Análisis de sensibilidad: qué supuestos mueven realmente los números de tu restaurante
Toda previsión descansa sobre supuestos. Tasa de crecimiento, mix de delivery, ajuste estacional, ratios de staffing... pero ¿cuáles importan de verdad? El análisis de sensibilidad con diagramas tornado y simulación Monte Carlo separa los supuestos que mueven tu P&L del ruido.
La reunión del consejo donde todos los números estaban equivocados
Nadia presentó su previsión del segundo trimestre al consejo de un grupo de 35 restaurantes. Ingresos: 52 M AED. Coste laboral: 28,5 %. Food cost: 30,2 %. Margen EBITDA: 14,8 %. El consejo aprobó la previsión, el presupuesto quedó fijado y al equipo se le asignaron sus objetivos.
Al cierre del segundo trimestre, los ingresos reales fueron 48,7 M AED, un 6,3 % por debajo de la previsión. Pero el fallo no estuvo distribuido de forma uniforme. Algunos supuestos fueron casi perfectos. Otros fueron catastróficamente erróneos. Y nadie había sabido de antemano qué supuestos cargaban con mayor riesgo.
El análisis posterior reveló:
Supuesto de tasa de crecimiento: la previsión asumía un crecimiento interanual del 4 % en todos los locales. El crecimiento real fue del 2,1 %. Impacto en ingresos: -1,9 M AED. Fue el mayor contribuyente al fallo.
Supuesto de mix de delivery: la previsión asumía que el delivery se mantendría en el 22 % de los ingresos. El mix real subió al 27 % porque una nueva plataforma lanzó promociones agresivas. Impacto en ingresos: +0,8 M AED (más volumen), pero -0,7 puntos de margen (más coste de comisión). Impacto neto: prácticamente neutro en EBITDA.
Ajuste estacional: la previsión asumía un patrón estacional estándar de Q2. El patrón real se movió dentro del 2 % de lo previsto. Impacto: insignificante.
Supuesto de ratio de staffing: la previsión asumía la misma productividad laboral que en Q1. Una ola de rotación en el mes 2 redujo el porcentaje de personal experimentado y la productividad cayó un 8 %. Impacto en coste laboral: +0,9 puntos de ingresos.
Supuesto de ramp-up de locales nuevos: la previsión asumía que 2 locales nuevos alcanzarían el 70 % del revenue de un local maduro al tercer mes. Alcanzaron el 45 %. Impacto en ingresos: -0,6 M AED.
Dos supuestos, tasa de crecimiento y ramp-up de locales nuevos, explicaban el 76 % del error total de previsión. El mix de delivery y el patrón estacional, que el equipo había debatido ampliamente en la sesión de planificación, resultaron ser casi irrelevantes para el resultado financiero.
La pregunta de Nadia tras el post-mortem fue: "¿Cómo sé de antemano qué supuestos importan de verdad?"
La respuesta es el análisis de sensibilidad.
Qué hace realmente el análisis de sensibilidad
El análisis de sensibilidad responde a una pregunta simple: si cambio un supuesto en una pequeña cantidad, ¿cuánto cambia la salida?
Un supuesto que mueve significativamente el resultado es "sensible"; merece más atención, estimaciones más rigurosas, seguimiento más frecuente y planificación de contingencia. Un supuesto que apenas mueve la salida es "insensible"; importa menos si se equivoca, y dedicarle demasiado tiempo tiene poco valor.
Para operaciones de restauración, esto es muy práctico. Los operadores construyen docenas de supuestos al preparar una previsión: tasas de crecimiento, mix de delivery, patrones estacionales, productividad laboral, porcentaje de food cost, ticket medio, número de cubiertos, tarifas laborales, tendencias de precio de proveedores, curvas de ramp-up de locales nuevos. Es imposible analizarlos todos en profundidad. El análisis de sensibilidad te dice en cuáles centrarte.
Diagramas tornado: qué importa de verdad
El módulo Foresight de Sundae incluye ahora diagramas tornado, la visualización más intuitiva de resultados de sensibilidad.
Un diagrama tornado funciona así:
- Partes de la previsión base, tu mejor estimación actual con todos los supuestos en sus valores esperados
- Tomas un supuesto y lo mueves a su límite optimista, por ejemplo, la tasa de crecimiento del 4 % al 6 %
- Registras cuánto cambia la salida, por ejemplo, el EBITDA trimestral
- Mueves el mismo supuesto a su límite pesimista, por ejemplo, del 4 % al 2 %
- Registras también ese cambio
- Repites con todos los supuestos
- Ordenas los resultados por magnitud del impacto, del mayor al menor
El resultado parece un tornado tumbado: los supuestos con barras más anchas quedan arriba, y las barras se estrechan a medida que bajas hacia supuestos menos influyentes.
