El 4 de septiembre de 2026, el INE publicó su Encuesta Coyuntural sobre Stocks y Existencias (ECSE) del segundo trimestre: el nivel de existencias en el comercio mayorista español subió un 5,7 % interanual — el mayor incremento en casi tres años, desde el tercer trimestre de 2023. El comercio minorista, para comparar, subió solo un 2 %.
Parte de ese repunte es actividad económica real: las ventas del comercio crecieron un 3,4 % interanual en el mismo periodo. Pero más existencias en el almacén significa, casi siempre, más capital inmovilizado — y una causa habitual de ese exceso no es tener "demasiado stock" en general, sino calcular mal el punto de pedido de SKUs concretos dentro del catálogo.
No es solo un problema español
La investigación de IHL Group sobre "inventory distortion" — la suma de roturas de stock y excesos de inventario en el comercio — sitúa el coste combinado a nivel mundial en torno a 1,77 billones de dólares al año: unos 1,2 billones en ventas perdidas por roturas de stock y algo más de 550.000 millones en excesos de inventario que acaban en rebajas o obsolescencia. Son cifras de gran distribución, no de pymes mayoristas españolas — pero la causa raíz es la misma matemática aplicada a cada SKU, a cualquier escala.
Lo que esconde una "demanda media"
La mayoría de negocios que no usan software especializado calculan el punto de pedido con una demanda media y, como mucho, un margen de seguridad fijo aplicado por igual a todo el catálogo. El problema es que dos SKUs con exactamente la misma demanda media pueden tener necesidades de stock de seguridad muy distintas si uno vende de forma estable y el otro de forma errática.
La fórmula correcta no ignora esa variabilidad, la incorpora:
Stock de seguridad = Z (nivel de servicio) × desviación típica de la demanda × √plazo de entrega
Punto de pedido = (demanda media × plazo de entrega) + stock de seguridad
Ejemplo ilustrativo (cifras de muestra, no datos reales de ningún negocio): dos SKUs venden una media de 10 unidades/día cada uno, con un plazo de entrega de 7 días y un nivel de servicio del 95 % (Z = 1,65). El SKU A tiene una demanda estable (desviación típica de 2 unidades); el SKU B, una demanda errática (desviación típica de 6 unidades) — por ejemplo, por promociones puntuales o estacionalidad marcada.
- SKU A (estable): stock de seguridad ≈ 8,7 unidades → punto de pedido ≈ 78,7 unidades.
- SKU B (errático): stock de seguridad ≈ 26,2 unidades → punto de pedido ≈ 96,2 unidades.
Si en vez de esto usas un margen fijo igual para ambos — por ejemplo, demanda media × plazo + 10 unidades de margen, un atajo habitual en hojas de cálculo — el punto de pedido de los dos SKUs sale idéntico: 80 unidades. Al SKU A le sobra margen (dinero inmovilizado sin necesidad). Al SKU B le falta: quedan 16,2 unidades por debajo de lo que su propia variabilidad exige, justo el hueco donde ocurre una rotura de stock.
Multiplica ese desajuste por un catálogo de cientos de SKUs y tienes, a la vez, exceso de stock en los productos predecibles y roturas en los erráticos — la misma combinación que reflejan los datos del INE y de IHL Group, solo que agregada a nivel de sector.
El plazo de entrega es la otra mitad de la ecuación: si el de tu proveedor se ha alargado (como analizamos en nuestro análisis sobre las importaciones desde China), el stock de seguridad necesario sube todavía más — sea cual sea la variabilidad de la demanda.
Calcula el punto de pedido real de todo tu catálogo
Sube tu historial de ventas en CSV y obtén el punto de pedido y el stock de seguridad de cada SKU a la vez, usando su variabilidad real — no una media única para todo el catálogo.
Ir a la calculadora de catálogo completo →Qué hacer con esto
- No apliques el mismo margen de seguridad a todo el catálogo: identifica primero qué SKUs tienen demanda errática (alta desviación típica respecto a su propia media) y trátalos distinto de los estables.
- Prioriza recalcular los SKUs de mayor rotación o mayor coste unitario primero — son los que más capital inmovilizan si el margen está mal calculado en cualquier dirección.
- Vuelve a hacer esta cuenta cada pocos meses: la variabilidad de la demanda de un SKU cambia con estacionalidad, promociones o cambios de proveedor, no es un dato fijo.
Fuentes
- Encuesta Coyuntural sobre Stocks y Existencias (ECSE), 2º trimestre de 2026, publicada el 4 de septiembre de 2026: INE, Encuesta Coyuntural sobre Stocks y Existencias y cobertura de Press Digital.
- Coste global de roturas de stock y excesos de inventario ($1,77 billones/año, IHL Group): The Food Institute, "Why Inventory Distortion Costs Retailers Trillions".
El ejemplo de los SKUs A y B (demanda media, desviación típica, plazo de entrega y unidades resultantes) es ilustrativo, construido con cifras de muestra para explicar el cálculo — no son datos reales de ningún negocio ni del sector. Sustitúyelo por tu propio historial de ventas en la calculadora.