Gestin de la previsin: Cmo y cundo hacer los cambios?

*Anglica M. Moronta Berrueta **Rafael A. Prez Stuyvesant

Resumen: El artculo est enfocado en la gestin de la previsin dentro de una organizacin, especficamente en los aspectos de cmo y cundosta debe implementar los cambios. Para ello, se exploran los aspectos fundamentales de la previsin como lo son definiciones, tipos y horizontes, tcnicas ms utilizadas, relacin con el rea del marketing, entre otros, con la finalidad de dar respuesta a las interrogantes mencionadas. Por otra parte, se expone un caso prctico donde se muestra la aplicabilidad de estos conceptos en la creacin de previsiones razonables y fiables, resaltando su importancia dentro del mbito de gestin empresarial.

Palabras Claves: Previsin, cambios, tcnicas, marketing.

1. Introduccin Dentro de las decisiones que un gerente de operaciones debe tomar a diario existe un universo que le permiten llevar a cabo una buena gestin de la organizacin que tiene a su cargo. Sin embargo y por el transcurrir del da a da, el gerente puede olvidar puntos sumamente importantes que pueden hacer tambalear a la organizacin, tales como una falla en su materia prima o una ausencia de un producto especfico de alta demanda lo que conlleva una insatisfaccin del cliente y por ende prdidas monetarias. En referencia a lo expuesto, una tcnica que cobra cada da ms importancia dentro de las organizaciones, es la llamada gestin de la demanda o gestin de la previsin, la cual basa su concepto en el estudio de los fenmenos internos y externos que intervienen en el flujo continuo de las provisiones de una organizacin. Es decir, la previsin viene dada por un conjunto de actividades destinadas a proporcionar estimaciones cuantitativas o cualitativas de la demanda futura de una empresa, con
*Anglica M. Moronta Berrueta. Maestrante del programa de Gerencia de empresas, Mencin Operaciones. Ingeniera de Petrleo/Ingeniera en Informtica. **Rafael A. PrezStuyvesant. Maestrante del programa de Gerencia de empresas, Mencin Finanzas. Ingeniero en Computacin.

objeto de ser utilizadas en los procesos de decisin y planificacin desarrollados por sta. En este sentido, se presenta una opcin a los empresarios y directivos para evadir la toma de decisiones basadas en la incertidumbre de lo que ocurrir en el futuro, puesto que el principal objetivo de la previsin es realizar las mejores estimaciones. Dichas estimaciones pueden realizarse a travs de la formulacin de modelos (anlisis funcional o anlisis causal), anlisis de series temporales, anlisis de muestras de consumidores y, finalmente, a partir de apreciaciones subjetivas de observadores y decisores privilegiados. Es por ello, que el objetivo principal de esta investigacin es proporcionar una visin concreta acerca de la ciencia de gestin de la demanda por medio del anlisis de los planteamientos y el contraste de opiniones de autores expertos que manejan pticas muy claras de las decisiones que se deben tomar y cuando tomarlas. Los resultados obtenidos del anlisis permiten generar un referente emprico sobre el cual establecer una realidad aplicada entre el concepto y la prctica. Dentro de los autoresutilizados se encuentra el Dr. Hamid Noori, profesor titular en lasctedras:Integracin Empresarial y Gestin de la Tecnologa y Gerencia de Operaciones, adems es director del doctorado de la Universidad Laurier en Canad, y el profesor Russell Radford, quien es egresado de la escuela de Administracin de empresas de la Universidad de Harvard y actualmente se desempea como profesor de la Universidad Ellis de Chicago, Estados Unidos. De igual manera, los enfoques del Profesor JayHeizer sern utilizados a lo largo de la investigacin.Heizeresprofesor titular de Administracin de Empresas en la Universidad Luterana de Texas, con estudios de doctorado en Gestin y Estadstica de la Universidad Estatal de Arizona (1969). Adicionalmente, Heizer es coautor de cinco libros y ha publicado ms de treinta artculos sobre una variedad de temas de gestin.

