INTRODUCCIÓN

La administración de riesgos es la identificación, evaluación y control de todos

aquellos riesgos que en un momento dado pueden dar lugar a pérdidas ya sean
materiales, humanas, de salud o patrimoniales en una persona u organización.

Desde el punto de vista de los seguros en Colombia la definición de riesgo por

excelencia es la que nos da el Código de Comercio en su artículo 1054
(Principios comunes del contrato de seguro), que dice:

“Denomínese riesgo el suceso incierto que no depende exclusivamente de la

voluntad del tomador, del asegurado o del beneficiario, y cuya realización da
origen a la obligación del asegurador. Los hechos ciertos, salvo la muerte y los
físicamente imposibles, no constituyen riesgo y son, por lo tanto, extraños al
contrato de seguro. Tampoco constituyen riesgo la incertidumbre subjetiva
respecto de determinado hecho que haya tenido o no cumplimiento”. 1

La administración de riesgos es un proceso constante, que no termina con la

implementación de estrategias y por el contrario continúa de forma indefinida,
evaluando las medidas tomadas e identificando los nuevos peligros a los que
estará expuesta la persona u organización buscando el equilibrio entre riesgo,
retorno y capital, a través de los procedimientos, herramientas, políticas y
metodologías de la gestión integral de riesgos, para facilitar la toma de
decisiones.

Mediante este sistema se identifican, miden, controlan y monitorean los riesgos

a los cuales se está expuesto; proceso que permite desarrollar estrategias
encaminadas a aumentar la oferta de seguros y evolucionar el concepto del
seguro hacia una solución integral de producto, servicio y acompañamiento al

1Congreso de la República de Colombia. Código de Comercio. Decreto 410 de 1971. Artículo 1045. [online]
[Citado el 20 de Febrero de 2012] Disponible en Internet
<http://www.secretariasenado.gov.co/senado/basedoc/codigo/codigo_comercio.html>

1
cliente y así lograr una ventaja competitiva a través de relaciones de largo plazo
mutuamente rentables.

Las aseguradoras cuentan con estrategias que buscan concientizar al ciudadano

sobre la conveniencia de asumir con responsabilidad los riesgos a los que se ve
expuesto e incentivar la consulta a los asesores o directamente a las compañías
para informarse sobre los seguros, considerando el aseguramiento como la
mejor opción para resarcir el impacto económico de emergencias a través de
campañas como “la lotería de la vida”, adelantada por medio de comerciales en
la televisión y en la radio colombiana.

Sabiendo que las decisiones empresariales siempre se toman con información

insuficiente y con un margen de incertidumbre mayor o menor, dependiendo del
tiempo, los recursos que se destinan a la búsqueda y el análisis de la información
sin desconocer que nunca ocurrirá exactamente lo pronosticado; se propone la
búsqueda de una base, un criterio, una justificación para el curso de acción a
tomar porque a partir del pronóstico que generemos, estaremos decidiendo
dónde colocar nuestros recursos financieros, tecnológicos y humanos.

Dado lo anterior se propone la selección y planteamiento de un modelo de

pronóstico de la demanda del producto SOAT y se plantea una mezcla de ventas
adecuada que optimice la utilidad percibida, dejando abierta la posibilidad futura
de ampliar la oferta a los clientes actuales y fortalecer la oferta a clientes nuevos
quienes encuentran en el SOAT una puerta de entrada para la vinculación en
otras soluciones que apoyan este aumento de utilidades en la medida que se
dirijan a potenciales riesgos de los cuales se espere un mejor comportamiento
siniestral. 2
1. PLANTEAMIENTO DEL PROBLEMA

2JUNGUITO Roberto. Presidente de FASECOLDA. "La lotería de la vida". [online] En Revista Portafolio. Agosto 26 de
2008. [Citado el 10 de Febrero de 2012] Disponible en Internet
<http://qc.portafolio.com.co/columnistas/la-loteria-la-vida>

2
En nuestro país existe una alta conciencia de los riesgos y se reconoce que los
seguros son necesarios. Sin embargo las personas no son plenamente
conscientes de las implicaciones económicas y morales que la materialización
de estos riesgos genera, los ciudadanos atribuyen, muchas veces, los sucesos
imprevistos a la situación del país, al azar y a la poca previsión frente al futuro.
Entre los riesgos más temidos tenemos a las enfermedades, terremotos,
desastres como los incendios e inundaciones; en cuanto a riesgos personales,
la invalidez, los accidentes y a la muerte de uno de los jefes de hogar por la
incertidumbre sobre el bienestar de sus hijos.

