Tratar igual a todos los SKUs es el default más caro de la planeación. Un planeador con 3,000 productos y política de esfuerzo parejo le dedica al artículo que paga la nómina la misma atención que al que se vende dos veces al año. El análisis ABC/XYZ es el arreglo clásico de dos ejes: ordena tu catálogo por valor (ABC) y por variabilidad de la demanda (XYZ), cruza los dos, y obtienes nueve celdas con una estrategia clara cada una. La primera versión sale de un export de ventas en una tarde — y te muestra con precisión dónde paga más un mejor pronóstico.

ABC: el eje del valor

La idea es el principio de Pareto — la famosa regla 80/20 — aplicado al inventario. H. Ford Dickie, ingeniero de General Electric, lo formalizó en 1951 en ABC Inventory Analysis Shoots for Dollars, Not Pennies: concentra la atención de la gerencia donde está el dinero, no donde está el conteo de partes.

La mecánica son tres pasos:

Valor de consumo anual por SKU = unidades vendidas × costo unitario (o ingreso, o margen — elige la medida que tu negocio de verdad optimiza).
Ordena descendente y acumula la participación del valor total.
Corta en clases. La convención común: A = los SKUs que cubren el ~80% superior del valor (típicamente solo ~20% de los artículos), B = el siguiente ~15%, C = el último ~5% del valor repartido en cerca de la mitad del catálogo.

Los cortes son convenciones, no leyes — lo que importa es que las clases reciban trato distinto. Una trampa desde el inicio: ordenar por unidades en lugar de valor asciende en silencio a los baratos de alta rotación a la clase A y degrada a los productos que de verdad cargan tu margen.

XYZ: el eje de la variabilidad

El ABC no dice nada de qué tan difícil es planear un producto. Ese es el segundo eje: clasifica cada SKU por el coeficiente de variación (CV) de su demanda en los últimos 12+ meses:

CV = σ(demanda) ÷ media(demanda)

Los cortes usados en la práctica (AbcSupplyChain, Mecalux):

Clase	CV	Patrón de demanda
X	< 0.5	estable, predecible
Y	0.5 – 1.0	fluctuante — tendencia, estacionalidad
Z	> 1.0	errático o intermitente

Un matiz honesto antes de tomar el CV crudo al pie de la letra: un producto fuertemente estacional parece Z en la demanda cruda — oscilaciones grandes, σ alta — y sin embargo es perfectamente predecible para un modelo que entiende el calendario. La literatura de categorización de demanda (Syntetos, Boylan & Croston) separa los patrones precisamente porque el método correcto de pronóstico cambia según el patrón. Así que en cuanto tengas un pronóstico real, reclasifica sobre el CV de tu error de pronóstico en lugar de la demanda cruda — la misma σ que debe gobernar tu stock de seguridad. La variabilidad que puedes predecir no es riesgo; es solo forma.

La matriz: nueve celdas, nueve estrategias

Cruza los dos ejes y la política de planeación casi se escribe sola:

	X — estable	Y — fluctuante	Z — errático
A — valor alto	Automatiza el pronóstico, servicio alto, colchón esbelto	Pronóstico ML con estacionalidad y promociones, revisión mensual	Pronóstico ML más revisión humana — tu batalla más difícil y valiosa
B — medio	Automatiza, toca poco	Automatiza, monitorea excepciones	Revisa por excepción, colchón moderado
C — cola larga	Piloto automático, punto de reorden simple	Piloto automático con stock mínimo	Cuestiona el SKU: bajo pedido, racionaliza o un colchón deliberadamente barato

Léela como un mapa de esfuerzo: arriba a la derecha se concentra la atención de pronóstico (valor alto, demanda difícil), abajo a la izquierda la automatización debe correr sin que la toques, y CZ es donde la conversación honesta es sobre el producto, no sobre el pronóstico.

Ejemplo numérico

Demanda mensual de tres SKUs durante el último año:

	Media	σ	CV	Clase
SKU 1	1,000	120	0.12	X
SKU 2	400	280	0.70	Y
SKU 3	60	90	1.50	Z

Ahora suma el eje del valor: si el SKU 1 además es A por ingreso, es un AX — automatízalo, dale 98% de nivel de servicio, y gasta el tiempo que liberaste en los AZ, donde cada punto de precisión del pronóstico se convierte directamente en menos quiebres y menos colchón.

Niveles de servicio diferenciados — el beneficio

La matriz se gana su lugar cuando gobierna la política. Un solo nivel de servicio global sobre-protege a la mitad del catálogo y sub-protege a la otra — por eso ASCM recomienda fijar niveles de servicio por grupo de producto, no globales. Servicio alto (y el factor Z que implica) en la fila A; metas más esbeltas en la cola. Y como el stock de seguridad escala lineal con el error de pronóstico, cada punto de error que eliminas en la fila A libera capital de trabajo justo donde más se concentra.

Tu métrica de precisión debería pensar igual: el WMAPE pondera el error por volumen, así que es en la práctica una métrica consciente del ABC — ya le importa más exactamente lo que tu matriz llama A.

Trampas que evitar

Una matriz estática. Los productos migran — los lanzamientos nacen Z, maduran a X, declinan de regreso. Recalcula la clasificación cada trimestre.
Un solo criterio. Un componente de $40 pesos que detiene una línea de producción es C por valor y crítico por consecuencia. Mantén una bandera manual de “crítico” junto a la matriz.
Leer CZ como “ignóralo”. Significa decide deliberadamente — bajo pedido, racionalizar, o un colchón barato — no “deja de mirar”.
Clasificar sobre CV crudo para siempre. Conforme tu pronóstico mejora, el eje honesto de variabilidad es el error de pronóstico, no la demanda cruda (ver arriba).

Dónde entra el pronóstico

Cuidado con la conclusión equivocada: la matriz no es una licencia para pronosticar menos. Es un mapa de dónde paga más cada punto de precisión — y la respuesta es la fila A y las columnas Y/Z. Los X estables son baratos de automatizar; los erráticos y valiosos son exactamente donde el Machine Learning con variables exógenas supera a los métodos manuales — estacionalidad, promociones y efectos de calendario son lo que convierte un aparente Z en un Y planeado. Un mejor modelo literalmente mueve SKUs hacia el lado fácil de tu matriz.

Eso es lo que Forecast Studio hace cada noche sobre todo el catálogo: un pronóstico estadístico fresco por SKU, modelos globales que le dan una línea base útil incluso a productos con historial corto, y el error medido para que tu matriz se mantenga honesta.

¿Quieres ver tu propio catálogo sobre esta matriz? Agenda una demo gratuita y lo segmentamos contigo en 30 minutos.

Fuentes: Dickie, ABC Inventory Analysis Shoots for Dollars, Not Pennies (Factory Management and Maintenance, 1951) · Juran, Guide to the Pareto Principle · AbcSupplyChain, ABC XYZ Analysis · Mecalux, ABC XYZ analysis: pros and cons · Syntetos, Boylan & Croston, On the categorization of demand patterns, JORS · ASCM, Safety stock: a contingency plan

Análisis ABC/XYZ: no todos tus SKUs merecen el mismo esfuerzo