2. Desarrollo del tema 2.1.Previsin y sus horizontes Segn los autores Heizer yRender (1997), la previsin de la demanda es un arte y una ciencia que consiste en predecir acontecimientos futuros (Negativos o Positivos). Basados en la toma de datos histricos y su proyeccin hacia el futuro con algn tipo de modelo matemtico. Puede ser una prediccin subjetiva o intuitiva del futuro. O puede

englobar una combinacin de stas, es decir, un modelo matemtico ajustado al buen juicio del directivo. Por su parte, Nooriy Radford (1997) plantean una perspectiva diferente de como manejan la previsin, en este caso, se concibe el trmino de la administracin de la demanda definindolo como el reconocimiento de fuentes de demanda para los bienes y servicios de una empresa, predecir la demanda y determinar la manera como la empresa satisfar esa demanda. Los autores sealan la relacin directa entre el marketing y operaciones como departamentos para administrar la demanda. Ambos enfoques coinciden en mostrar una visin de conjunto sobre la previsin de las ventas en las empresas, determinando cuales son las fuentes de demanda que se deben cultivar y como satisfacer la demanda anticipada. Cabe acotar que unas buenas previsiones son parte esencial de unas eficientes operaciones en las industrias de servicio y fabricacin, ya que una vez obtenida la previsin de la demanda futura se podrn tomar decisiones como la poltica de compras de materias primas y otros elementos, tamao de los lotes a fabricar, nivel de existencias en almacn y stock de seguridad, periodicidad de las rdenes de fabricacin, entre otros. As mismo, los autores se enfocan en una mezcla de tcnicas para realizar una prediccin ms ajustada a la realidad evaluando modelos matemticos y opiniones de personas conocedoras de la materia, para disear y ejecutar un sistema de operacin que satisfaga a los clientes, prestar un servicio de calidad y controlar adecuadamente el inventario. Puede mencionarse que estos enfoques son aplicables a la realidad de las empresas existentes en Venezuela, ya que en su mayora se caracterizan por un gran y continuo manejode importaciones de productos y una constante competencia en el mercado. En este sentido, se crea la necesidad de llevar a cabo un proceso de previsin que ayude a las empresas a tomar decisiones con respecto al futuro, es decir con un grado mnimo de incertidumbre. De cualquier forma, pocos negocios pueden permitirse evitar el proceso de previsin y esperar a ver lo que ocurre y entonces tomar decisiones. Una planificacin eficiente tanto a corto como a largo plazo est en funcin de la previsin de la demanda de los productos de la empresa.

En el mismo orden de ideas, Nooriy Radford (1997) indican que las previsiones normalmente se clasifican segn el horizonte de tiempo futuro que abarcan, por lo cual existen tres clases de previsiones: Corto plazo

Esta previsin tiene cobertura de hasta un ao, aunque generalmente inferior a tres meses. Se utiliza para la planificacin de compras, programacin de trabajos, programacin de necesidades de mano de obra, asignacin de tareas y planificacin de los niveles de productos. Mediano plazo

Llamada tambin previsin intermedia, generalmente abarca entre tres meses y tres aos. Es til para la planificacin de las ventas, de la produccin, del presupuesto y del presupuesto de caja, as como para el anlisis de varios planes operativos. Largo plazo

Generalmente abarcan periodos superiores a tres aos y son utilizadas para la planificacin de nuevos productos, desembolsos de capital, localizacin de

instalaciones o expansin, as como para la investigacin y desarrollo.

Las previsiones a medio y largo plazo tienen tres caractersticas que las diferencian de las hechas a corto plazo. Primero, las previsiones a medio y largo plazo tratan de problemas ms generales y dan soporte a las decisiones de la direccin, en cuanto a planificacin y productos, plantas y procesos. Segundo, las previsiones a corto plazo, emplean normalmente diferentes metodologas a las utilizadas en las previsiones a largo plazo. Tcnicas matemticas como la de medias mviles, alisado exponencial y extrapolacin de tendencia son comunes en las proyecciones a corto plazo. En trminos generales, mtodos menos cuantitativos son de utilidad en la prediccin de temas, tales como si un nuevo producto debera introducirse en la lnea de productos de la empresa. Tercero, como bien supone, las previsiones a corto plazo tienden a ser ms exactas que las realizadas a largo plazo. Los factores que influyen sobre la demanda cambian a diario. En consecuencia, si se aumenta el horizonte temporal, es probable que la fiabilidad disminuya. Es obvio, por tanto que las previsiones de las ventas necesitan ser actualizadas con regularidad con vistas a conservar su valor e integridad, es decir, tras cada periodo de ventas, las previsiones deben repararse y revisarse.

2.2. Tipo de previsiones Al respecto, Nooriy Radford (1997) mencionan que las organizaciones utilizan principalmente tres tipos de previsiones en la planificacin del futro de sus operaciones, a saber: 2.2.1. Previsiones econmicas Dirigidas al ciclo empresarial prediciendo las tasas de inflacin, masa monetaria, construccin de primeras viviendas y otros indicadores econmicos.

2.2.2. Previsiones Tecnolgicas: Referentes al ritmo de progreso tecnolgico, que puede provocar el nacimiento de interesantes productos que necesitan nuevas plantas y equipo.