Muchas veces, ante un siniestro, los colombianos más pobres se ven obligados
a disminuir su consumo básico, incluyendo el vestuario y aun los alimentos. Otros
con mayor capacidad económica no adquieren seguros y optan por endeudarse
al momento de una eventualidad.

Aunque opinan que los seguros son una necesidad básica, consideran que no
adquieren seguros porque no poseen suficiente información o porque los
estiman costosos, en este punto un adecuado proceso de la administración de
riesgos basado en una serie de etapas que empiezan con la identificación,
proceso mediante el cual se determinan el riesgo al que puede estar expuesta la
empresa y los sujetos, seguido de la evaluación, fase en la cual se cuantifican
los efectos que sobre los sujetos puede conllevar la ocurrencia de un riesgo, la
priorización según su frecuencia y severidad lo cual permite finalmente la
selección de la estrategia que mejor se adapte a los intereses y necesidades de
la persona o empresa para minimizar los riesgos existentes, los efectos de éstos
y los costos asociados, garantizando el mínimo impacto financiero.

Las compañías aseguradoras cuentan con una serie de productos como son:
seguros de accidentes, autos, exequias, vida, arrendamiento, hogar, de rentas,
de cumplimiento, de crédito, judiciales, educación, de enfermedades graves, de
ingeniería, de aviación, de riesgos profesionales, de salud, seguro obligatorio

3
SOAT, medicina prepagada, plan obligatorio de salud y carteras colectivas entre
otros servicios. Sin embargo se tomará como punto de partida el SOAT dada su
obligatoriedad y se buscará pronosticar la demanda que se puede generar
teniendo en cuenta que facilita el flujo de ingresos y abre la posibilidad de nuevos
negocios en otras soluciones con mayor rentabilidad3

A partir de lo anterior se partirá con la definición del SOAT o Seguro Obligatorio

de Accidentes de Tránsito el cual es un seguro de obligatoria expedición, compra
y atención de accidentes personales, los asegurados son las víctimas
potenciales de accidentes de tránsito, cubre los daños corporales a pasajeros o
transeúntes implicados en este tipo de accidentes, esta solución hace parte del
sistema general de seguridad social en salud y tiene prelación respecto al POS,
ARP y Régimen Subsidiado.

El SOAT se plantea como mercado objetivo en términos de las posibilidades que

se pueden generar para comercializar otros productos del portafolio disponible;
no hay que perder de vista que el carácter obligatorio del SOAT es una condición
que más allá de restringir las decisiones de suscripción de un seguro, es un
potencial generador de oportunidades para atraer al cliente hacia otras
soluciones cuando se acerca de manera desprevenida para adquirir su SOAT,
ya que se constituye en una solución que complementa la oferta a los clientes
actuales y permite fortalecer la oferta a clientes nuevos. De allí que si dicha
atracción se materializa a través de la vinculación efectiva del cliente SOAT en
otras soluciones puede también apoyar el aumento de utilidades; si bien el
SOAT debe reflejar utilidad de manera individual, podemos considerar que el
estrecho margen que genera se ve recompensado con el fortalecimiento de otros
productos cuyos clientes encuentran una puerta de entrada en la expedición de
SOAT. 4

3 JUNGUITO Roberto. Ibídem

4SURA - SOAT Seguro Obligatorio contra Accidentes de Tránsito. "Información para Delegados" Bogotá.
2009. [online] [citado el 16 de Febrero de 2012]. Disponible en Internet
<http://www.sura.com/TodoSobreElSOAT/sections/InformacionDelegados.aspx>

4
Lo deseable es atender mercados de interés, en la medida que se dirijan a
potenciales riesgos de los cuales se espere un mejor comportamiento siniestral,
para esto es fundamental su conocimiento, lo cual, enriquece los procesos de
venta cruzada. Puede decirse entonces que el cliente objetivo de SOAT se define
en función de la siniestralidad esperada, entendiendo el porcentaje de
siniestralidad como la razón entre las primas devengadas y los siniestros
incurridos.

