Beruflich Dokumente
Kultur Dokumente
MERCADOS
miércoles, 14 de julio de 2010
Analisis de datos históricos
Un estudio realizado por una empresa que analiza las posibilidades de ofrecer salchichas en
el mercado nacional, la cual arrojo los siguientes datos acerca del comportamiento de la
demanda de esta producto desde el año 2002:
Hola estimados estudiantes para finalizar el curso usted debe apropiarse de los temas
pertinentes para realizar la Proyección de Mercados, como son el concepto de pronostico, la
correlación y los modelos matematicos de regresión, los pronosticos se utilizan en diversos
ambitos de la empresa, sin embargo para este curso nos enfocaremos en la parte comercial.
Con el dominio de estos temas usted obtendrá habilidades y destrezas para desempeñarse
optimamente en el desarrollo de pronosticos. Para iniciar es necesario conocer el concepto
de Pronostico y enseguida lo que significa la correlación, lo cual permitirá saber el grado de
afinidad entre las variables que se van a estudiar
El Pronostico de Ventas
Los pronosticos de ventas son uno de los elementos claves para planeación de las
actividades de las empresas, desde el punto de vista financiero permite determinar el
ingreso de efectivo y credito para un periodo determinado, presupuestalmente contribuye a
la planeación de los recursos necesarios para darle un impulso a la parte operativa en la
consecusión de las actividades. Desde el punto de vista gerencial y directivo es importante
en la toma de decisiones en la planeaciones estratégica de generación de valor. Permite
determinar con claridad los objetivos cuantitativos en ventas, lo cual es el punto de partida
para el desarrollo de los planes de acción de la compañía.
Las empresas por lo general elaboran pronosticos para cada producto o por lineas de
productos, tambien se tienen en cuenta en algunos casos las referencias, con el fin de tener
decisiones mas acertadas y reales.
En este apartado observaremos de forma de sintesis las diversas formas que existen para la
elaboración de pronosticos, es muy interesante ¡¡mucho animo!!
Encuesta de Pronóstico de los Clientes: Útil para empresas que tengan pocos clientes. Se
les pregunta que tipo y cantidades de productos se proponen comprar durante un
determinado período. Los clientes industriales tienden a dar estimados más precisos. Estas
encuestas reflejan las intenciones de compra, pero no las compras reales.
El Método Delfos (Delphi): Se contrata expertos que hacen pronósticos iniciales que la
empresa promedia y les devuelve para refinar los estimados individuales. El procedimiento
puede repetirse varias veces hasta cuando los expertos - trabajando por separado - lleguen a
un consenso sobre los pronósticos. Es un método de alta precisión.
Análisis de Series de Tiempo: Se utilizan los datos históricos de ventas de la empresa para
descubrir tendencias de tipo estacional, cíclico y aleatorio o errático. Es un método efectivo
para productos de demanda razonablemente estable. Por medio de los promedios móviles
determinamos primero si hay presente un factor estacional. Con un sistema de regresión
lineal simple determinamos la línea de tendencia de los datos para establecer si hay
presente un factor cíclico. El factor aleatorio estará presente si podemos atribuir un
comportamiento errático a las ventas debido a acontecimientos aleatorios no recurrentes.
Análisis de Regresión: Se trata de encontrar una relación entre las ventas históricas
(variable dependiente) y una o más variables independientes, como población, ingreso per-
cápita o producto interno bruto (PIB). Este método puede ser útil cuando se dispone de
datos históricos que cubren amplios períodos de tiempo. Es ineficaz para pronosticar las
ventas de nuevos productos.
Es útil para pronosticar las ventas de nuevos productos o las de productos existentes en
nuevos territorios. Estas pruebas son costosas en tiempo y dinero, además alertan a la
competencia.
Mide el grado de relación existente entre dos variables, el valor de la correlación (R) varía
desde -1 a 1, pero en la práctica se trabaja tomándose como valor absoluto.
El valor del coeficiente de relación se interpreta de modo que a media que R se aproxima a
1, es más grande la relación entre los datos, por lo tanto R (coeficiente de correlación) mide
la aproximación entre las variables. 1995 Cannavos G. Pag 30
1) Perfecta 1) R = 1
Regresión
Usted ya comprendio la relación que puede existir entre las variables de estudio,
comprendiento el concepto de coeficiente de correlación, A traves de herramientas
estadisticas de excel se puede comprabar este coeficiente. A partir de aquí comenzamos a
analizar el concepto de regresión para entender su modelo matematico. Observará que es
sencillo
Tambien podemos afirmar que la regresión es una técnica estadística utilizada para simular
la relación existente entre dos o más variables. Por lo tanto se puede emplear para construir
un modelo que permita predecir el comportamiento de una variable dada.
Para Proyectar existen dos modelos básicos de regresión, uno es el de dos variables o
simple y el otro es de regresión múltiple, en el que se utilizan tres o mas variables. Veamos
en que consisten y sus respectivos gráficos.
