Muchas veces he visto equipos ejecutivos que toman decisiones erradas sobre sus estrategias de RM. Mirando hacia atrás creen que sus sistemas de Revenue Management tomaron decisiones erradas. Es importante que cuando evaluemos la gestión de un sistema o equipo de RM lo hagamos teniendo en consideración la información con que ese sistema y/o equipo contaba en el momento en que la hizo.
![405644822_f5912d3f11[1]](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgMAtFAmJz2QcVmp4kpaK8GpvaFM0QtX-0wABBgM9W5ekHjcpLvm9SEffzSGcwOVhFYsfY_EUlVFpO05VlPrkkjtppKg1whad0pkb2MpNABGY5TwHeEaPoHGrzy83_b1TphW2CSqFd3hFhy/s1600-h/405644822_f5912d3f11%5B1%5D%5B5%5D.jpg "405644822_f5912d3f11[1]")
Un ejemplo bien básico: Imagínense que Uds. tienen una empresa (hotel, aerolínea, etc.) que hace Revenue Management que tiene dos tarifas: una de $100 y otra de $30. Pongámonos en el caso en que les queda una unidad de inventario disponible para la venta y su sistema de RM les dice que existe una probabilidad de 1/3 de que alguien la quiera comprar a la tarifa alta ($100). Si alguien les pide esa unidad de inventario a la tarifa de $30, debieran negarle la reserva, ya que 1/3 * $100 = $33,33 > $30, ¿de acuerdo?
El problema es que dos de cada tres veces que tomen esta decisión, esa unidad de inventario va a vencer sin ser vendida (aún cuando el pronóstico del sistema haya sido acertado). Entonces van a mirar en retrospectiva y la gente de Ventas les va a decir: “Debimos haber aceptado a mi cliente que quería comprarla en $30.” Sin embargo, una de cada tres veces alguien va comprar esa unidad de inventario a $100 y va a ser mejor, ya que 3 * $30 = $90 < $100.
Sería ideal tener una bola de cristal y saber cuál de las tres veces efectivamente se va a presentar ese cliente que la va a comprar a $100, entonces poder vender a $30 dos veces y a $100 una. Por desgracia aún no se ha inventado esa bola de cristal, por lo que lo mejor que podemos tener son sistemas que tienen dispersiones en sus pronósticos, pero que al estar bien calibrados estas dispersiones están bien estimadas.
Así es que, ¡cuidado cómo evalúan sus sistemas y equipos de RM! No todo es como aparenta.
Qué divertido, apenas publiqué este artículo fui a una reunión con un cliente potencial que usa IdeaS y que su RM dice que el sistema no tiene buenos pronósticos. Lo mandé a leer este artículo y le hizo mucho sentido.
ResponderBorrarMmmm... no estoy de acuerdo... Si la probabilidad de venta de la tarifa alta es 1/3, el esperar esa posibilidad, sólo me deja con 2/3 de probabilidad de no vender... Porque este tipo de análisis tiene su máxima expresión en ensayos tendientes a infinito, no con inventarios que caducan.
ResponderBorrarNo se debería incorporar la variable tiempo? Es decir, tener un deadline y luego de él aceptar la primera oferta que se presente?...
Loreto,
ResponderBorrarEste es un ejemplo muy simplificado de un efecto que ocurre con los sistemas de RM. En el fondo la variable tiempo está incorporada en el ejemplo en el hecho de que la probabilidad sea de un tercio. Se supone que en momento en que entra la solicitud por el espacio a la tarifa baja, teniendo en consideración el tiempo que queda para que el inventario caduque, la probabilidad de que alguien reserve antes de la fecha de caducidad es de un tercio. En ese momento el sistema debe decidir aceptar o rechazar. Claramente que puede que en el futuro entre otra reserva para la tarifa baja y dado que queda menos tiempo para la caducidad del inventario, la probabilidad de recibir una reserva a $100 haya caído a (por ejemplo) un quinto. Esta otra reserva debiera ser aceptada por el sistema. ¿Entiendes?