2.2.3. Previsiones de demanda Son proyecciones de la demanda de los productos o servicios de la empresa. Estas previsiones, tambin denominadas previsiones de ventas, determinan la produccin de las empresas, su capacidad y los sistemas de planificacin y sirven como inputs de cara a la planificacin financiera, de marketing y de personal.

No obstante, Heizer y Render (1997) aade un cuarto tipo de previsin a la lista, la cual es la previsin de recursos, que se utiliza para pronosticar la duracin y cantidad de la demanda de instalaciones, equipo, fuerza laboral y compra de partes de materiales para la empresa. Los cuatro tipos de previsiones sealados son necesarios al momento que una empresa requiera de la toma de decisiones sobre su lnea de productos, ubicacin de sus instalaciones, capacidad de cada planta, tecnologas utilizadas en los procesos de produccin, y su red de proveedores, puesto que el futuro no se conoce con certeza.

2.3. Marketing y operaciones en la administracin de la demanda Existe un vnculo directo entre las reas de marketing y operaciones, ya que en conjunto comparten la responsabilidad de administrar la demanda. Noori y Radford (1997) apoyan esta premisa, debido a que marketing proporciona una informacin relacionada con el mercado de las predicciones de la demanda, en tanto que operaciones se encarga de asegurar que los bienes y servicios de la empresa se

proporcionen cuando se necesitan. Marketing tambin administra la demanda mediante polticas de fijacin de precios y promociones. Aunque el intercambio de informacin entre marketing y operaciones parece estar en lnea recta, a menudo se complica por los datos desactualizados, inconsistentes o inexactos que fluyen en ambas direcciones. La confusin se hace ms compleja por: (1) gran nmero de partes, bienes terminados y servicios demandados, (2) fuentes de demanda mltiple y (3) diferencia en la fluctuacin de la demanda para cada fuente. La fuente de la demanda obvia es el cliente final. Sin embargo, los clientes inmediatos de una empresa pueden ser otros fabricantes, distribuidores, vendedores mayoristas o al por menor. Una empresa puede incluso tener sus clientes inmediatos. Para muchas empresas hay demandas adicionales para sus productos finales, recursos y materiales. Por ejemplo, puede hacer: (1) demandas interna y externa para servicios parciales, (2) demandas para unidades de reserva, a fin de utilizarlas como reposicin de emergencia o para unidades de demostracin, (3) prototipos e imitaciones de los productos de la siguiente generacin, (4) demandas para transferir partes entre plantas y (5) demanda de materiales y productos adicionales para cubrir rupturas y escasez no contempladas durante la produccin. Por su parte, Heizer y Render (1997), presentan otro factor a considerar cuando se desarrollan previsiones de ventas, especialmente a largo plazo, el cual es el ciclo de vida del producto. Los productos e incluso los servicios no se venden al mismo ritmo a lo largo de toda su vida. La mayora de los productos de ms xito pasan por cuatro etapas: (1) Introduccin, (2) Crecimiento, (3) Madurez y (4) Declive. Los productos situados en las dos primeras etapas de su vida necesitan previsiones a largo plazo, a diferencia de lo que se encuentran en madures y declive. Las previsiones son tiles para proyectar los diferentes niveles de personal, de inventarios y de capacidad de produccin requeridos, mientras el producto pasa de la primera a la ltima etapa.

2.4. Enfoques de la previsin Existen dos enfoques generales de las previsiones, de la misma forma que existen dos formas de abordar toda modelizacin de decisiones. Una sera el anlisis cuantitativo y otra sera el anlisis cualitativo. Noori y Radford (1997), indican que las previsiones cuantitativas emplean diferentes modelos matemticos que utilizan datos

histricos y/o variables causales para prever la demanda, mientras que las previsiones cualitativas o subjetivas incorporan importantes factores, tales como la intuicin del que toma decisiones, emociones, experiencias personales y sistemas de valores para realizar la previsin. Algunas empresas utilizan un enfoque, mientras que otras utilizan el otro. En la prctica, lo ms efectivo suele ser una combinacin de los dos estilos.

2.4.1. Enfoques cualitativos Heizer y Render (1997), expone que las tcnicas cualitativas de prediccin dependen de conjeturas adquiridas con base en la intuicin y la experiencia de la empresa y su ambiente externo. Se clasifican segn la complejidad que va desde elementos intuitivos acerca de hechos del futuro hasta paneles de expertos y encuestas de opinin con orientacin cientfica. Sin embargo son de naturaleza subjetiva.Las tcnicas cualitativas ms comunes son el consenso del comit ejecutivo, el mtodo Delphi, la composicin de las fuerzas de ventas y las encuestas de mercado para los clientes.

