comportamiento.
Exporta o documenta la configuración actual y registra una línea base con duración, algoritmo elegido por combinación y métricas de error. El cambio de versión de Best fit debe pasar por el mismo ciclo que cualquier cambio de modelo.
2. Crear una copia de prueba
Clona el perfil representativo y cambia solo la versión del algoritmo. Mantén iguales entrada, filtros, horizonte, granularidad, fecha de inicio y reglas de freeze. Así puedes atribuir las diferencias al algoritmo y no a otra variable.
Ejecuta la copia sobre un periodo histórico para el que ya conozcas la demanda real. Compara al menos:
- error por producto y combinación de dimensiones, no solo el promedio;
- algoritmo seleccionado por cada objeto de planificación;
- sesgo de inventario: sobreprevisión y roturas potenciales;
- tiempo de cálculo y número de objetos que caen en cada fallback.
3. Validar previsión ingenua y Croston
Prepara casos controlados:
| Caso | Datos esperados | Resultado a comprobar |
|---|---|---|
| Producto nuevo | Histórico corto, sin estacionalidad | Selección de previsión ingenua |
| Repuesto intermitente | Más del 80 % de ceros, sin estacionalidad | Selección de Croston |
| Producto estacional | Patrón repetible suficiente | Modelo regular, no fallback |
| Serie con huecos | Filas ausentes distintas de ceros reales | Corrección del dato antes de evaluar |
Revisa la página de precisión y el historial de ejecución para identificar el algoritmo realmente aplicado. No deduzcas la selección únicamente por la forma visual de la curva.
4. Construir un modelo con señales
En un perfil nuevo, selecciona None como preset y diseña el modelo:
- añade el paso Input con la demanda histórica;
- añade un paso Signal por cada factor externo;
- normaliza bucket, dimensiones y horizonte en cada rama;
- conecta las ramas con Forecast with signals;
- configura Save y ejecuta una prueba;
- compara el resultado con un baseline sin señales.
No incorpores una señal solo porque exista correlación histórica. Valida que esté disponible a tiempo para ejecutar el forecast y que sus valores futuros no contengan información que en producción todavía no conocerías. De lo contrario, el backtest tendrá fuga de información.
5. Promover con métricas de aceptación
Define antes de la prueba qué mejora justifica el cambio. Una reducción del error agregado puede ocultar un empeoramiento en productos críticos. Incluye métricas por segmento, estabilidad entre ventanas y efecto sobre stock y servicio.
Promueve el perfil únicamente después de ejecutar varios cortes temporales y conservar una vía de retorno al modelo anterior. GA significa soportado para producción; no significa mejor para todas las series.
Seguridad, datos y licenciamiento
El cambio no anuncia nuevos roles ni permisos. Siguen aplicando los roles de Demand Planning y la seguridad a nivel de fila: un contribuidor solo puede ver y editar las combinaciones que le conceden las reglas de acceso. Las señales pueden incorporar información comercial sensible —precios, promociones o indicadores regionales—, por lo que deben heredar la misma clasificación y gobierno que la serie principal.
Cada usuario relevante necesita la licencia de Demand Planning aplicable en producción. La promoción a GA no se presenta como un nuevo SKU ni como un suplemento de consumo por algoritmo. Aun así, hay que verificar el contrato y la guía de licenciamiento vigentes del tenant; Microsoft remite a la licencia de Supply Chain Management y Demand Planning, no a una licencia separada para Croston o XGBoost.
Limitaciones que siguen vigentes
- La previsión ingenua y Croston son fallbacks automáticos, no algoritmos seleccionables directamente.
- Croston requiere más del 80 % de valores cero y ausencia de estacionalidad clara.
- La previsión con señales usa únicamente XGBoost.
- Se admiten como máximo cinco ramas de señales.
- Una señal corta puede descartar parte del histórico o hacer fallar el forecast si no cubre el horizonte.
- Las dimensiones incompatibles provocan error.
- La documentación confirma GA, pero no publica un SLA de precisión ni garantiza que el nuevo modelo mejore cada serie.
Recomendación práctica
Trata este GA como una oportunidad para segmentar el problema de forecasting, no como un interruptor global. Usa Best fit v3 para evaluar de forma controlada productos nuevos y demanda intermitente; reserva XGBoost para señales cuya disponibilidad, calidad y causalidad puedas gobernar.
El mayor valor del cambio no es disponer de más algoritmos, sino poder llevar a producción tres patrones que ya tienen contrato soportado. La condición sigue siendo la misma: medir por combinación de dimensiones, validar fuera de muestra y conservar evidencia de por qué cada ruta mejora la decisión de inventario.