Tabla 1. Porcentaje de Siniestralidad según tipo de vehículo

Fuente: Sura - Soat

Teniendo en cuenta que la siniestralidad máxima que tolera el ramo es del 52%
de acuerdo con los estudios más recientes, particularmente son objetivo para la
compañía aseguradora los seguros SOAT de automóviles, camperos,
camionetas y vehículos de carga. Específicamente por el potencial que supone
para desarrollar clientes integrales, la distribución del portafolio debe orientarse
al mejor riesgo de cada clase automotor, es decir aquel que presenta menor
siniestralidad.

La economía mundial y por ende la economía nacional enfrenta una gran

incertidumbre y a esta incertidumbre no son ajenas las compañías

5
aseguradoras; se hace necesario analizar el comportamiento del mercado e
implementar modelos de pronóstico que permitan predecir el comportamiento de
las ventas a futuro.

Un pronóstico acertado y una adecuada planeación de la demanda permiten a

las empresas controlar los costos totales, también contribuye a realizar una mejor
planeación de la distribución de los recursos ayudando a elevar el nivel de
servicio.

Una de las principales recomendaciones que hacen los expertos en temas de

optimización en épocas de crisis es la racionalización del portafolio de productos
y servicios. Sin tener una buena información de la demanda de productos y unas
proyecciones confiables, es difícil poder tomar una decisión al respecto. Por eso
cobra mucha importancia el establecer un proceso de planeación de la demanda
seriamente estructurado que permita optimizar la inversión en recursos de
acuerdo con las proyecciones de la demanda de los mercados objetivo.5

Sabiendo del grado de incertidumbre que conllevan las decisiones empresariales

y sus implicaciones en la rentabilidad y sostenimiento de la misma a lo largo del
tiempo; se debe buscar un modelo de pronóstico de la demanda que permita
predecir en forma aproximada las ventas y su comportamiento en un lapso
determinado, ya que la empresa objeto de estudio no cuenta con herramientas
que le ayuden a tomar decisiones de este tipo.

El realizar el pronóstico de la demanda, permitirá calcular a cuánto ascenderá la

producción en términos de unidades de SOAT vendidas, el nivel de rentabilidad
y de ese modo, buscar un mejor control, una mayor coordinación y todas las
demás ventajas que conlleva una buena planificación.

5 ¿Cuál es la importancia del pronóstico y de la planeación de la demanda en épocas de crisis? [online]

[citado el 5 de Julio de 2013]. Disponible en Internet
<http://www.articuloz.com/planificacion-estrategica-articulos/cual-es-la-importancia-del-pronostico-y-la-
planeacion-de-la-demanda-en-epocas-de-crisis-2754458.html>

6
 2. OBJETIVOS

2.1. OBJETIVO GENERAL

7
Generar una propuesta basada en un modelo de pronóstico para la demanda
de ventas de Seguros Obligatorios de Accidentes de Tránsito SOAT en una
compañía comercializadora de seguros buscando aumentar los beneficios
económicos derivados de la actividad.

2.2. OBJETIVOS ESPECIFICOS

 Identificar las variables críticas que afectan la demanda del mercado

asegurador con el fin de formular diferentes alternativas de modelos de
pronóstico.

 Proponer un modelo matemático que permita optimizar la mezcla de

ventas.

 Desarrollar un caso de estudio con el propósito de validar la aplicabilidad

del modelo propuesto.

3. JUSTIFICACIÓN

El interés del proyecto propuesto, nace como consecuencia de la vivencia y

experiencia de las diversas situaciones y decisiones a las que se enfrenta el

8
mercado asegurador y quienes hacen parte de él a través de la comercialización
y en el desarrollo de su actividad procuran establecer relaciones comerciales
duraderas y beneficiosas para ambas partes, asimismo aportar desde los
conocimientos adquiridos en ingeniería industrial y afianzar las competencias en
el ejercicio de las funciones encomendadas por la compañía.