2.4.1.1. Consenso del comit ejecutivo Ambos enfoques propuestos por los autores, coinciden en que esta tcnica se desarrolla interrogando a un pequeo grupo de ejecutivos eruditos para obtener sus opiniones en cuanto a los valores futuros de los aspectos pro predecir. La tcnica del consenso del comit ejecutivo tambin llamada jurado de opinin ejecutiva permite la fusin de las opiniones de una seccin de expertos interfuncionales, pero Heizer y Render (1997), opina que los factores sociales o la presencia de un miembro poderoso puede impedir que el grupo llegue a un verdadero consenso. Esta tcnica es relativamente econmica y es la ms utilizada en las predicciones a mediano y largo plazo.

2.4.1.2. Composicin de la fuerza de ventas Nooriy Radford (1997), se enfoca que cada vendedor estima las ventas que habr en su zona. Estas previsiones son entonces revisadas para comprobar su realidad y posteriormente combinarlas a nivel regional y nacional con el fin de alcanzar una previsin global. Por su parte, Heizer y Render (1997),expresan que en muchas compaas la fuerza de ventas entra en contacto directo con los clientes lo cual

constituye una buena fuente de informacin que considera las intenciones de los clientes a corto y mediano plazo. Este conocimiento puede ayudar a la empresa a lograr una prediccin con rapidez y a bajo costo.

2.4.1.3. Mtodo Delphi En relacin a este mtodo, Heizer y Render (1997),mencionaque involucra a un grupo de expertos que comparten informacin y eventualmente llegan a un consenso en una prediccin a largo plazo con respecto a las tecnologas del futuro o las ventas futuras de un nuevo producto. En el mtodo Delphi, los miembros del panel usualmente se ubican en diferentes lugares y participan desde el anonimato. Esto ayuda a reducir la influencia de los ejecutivos poderosos y los efectos arrolladores de la opinin mayoritaria. Aunque tome ms tiempo hacer la prediccin, el resultado tiende a ser ms preciso que los generados por medio del enfoque del conceso del comit ejecutivo.

2.4.1.4. Estudio de mercado En este mtodo, ambos enfoques de los autores citados, indica que requiere informacin proveniente de los consumidores o clientes potenciales en lo referente a sus futuros planes de compra. Puede ser til no slo a la hora de preparar una previsin, sino tambin para mejorar el diseo de un producto y planificar nuevos productos. Sin embargo, Heizer y Render (1997) expresan que para muchas empresas esto no es prctico y solicitar una muestra representativa de sus planes es suficiente. Las estadsticas introductorias y los cursos de marketing ensean que hay muchas maneras de estructurar las muestras; las muestras simples y estratificadas al azar, las sistemticas y las de grupo se encuentran entre las estructuras ms comunes.

2.4.2. Enfoques cuantitativos Estos enfoques emplean modelos matemticos y datos histricos para predecir la demanda. As, el pasado se utiliza para predecir el futuro. Hay dos tipos generales de mtodos cuantitativos los modelos de series de tiempo que se basan en una secuencia de observaciones cronolgicamente clasificadas que se toman a intervalos regulares para una variable en particular y los modelos casuales que consisten en identificar y medir los efectos de las fuerzas especficas que influyen en la demanda.

2.4.2.1. Modelos de serie de tiempo Noori y Radford (1997), sealan que estos modelos, predicen bajo la premisa de que el futuro es una funcin del pasado. En otras palabras, observan lo que ha ocurrido a lo largo de un periodo de tiempo y utilizan una serie de datos pasados para realizar una previsin. Sise est prediciendo las ventas semanales de cortacspedes, se utiliza las ventas se semanas anteriores al realizar las previsiones. Con respecto a este modelo, Heizer y Render (1997), sugieren que se utilice cuando se requieren predicciones a corto plazo que apoyen la programacin de la produccin, control de inventario, fijacin de precios para los productos y que determinen el lanzamiento oportuno de las promociones especiales, las tcnicas de los modelos de series de tiempo son valiosas. Existe una diversidad de modelos de serie de tiempo, como el Modelo de descomposicin de una serie temporal, enel cual Heizer y Render (1997), acota que cuando se analiza una serie de tiempo, a menudo puede identificarse cualquier tendencia de temporada y/o factores cclicos que influyen en la variable en observacin. Dichas tendencias reflejan los cambios en la tecnologa, los estndares de vida, los ndices de poblacin, entre otros. Otro modelo expuesto por los autores es el Enfoque simple, el cual supone que la forma ms simple de prever es suponer que la demanda del prximo perodo es justamente igual a la demanda del ltimo perodo. Para algunas lneas de productos, seleccionar el enfoque simple es el modelo de previsiones de mayor relacin eficaciacoste y eficiencia en la consecucin de objetivos. Por lo menos proporciona un punto de partida al que pueden compararse los modelos muchos ms complejos. El modelo de Medias mvilesrepresenta una previsin con medida mvil utiliza un grupo de recientes valores de los datos para generar una previsin, segn lo expresaNoori y Radford (1997). Las medidas mviles son tiles si podemos supones que las demandas del mercados sern estables a lo largo del tiempo. Este modelo tiende a alisar las irregularidades a corto plazo en las series de datos. Uno de los modelos ms sofisticados de previsin es el Alisado o suavizacin exponencial,el cual emplea medias mviles ponderadas que todava relativamente es fcil de utilizar. Necesita un pequeo nmero de datos histricos. Asimismo, los autores citados presentan un modelo de Alisado o suavizacin exponencial con ajuste de