Para la previsión Q2 de Nadia, el diagrama tornado habría mostrado:
| Supuesto | Impacto pesimista | Impacto optimista |
|---|---|---|
| Tasa de crecimiento (2 % a 6 %) | -1,9 M AED | +1,9 M AED |
| Ramp-up de locales nuevos (45 % a 85 %) | -0,8 M AED | +0,6 M AED |
| Productividad laboral (-8 % a +5 %) | -0,7 M AED | +0,4 M AED |
| Mix de delivery (18 % a 30 %) | -0,3 M AED | +0,3 M AED |
| Patrón estacional (+/-3 %) | -0,2 M AED | +0,2 M AED |
| Ticket medio (+/-2 %) | -0,1 M AED | +0,1 M AED |
El tornado revela inmediatamente que la tasa de crecimiento domina la previsión: merece la mayor atención analítica, la validación más frecuente y el plan de contingencia más desarrollado. El patrón estacional y el ticket medio, en cambio, podrían estar bastante mal sin afectar materialmente al resultado.
Cómo usan los operadores los diagramas tornado
Preplanificación: antes de cerrar una previsión, ejecuta el diagrama tornado para identificar qué supuestos concentran el riesgo. Invierte el tiempo analítico de forma proporcional: dedica el 60 % del esfuerzo de estimación a los 3 supuestos principales, no por igual a los 15.
Comunicación de riesgo: muestra al consejo no solo el número de previsión, sino también el diagrama tornado. "Nuestra previsión es 52 M AED, y el supuesto más importante es la tasa de crecimiento. Si el crecimiento llega al 2 % en lugar del 4 %, fallamos por 1,9 M AED. Aquí está nuestro plan de contingencia."
Prioridad de seguimiento: monitoriza los supuestos más sensibles en tiempo real. Si la tasa de crecimiento es el driver dominante, revisa el crecimiento interanual semanalmente, no mensualmente. Configura alertas sobre los supuestos sensibles para que cualquier desviación active avisos tempranos.
Simulación Monte Carlo: incertidumbre honesta
Los diagramas tornado mueven un supuesto a la vez manteniendo todo lo demás constante. La realidad es más desordenada: varios supuestos cambian a la vez, y sus interacciones pueden amplificar o amortiguar los efectos individuales.
La simulación Monte Carlo aborda esto ejecutando miles de escenarios de previsión en los que todos los supuestos varían simultáneamente según sus distribuciones de probabilidad:
- Para cada supuesto, defines una distribución de probabilidad. La tasa de crecimiento puede estar normalmente distribuida en torno al 4 % con una desviación estándar del 1,5 %. El mix de delivery puede estar distribuido uniformemente entre el 20 % y el 28 %.
- Ejecutas 10.000 previsiones simuladas, cada una con un valor aleatorio para cada supuesto extraído de su distribución
- Agrupas los 10.000 resultados en una distribución de probabilidades de salida
El resultado no es un único número, sino un rango de resultados probables con sus probabilidades asociadas:
- P10 (pesimista): 46,2 M AED de ingresos
- P50 (mediana): 51,4 M AED de ingresos
- P90 (optimista): 55,8 M AED de ingresos
Esto es muchísimo más honesto que una previsión puntual. Cuando Nadia dice "nuestra previsión es 52 M AED", el consejo oye precisión. Cuando dice "nuestro rango de previsión es 46-56 M AED con un resultado más probable de 51 M AED", el consejo oye incertidumbre honesta y puede planificar en consecuencia.
Bandas de confianza en las previsiones
El módulo Foresight de Sundae muestra los resultados Monte Carlo como bandas de confianza en los gráficos de previsión. La línea base está rodeada por bandas sombreadas:
- Banda oscura (P25-P75): el rango "probable", que contiene el 50 % de las simulaciones
- Banda clara (P10-P90): el rango "posible", que contiene el 80 % de los resultados
- Borde exterior (P5-P95): el rango "extremo", improbable pero no imposible
Estas bandas se ensanchan cuanto más lejana es la previsión, reflejando que la incertidumbre aumenta con el tiempo. Una previsión de 14 días puede tener una banda de +/-5 %. Una de 365 días puede tener una banda de +/-20 %. La visualización comunica de inmediato cuánto confiar en el número en cada horizonte temporal.
Tiers de confianza adaptativos
Las bandas de confianza de Foresight no son porcentajes estáticos. Se adaptan según:
- Precisión histórica del modelo: si el modelo ha alcanzado consistentemente un 90 % de precisión en 14 días, la banda a 14 días será estrecha. Si la precisión a 90 días ha sido del 75 %, la banda a 90 días será más amplia.
- Calidad de datos: los locales con históricos completos y de alta calidad obtienen bandas más estrechas. Los locales con datos escasos o inconsistentes obtienen bandas más amplias.