Las estadísticas revelan que la penetración de los seguros, medida en términos

de las primas recibidas por las compañías aseguradoras con relación al Producto
Interno Bruto, es baja, pues solo asciende al 2,4 por ciento. Este índice de
penetración es inferior al de otros países de la región, como Brasil y Chile, donde
se supera el 3 por ciento. En los más avanzados, como Estados Unidos y los
europeos es mucho más elevada y alcanza más del 8 por ciento del PIB.

La baja penetración de los seguros en Colombia también se refleja en el índice

de densidad, que representa el gasto anual por habitante en la compra de
seguros. Un colombiano solo invierte 89 dólares, frente a más de 200 en Brasil
y 3.000 en los E.U. La cobertura reducida de aseguramiento se atribuye a
determinantes de la demanda, como el ingreso, el precio, y la cultura. En nuestro
país existe una alta conciencia de los riesgos y se reconoce que los seguros son
necesarios. Las personas no son plenamente conscientes de las implicaciones
económicas y morales que la materialización de estos riesgos puede generar.6

Con la aplicación del modelo de pronóstico además de obtener información que

genere elementos suficientes para la toma de decisiones y acciones en puntos
claves, se apoya el aumento de utilidades y permite ofrecer a los clientes SOAT
otras soluciones que ofrece la compañía y que pueden cubrir sus necesidades
de protección adicional lo cual contribuye al éxito del negocio.

6 JUNGUITO Roberto. Ibídem

9
 4. ESTADO DEL ARTE

4.1. EL MERCADO ASEGURADOR EN COLOMBIA

Fasecolda ha publicado diversos estudios en los que se calcula el grado de

respuesta del sector asegurador frente al crecimiento económico colombiano. La
evidencia estadística indica que los seguros crecen más que proporcionalmente
al PIB y para el caso colombiano se ha calculado que esta relación está alrededor

10
del 1.5%. Es decir, ante el crecimiento de un punto porcentual del PIB los
seguros crecen 1.5 veces. La reacción de los seguros en épocas de crisis ha
sido diferente, al parecer la industria aseguradora es más resistente a las crisis
que otros sectores de la economía.

Durante el año 2006, el volumen de primas para la región alcanzó USD$ 71.000
millones al mismo tiempo que la participación en el mercado asegurador mundial
paso de ser 1.6% en 2000 a 1.9% en 2006. Mientras que su participación en la
economía mundial (en términos de producto, PIB) alcanza 6% cuando la
población es 9% del total mundial.

La diferencia entre países en términos de penetración de los seguros (primas

sobre PIB) es significativa, pues mientras en Norte América los seguros
representan 8.7% del PIB, en América Latina alcanzan únicamente 2.4%. La baja
penetración de los seguros en los países en desarrollo puede estar evidenciando
que deben existir, inicialmente, condiciones favorables en términos de
crecimiento y resultados económicos, para que así empiecen también a crecer
los seguros. Unas buenas condiciones macroeconómicas, crecimiento sostenido
del ingreso, estabilidad de precios e instituciones adecuadas, entre otros,
estimularán el desarrollo del mercado asegurador.

Algunas de las variables utilizadas para el análisis de los “Determinantes de la

Demanda por Seguros”, medidas por su significancia estadística, son: el ingreso,
dado que la industria aseguradora ha crecido sostenidamente junto con el
producto o ingreso per cápita de las regiones. Buenas perspectivas en dichos
términos auguran un buen desarrollo del sector, sin embargo es necesaria la
estabilidad en términos de crecimiento.

También una variable relevante son las instituciones adecuadas, principalmente

en lo relacionado al cumplimiento de seguridades jurídicas, ya que ha sido un
determinante para el desarrollo de la industria de la región. Países que no

11
cuenten con buenos indicadores de institucionalidad podrán tener repercusiones
sobre los negocios de seguros.