tendencia, el cual se considera ajuste de tendencia a travs de un factor, puesto que el alisado simple se retrasa al ascender o al bajar la tendencia lineal. La Proyeccin de tendencia, es otro mtodo de previsin que muestran los autores, el mismo ajusta una lnea de tendencia a la serie de datos histricos, y entonces proyecta la lnea hacia el futuro para realizar previsiones a medio o largo plazo. En este caso, Noori y Radford (1997), agrega un mtodo llamado Proyeccin de temporada, el cual aplica un ndice de temporada que debe multiplicarse con prediccin trimestral, luego de realizar el clculo de la lnea de tendencia correspondiente. Finalmente, Noori y Radford (1997), incluye un modelo adicional llamado Promedio de desplazamiento Ponderado, en el cual el promedio de desplazamiento simple asigna el mismo peso a todos los periodos de demanda incluidos en el clculo. Sin embargo, en muchos casos las observaciones ms recientes tienen un impacto mayor sobre las observaciones futuras. Por lo que su utilizacin se recomienda para pronsticos cortos, sin generar tendencias.

2.4.2.2. Modelo causal De acuerdo a lo planteado por Noori y Radford (1997),a diferencia de los modelos de serie, los modelos causales identifica y miden directamente las fuerzas especficas que influyen en la demanda, por tanto son ms apropiados para predecir y evaluar los efectos de las decisiones que toma la empresa que las tcnicas de series de tiempo. Sin embargo, el tiempo permanece como una consideracin importante ya que se espera que la demanda se retrase tras los efectos de las variables causales. En efecto, Heizer y Render (1997),argumentan que los modelos de previsin causal consideran diferentes variables que estn relacionadas con la cantidad de la que se est haciendo la prediccin. Una vez estas variables relacionadas han sido halladas, se construye el modelo estadstico para la previsin. Este enfoque es ms potente que los mtodos de series temporales que nicamente utilizan valores histricos de la variable a predecir. Dentro de los modelos causales se encuentran la Regresin lineal, que utiliza una variable independiente para elaborar un modelo causal simple. La Regresin no lineal, cuya utilizacin y aplicacin es similar a la regresin mltiple, ya que la demanda no tiene variables que dependan de ella. Por ltimo, est el modelo de Regresin

mltiple, que se utiliza cuando hay una relacin lineal entre la demanda y diversas variables independientes.

2.5. Seleccin de un sistema de previsin Existen muchas maneras con las cuales puede desarrollarse una produccin y no existe una que sea la mejor; un modelo de pronstico que funciona en un conjunto de circunstancias puede no funcionar en otro. Cuando se selecciona una tcnica de prediccin debe tenerse encuenta las necesidades especficas de quienes la utilizan, los datos disponibles y las caractersticas de los artculos que han de predecirse. En este sentido, Noori y Radford (1997), propone que antes de que la empresa prepare una prediccin de demanda deberesponder varias preguntas como: Qu demanda de bienes y servicios intenta predecir? Cul es el horizonte del tiempo de la prediccin y cul es la duracin de cada periodo en el horizonte? Cul es el propsito de la prediccin? Predice un cambio decisivo? Una vez resueltos estas interrogantes, pueden elegirse una o ms tcnicas de prediccin. Muchas empresas se inclinan por la utilizacin de una combinacin de tcnicas cuantitativas y cualitativas en sus modelos de prediccin. Lo cual debera ser el comn denominador con la finalidad de obtener predicciones reales y confiables. Por su parte, Heizer y Render (1997), complementa los argumentos anteriores sealando que las previsiones siempre siguen los mismos ocho pasos independientes del mtodo adoptado, a saber: Determinar la utilizacin de la previsin. Qu objetivos perseguimos? Seleccionar los artculos de los que se va a realizar la previsin. Determinar el horizonte temporal de la previsin, es decir, corto, medio o largo plazo. Seleccionar el (los) modelo (s) de previsin. Recoleccin de los datos necesarios para realizar la previsin. Validar el modelo de previsin. Realizar la previsin. Implementar los resultados.