- Incertidumbre externa: durante periodos de alta incertidumbre externa, como Ramadán o una actividad competitiva importante, las bandas se amplían automáticamente.
Análisis de contribución de módulos
Una pregunta natural del análisis de sensibilidad es: "¿De dónde sale realmente la señal de la previsión?"
El diagrama Sankey de contribución de módulos de Sundae lo responde visualmente. El diagrama muestra cómo los datos de cada módulo de inteligencia fluyen hacia la previsión final:
- Los datos de inteligencia de revenue contribuyen X % de la señal
- Los de inteligencia laboral contribuyen Y %
- Los de delivery intelligence contribuyen Z %
- Los de Watchtower contribuyen W %
- Los de guest intelligence contribuyen V %
Esta transparencia sirve para dos cosas:
Calibración de confianza: si la previsión depende mucho de una fuente de datos concreta y esa fuente tiene problemas de calidad, los operadores saben que deben ajustar su confianza.
Priorización de inversión en datos: si los datos de guest intelligence aportan el 25 % de la señal de previsión pero la organización no ha invertido en integración de feedback de clientes, mejorar ese feed mejoraría la precisión de la previsión. El Sankey guía las decisiones de inversión en datos.
Análisis interactivo de what-if
Además de los diagramas tornado estáticos, Foresight ofrece análisis de sensibilidad interactivo:
Arrastrar y ajustar: mueve un slider para cualquier supuesto y observa cómo la previsión, la proyección de P&L y las bandas de confianza se actualizan en tiempo real. No hace falta reentrenar el modelo; los cálculos de sensibilidad ya están precalculados para responder al instante.
Escenarios combinados: ajusta varios supuestos a la vez para modelar efectos compuestos. "¿Qué pasa si el crecimiento cae al 2 %, el mix de delivery sube al 30 % y perdemos 2 miembros clave del equipo?" El impacto combinado suele ser no lineal, peor (o mejor) que la suma de los efectos individuales.
Análisis de breakeven: "¿Qué tasa de crecimiento necesitamos para alcanzar nuestro objetivo de EBITDA?" El sistema resuelve hacia atrás desde el resultado objetivo para identificar los valores de supuesto necesarios, similar a goal-seek en hojas de cálculo pero sobre todo el modelo multifactor.
De análisis a acción
El análisis de sensibilidad no es un ejercicio académico. Impulsa decisiones operativas concretas:
Seguimiento de supuestos: los 3 supuestos principales del diagrama tornado deben revisarse semanalmente con umbrales de alerta definidos. Si la tasa de crecimiento cae por debajo del 3 % (el límite pesimista), activa el plan de contingencia de inmediato, sin esperar al cierre mensual.
Planificación de contingencia: para cada supuesto sensible, define qué harás si se mueve en contra. ¿El crecimiento se desacelera? ¿Qué locales verán menos inversión en marketing? ¿Qué locales recibirán más promoción? ¿La productividad laboral cae? ¿Qué locales reciben formación adicional? ¿Cuáles necesitan staffing temporal de agencia?
Comunicación de previsión: comparte el diagrama tornado y las bandas de confianza con todos los stakeholders que usan la previsión. Los equipos de compras necesitan saber que la previsión a 30 días tiene una incertidumbre de +/-8 %, así que deben mantener stock colchón en las categorías más sensibles.
Priorización estratégica: si el mix de delivery es un supuesto muy sensible, invierte en estrategia de delivery. Si el ramp-up de locales nuevos es sensible, invierte en playbooks de apertura y aceleración. El análisis de sensibilidad te dice dónde el esfuerzo marginal genera más impacto financiero.
La sesión trimestral de planificación, mejorada
Con análisis de sensibilidad, la siguiente presentación de Nadia al consejo fue distinta:
"Nuestra previsión base de Q3 es de 54 M AED, con un rango P10-P90 de 49 a 58 M AED. Los tres supuestos que explican el 80 % del riesgo de previsión son tasa de crecimiento, retención de personal y comisión de plataformas de delivery. Tenemos planes de contingencia para cada uno: si el crecimiento se queda corto, aceleramos el lanzamiento del programa de fidelidad. Si la retención empeora, activamos el acuerdo pre-negociado con agencias de staffing. Si suben las comisiones, trasladamos más presupuesto de marketing a promociones dine-in."
El consejo no recibió solo un número. Recibió un número con incertidumbre honesta, una comprensión clara de qué impulsa esa incertidumbre y un plan específico para cada escenario de riesgo. Esa es la diferencia entre hacer forecasting y hacer inteligencia de previsión.
Reserva una demo para ver análisis de sensibilidad sobre tus datos históricos: identifica qué supuestos mueven realmente tus números y construye previsiones que te preparen para lo que podría pasar, no solo para lo que esperas que pase.