Una vez usted analice este material debe realizar un ejercicio practico de proyección para
eso debe ubicar la Guía de Aprendizaje y el Instructivo para proyección utilizando
herramientas estadisticas de Excel.
Y la gráfica es la siguiente
Dicho de otra forma esta regresión se aplica cuando existen dos o más variables
independientes que se utilizan para calcular los valores de la variable dependiente. Aquí
existen varios predictores para la variable dependiente, bien sea la demanda u la oferta.
Aquí la ecuación de regresión lineal toma la siguiente forma
Para tener en cuenta debemos decir que en este módelo se puede tener la tentación de
incluir aspectos que se tengan en bases de datos, pensando que entre más variables se
incluyan mejores posibilidades existan para que se llegue a un buen fin, pero finalmene se
puede incurrir en errores de precision .
Otra razón es que si se espera ajustar unas pocas observaciones, usando muchas variables lo
más probable es que se finalice con un resultado muy artificial. 1995 Marco Elías Contreras
Buitrago, pag 161.
Hay que tener en cuenta que hasta el momento se ha utilizado un método pertinente para
datos con tendencia lineal, es decir que los puntos se encuentran muy cerca de la línea recta
en forma constante esto es lo que se ha explicado como dispersión. Esto se puede
corroborar determinando el coeficiente de correlación, (La correlación nos indica que tan
cerca se mueven dos variables juntas, es decir que tanto una explica a la otra)
Observemos en que consisten los modelos para datos no lineales, tenga en cuenta que
muchas veces las ventas de algunos productos o servicios tienen tendencias que no son
uniformes, veamos de que se tratan.
Para poder trabajar la ecuación que acabamos de ver, utilizando el modelo de regresión
lineal que ya hemos visto se debe someter a una transformación, mediante logaritmos
quedando como sigue:
In (y) = In (A) + Bx, la cual se grafica en papel semilogaritmico da una recta de forma Y =
a + b(x) y se tiene la siguiente fórmula:
Y = In (y) ; a = In (A)
En conclusión podemos decir que esta curva de ajuste se debe utilizar cuando la demanda
tenga una tendencia de crecimiento acelerado. . ibid, pag 161
Es una de las que más se utilizan en los análisis de regresión de la demanda, se expresa con
la ecuación que sigue:
En donde A y B son las constantes que se van a calcular, el modelo se viabiliza el modelo
de regresión lineal transformándolo en: Log (y); = Log (A) + B . Log (x) , graficada y
suavizada en papel logarítmico produce una recta de la forma : y = a + bx, en donde y =
Log (y) ; a = Log (A); B = b; x = Log (x) . ibid, pag 161
Para esta situación el crecimiento de la demanda se presenta de uan forma más lenta a
medida que pasa e ltiempo.
Y = A + B Inx
Conclusión
Es importante tener en cuenta que la selección de la curva de ajuste se puede hacer a paritir
de las tendencias observadas, en el comportamiento histórico de la demanda. Una mayor
certeza en la adecuada selección de la curva tiene que ver con el buen analisis de
correlación, a medida que se obtiene un mayor ajuste, dicho coeficiente se aproximará a (1)
uno.
Cuando dos variables tienen mucha corrrelación, es decir se explican en una alto grado, el
coeficiente se acercara bastante a (1) uno y en el caso contrario se alejara. Ejemplo la
variable cantidad demandada se correlaciona en una alto grado con el tiempo, en este caso
la correlación se acercara a (1) uno.
Estimado estudiante la proyección es muy util en todos los ambitos comerciales, en este
curso hemos visto aspectos fundamentales de esta tema, los cuales le daran a usted las
destrezas necesarias para que sea un proyectista exitoso, lo invito a que continue
profundizando en el tema.
Publicado por JESÚS ENRIQUE en 22:04 No hay comentarios:
Enviar por correo electrónicoEscribe un blogCompartir con TwitterCompartir con
FacebookCompartir en Pinterest
En este apartado usted como aprendiz realizara actividades de análisis alrededor del
comportamiento de demanda y oferta de bienes asociados a su proyecto, para ello realice
las siguientes actividades:
1-Realice el análisis de consumo histórico de sus productos o servicios para mínimo siete
años. Para ello consulte fuentes secundarias internas y externas, elabore cuadros y gráficos
y presente el análisis correspondiente. A partir de esta información elabore la proyección de
la demanda para el producto o servicio de su proyecto.
2-Organice los datos en un cuadro ubicando dos columnas una para la variable tiempo
(años) y el otro para ventas.
3-Enumere los años con números que comiencen con 1, 2 , 3 y así en forma ordenada
4-Elabore la proyección lineal o pronostico para el siguiente periodo, ejemplo si usted tomo
7 años, haga el pronostico para el año 8.
http://jeqproyectosena.blogspot.com.co/