Estos pasos representan de una forma sistemtica el inicio, diseo e implementacin de un sistema de previsiones. Sustentado en los enfoques de los autores, se puede acotar que las tcnicas de series de tiempo, como proyecciones de tendencia, promedios de desplazamiento y suavizacin exponencial, son apropiadas para las predicciones detalladas a corto plazo. Los modelos de suavizacin exponencial tienen almacenamiento de datos y requerimientos computacionales relativamente menores que otras tcnicas de series de tiempo. Cuando las predicciones para muchos artculos deben prepararse con frecuencia, el almacenamiento de datos y el tiempo computacional se hacen muy importantes. Otros gastos de prediccin incluyen los costos de desarrollar el modelo, capturar los datos, interpretar las predicciones y hacer el monitoreo. Los modelos causales, como los de regresin simple y mltiple, proporcionan revelaciones en las relaciones causa-efecto, sin embargo, desarrollar y mantener estos modelos usualmente es costoso y dispendioso. Tambin se requieren muchos datos. Estos modelos causales son muy convenientes para predicciones a largo plazo. El anlisis de regresin es el modelo de prediccin a largo plazo ms popular. Por otro lado, los modelos cualitativos tambin tienden a ser ms eficaces para predicciones generales a largo plazo. Al igual que los modelos causales, pueden suministrar predicciones acerca de lo que suceder y las percepciones que ayudan a explicarlas. Cuando hay pocos datos o no existen, o cuando los datos son matemticamente difciles para el modelo, se utilizan los modelos cualitativos.

2.6. Seguimiento de la previsin Una vez que se ha completado una previsin, no debe dejase en el olvido. Heizer y Render (1997), menciona que una forma de efectuar el seguimiento de las previsiones para asegurarse de que se realizan correctamente es utilizar una seal de rastreo. Una seal de rastreo es una medida que determina el grado de realidad de las previsiones. Como las previsiones se actualizan cada semana, mes, o trimestre, la nueva demanda disponible es comparada con los valores previstos. Para este proceso, Heizer y Render (1997), utilizan tcnicas que realizan previsiones adaptativas y las ms sobresalientes son:

2.6.1. Alisado adaptativo Este mtodo se refiere al seguimiento con computador de las seales de rastreo y autoajustado, si la seal pasa un lmite prefijado. Cuando se aplica al alisado exponencial, al principio se seleccionan los coeficientes en base a los valores que minimizan los errores previsionales y entonces se ajustan, siempre que el computador denote una seal de rastreo errante, es decir fuera de los lmites aceptables.

2.6.2. Previsin enfocada La previsin enfocada est basada en dos principios. El primero es que no siempre los modelos de previsin ms complejos son mejores que los sencillos. El Segundo, que no siempre existe una nica tcnica que deba ser utilizada para los productos y servicios. Esta tcnica fue desarrollada por Bernard Smith en 1984, quien despus de estudiar las reglas locales, escogi siete de ellas como la base de la nueva tcnica que denomino prediccin enfocada. El concepto es simple; se utiliza el computador para saber cul de las siete reglas produjo la mejor prediccin para el ltimo trimestre en cada uno de los 100,000 o ms productos que ofreca la empresa. La mejor prediccin para el trimestre es la que tiene menos errores. Esa regla puede utilizarse para predecir la demanda de un producto en particular en los meses siguientes.

2.7. Caso prctico: Aplicacin de la gestin de la previsin en el sector del calzado del estado Zulia. La previsin es una parte crtica dentro de una empresa, las previsiones de demanda dirigen la produccin, la capacidad y los sistemas de planificacin y afectan las funciones financieras, de marketing y de planificacin de personal. Sobre lo dicho, es importante recalcar, el horizonte de tiempo requerido para la prediccin de la demanda ya que dependiendo del producto demandado una prediccin a largo plazo puede ser desastrosa para la empresa debido a que el tiempo de venta del producto es muy corto y su rotacin alta. As mismo un papel muy importante lo juega el cliente y sus preferencias que por lo general son de mediano a corto plazo. Dentro del enfoque de gestin de la demanda, se estudi la manera en como son aplicadas en Venezuela, especficamente en las empresas del sector del calzado. Cabe destacar que en pases como Venezuela existe una poltica de contantes cambios, lo

cual produce movimientos en el mercado de forma indeterminada, pero con un estudio de los factores que intervienen en la economa se pueden obtener buenos resultados generando niveles ptimos de inventarios presentes en los depsitos y un buen flujo de mercanca capaz de satisfacer la demanda. Durante el ao, a pesar de que Venezuela tiene pocas estaciones anuales, los gustos y las modas cambian segn el mes en curso, haciendo mayor hincapi en la poca escolar y navidea donde la demanda de dos meses equipara a un sesenta por ciento la anual y los requerimientos econmicos y operativos de estas empresas aumentan considerablemente poniendo en tensin las polticas cambiarias existentes, los trmites para los registros de importacin, el cual por regulaciones debe ser actualizado mensualmente, as mismo existe una serie de pasos en los puertos nacionales que dilatan los lapsos de espera de la mercanca que se est importando. Dentro de las causas antes mencionadas la ms resaltante que afecta directamente toda la lnea de importacin es la del control cambiario ya que el Gobierno tiene el control de las divisas que entran al pas y su distribucin a las distintas necesidades que presenta el estado. Esta restriccin impide tener un flujo constante de importaciones disminuyendo la cantidad de calzados y por ende produciendo prdidas en las empresas o la creacin de inventario con difcil rotacin, ya que los calzados que estn fuera de poca deben ser vendidos a un costo menor del esperado. Adicionalmente, el tiempo de espera en los puertos por falta de maquinaria y regulaciones propias de estos organismos aumenta el tiempo en que un calzado llega a Venezuela y finalmente es vendido. Por lo anteriormente dicho, estas empresas deben tener una gestin gerencial que sea capaz de manejar todas estas variables del entorno poltico en las cuales se encuentran y realizar proyecciones y predicciones que les permitan mantener un flujo de mercanca acorde con la demanda, evitar escasez de la marca, mantener precios competitivos y nivelar la relacin precio utilidad que asegure un correcto funcionamiento de la misma y una continuidad en el tiempo. Es por esto, que las empresas de calzado deben tener una constante evaluacin de la demanda, ya que una incorrecta proyeccin de esta puede ser perjudicial con efectos inmediatos en la aceptacin de la poblacin y por ende en sus utilidades.De igual manera, en el estudio realizado se constat que los horizontes de la previsin en este tipo de empresas es mediano a corto plazo, ya que el ciclo de vida del producto en su

mayora es corto debido al constante cambio de preferencia en modelos por parte de los clientes, as mismo, el estudio de factores econmicos y de demanda son realizados con frecuencia para determinar el rumbo de la lnea de calzados ofrecidos al cliente. Siguiendo dentro del estudio, las empresas de calzados no aplican modelos estadsticos o cuantitativos exhaustivos que realizan predicciones con altos mrgenes de exactitud, en su lugar, realizan un anlisis muy subjetivo sobre el comportamiento del mercado, basados en la temporada del ao, volumen de ventas, pedidos realizados, ferias del calzado, otorgando con esta data un panorama con una perspectiva muy adecuada para la empresa. Cabe destacar que los autores citados dentro de esta investigacin, dan una gran importancia al personal clave dentro de las empresas, ya que nadie conoce el comportamiento de la demanda como ellos por su gran experiencia a lo largo de aos de trabajo, pudiendo incluso realizar predicciones muy acertadas a modelos matemticos presentes. A pesar de estos hechos claves dentro del estudio, y basados en la situacin poltica, econmica y socialde Venezuela, es importante sugerir la

aplicacin de modelos de suavizacin, como la suavizacin exponencial debido al gran nmero de modelos de calzados ofrecidos por las empresas y el corto o mediano plazo necesitado, este modelado ofrece predicciones confiables,rpidas y econmicas, sin dejar de lado la utilizacin en conjunto con los modelos cualitativos.

3. Conclusiones El contraste de las dos opiniones de los autores citados y la referencia en la vida cotidiana de las empresas sobre los conceptos de la gestin de la demanda, permite desprender varias conclusiones sobre las aplicaciones que esta teora de prediccin tiene en las organizaciones y como ayuda a elaborar un plan concreto de desarrollo de las mismas. La demanda futura de un producto es una variable extrema a la empresa que escapa a su control, donde la previsin de la demanda juega un rol fundamental porqueofrece estimaciones confiables tanto cuantitativas como cualitativas de la previsin de las ventas de la empresa en el futuro prximo, lo cual permite tomar decisiones sobre la poltica de compras de materias primas y otros elementos, el tamao de los lotes a fabricar, nivel de existencias en almacn y stock de seguridad, periodicidad de las rdenes de fabricacin, cmo actuar frente a promociones, cmo

actuar frente a periodos estacionales, entre otros, para de esta manera poder planificar la produccin y realizar la gestin de stock. Dentro de los beneficios alcanzados con la implantacin de un buen sistema de previsin de la demanda se encuentran principalmente el conocimiento de las necesidades anuales de cada producto, la disminucin de la posibilidad de tener productos obsoletos, la mejora de su nivel de servicio al cliente, el conocimiento de las necesidades reales del mercado y poder actuar frente a promociones. Al momento de realizar la administracin de la demanda, se deben considerar en conjunto los aportes obtenidos de las reas de marketing y operaciones, debido a que el rea de marketing proporciona una informacin relacionada con el mercado de las predicciones de la demanda y administra la demanda mediante polticas de fijacin de precios y promociones, mientras que operaciones se encarga de asegurar que los bienes y servicios de la empresa se proporcionen cuando se necesitan. Es por ello, que es imprescindible que la informacin aportada por estas reas sea cnsona y confiable. La previsin de la demanda futura puede realizarse en base a la formulacin de modelos (anlisis funcional o anlisis causal), en base al anlisis de series temporales, al anlisis de muestras de consumidores y, finalmente, a partir de apreciaciones subjetivas de observadores y decisores privilegiados. No obstante, estimar la demanda futura para un producto o servicio es una de las tareas ms complicadas del marketing, ya que no existen recetas mgicas, pero s algunas tcnicas que ayudan a crear previsiones razonadas y fiables. Cuando se realiza un modelado de gestin de la demanda la opinin de los expertos en las organizaciones nunca puede ser hecha a un lado ya que la experiencia sobre el comportamiento de la organizacin en momentos determinados son fundamentales para dar una aproximacin valiosa al modelo utilizado. En efecto, las tcnicas de prediccin cualitativas dependen de conjeturas razonables basadas en la intuicin, en las opiniones y experiencias de los expertos y dan informacin de la empresa y sus ambientes externos. Adems, son ideales cuando los datos histricos no son suficientes, o son contradictorios o irrelevantes. Los modelos de prediccin realizados nunca son aplicables a todas las ocasiones y todas las empresas, ya que intervienen una serie de factores que determinan el xito del mtodo seleccionado, como los datos disponibles, las caractersticas de los artculos que han de predecirse, fuentes de demanda, propsito de la prediccin, quien utilizara

el modelo, rapidez y tiempo en el cual se requiere la previsin, el horizonte de planeacin, el costo, entre otros. Una vez considerados todos estos factores se puede proceder a seleccionar un modelo que se ajuste a las condiciones encontradas. El horizonte de planeacin se encuentra estrechamente relacionado con el modelo a seleccionar, es decir, si la empresa requiere una prediccin a corto plazo se puede utilizar los modelos de suavizacin exponencial como el promedio de desplazamiento simple y la suavizacin exponencial. Igualmente, los datos histricos representan una limitante, puesto que si no se tienen se deben utilizar modelos cualitativos, en caso contrario se pueden emplear los modelos cuantitativos. En Venezuela, en el amito de la pequea y mediana empresa, la gestin de la previsin se realiza de forma emprica basndose en la experiencia de los directivos, encuesta y clientes, es decir, predominan los mtodos cualitativos. En muchos casos, esto puede deberse a desconocimiento de los directivos de la empresa de la existencia de otros modelos, del presupuesto que la empresa dispone para estos estudios, entre otros. Sin embargo, no debe dejarse a un lado las ventajas que ofrece la implementacin de modelo adecuado de previsin, ya que evita altas rotaciones de inventarios, inversin en la compra de productos, etc.

4. Referencias Bibliogrficas Heizer, J. y Render, B. (1997) Direccin de la Produccin-Decisiones Estratgicas. Prentice Hall. Noori, H. y Radford, R. (1997) Administracin de operaciones y Produccin: Calidad total y respuesta sensible rpida. MacGraw Hill. Lovelock, C., Reynoso, J., D`Andrea, G., Huete, C. (2004) Estrategias de marketing, operaciones y recursos humanos. Prentice-Hall. Pascual, Ramn (1990) Previsin tecnolgica y de la demanda. Productica Vidal, Ignasi (2003) La previsin de ventas: Mtodos y herramientas prcticas para departamentos comerciales. Fundacin Confemetal.