Finalmente, el ejercicio destaca la importancia de las políticas sociales, entre

ellas, la inversión en educación se recalca como uno de los componentes
principales para el desarrollo de la demanda por seguros, junto con un
mejoramiento en términos de distribución y acceso de la población a los servicios
financieros, adicionalmente se encuentra que la satisfacción del consumidor
aumenta cuando se le provee con cierto tipo de información, especialmente
información de costos totales y desagregados a nivel individual, en otras
palabras, los clientes consideran valioso este tipo de información porque los
concientiza de los posibles costos en los que pueden incurrir, las personas se
sienten más cómodas tomando decisiones de seguros sin información
probabilística, seguramente, porque es información compleja que no pueden
procesar fácilmente.

En el caso colombiano, la Superintendencia Financiera está llevando a cabo el

valioso esfuerzo de proveer información sobre los costos de los servicios
financieros al consumidor. En el caso de los seguros, la información que se debe
ofrecer a las personas no es obvia, dado que los seguros no son un producto
homogéneo en el sentido en que dos de estos productos pueden tener el mismo
precio, pero con diferentes características.

Por otra parte, en una tentativa de ayudar a las empresas en su proceso de

planificación estratégica y entender mejor a los principales impulsores de las
ventas en la industria del seguro de Vida, se ha desarrollado un modelo de
previsión de ventas de seguros de Vida Individual. Los resultados son puestos al
día en una base semestral, y en los últimos años el modelo ha sido perfeccionado
para proporcionar las previsiones tanto de ventas totales como de ventas
específicas por línea de productos de Vida Individual, comenta Marianne
Purushotham, FSA, Research Actuary, Product Research, LIMRA International,
en este trabajo publicado en el reporte Semanal Nº 23 de LIMRA International.

12
Usando regresión lineal múltiple para modelar el acercamiento, el proceso de
pronóstico incorpora datos de varias fuentes incluyendo las revisiones
trimestrales y anuales de ventas de Vida Individual de LIMRA, su Estudio Bienal
de Compradores y datos del Censo Estadounidense, entre otros. Datos
históricos y previsiones económicas de los principales indicadores incluyendo
tasas de interés a corto y largo plazo, ingreso familiar disponible, niveles de
confianza del consumidor y tasas de desempleo, también son factores
fundamentales.7

El pronóstico del total de primas anuales nuevas para los años 2006 a 2010 se
muestra en la Figura 1. Es importante señalar que, aunque varios factores que
históricamente han mostrado una fuerte correlación con el crecimiento total de
ventas de la industria son comunes a todas las líneas de productos de Vida
Individual, hay diferencias en el grado en que cada factor se correlaciona con las
ventas de líneas específicas de negocio. Por ejemplo, el nivel de desempleo es
un factor clave en el plan de previsiones de todo nuevo plazo y prima de un
seguro de Vida. No es, sin embargo, un indicador primario de crecimiento de
ventas de seguros de Vida Universal. El pronóstico actual de las nuevas primas
anuales por cada línea de productos de seguros de Vida se muestra en la Figura
2.

Figura 1. Previsión de Seguro de Vida Individual - Estados Unidos

7 MERCADO ASEGURADOR.COM.AR. "Planificación Estratégica y Pronóstico de Ventas: Una Actualización de la

Industria de Seguros de Vida Individual " s.f. [online] [citado el 16 de Febrero de 2012]. Disponible en Internet
<http://www.mercadoasegurador.com.ar/adetail.asp?id=2998>

13
Fuente: Pronósticos de Vida Individual LIMRA Internacional, 2006.

Figura 2. Pronóstico de Seguros de Vida Individual - Estados Unidos

Fuente: Mercado Asegurador- Argentina

Al igual que en la mayoría de las industrias, grandes cambios en la innovación

de productos, distribución, regulación, impuestos y / o cumplimiento pueden
tener un impacto mucho mayor en las ventas de la industria de seguros de vida,
al que posee el entorno económico o los datos demográficos.8

8Rodríguez Pulecio Ana María. "La industria aseguradora a lo largo del ciclo económico". Revista FASECOLDA. Bogotá.
2009. [online] [citado el 16 de Febrero de 2012]. Disponible en Internet

14
4.2. MÉTODOS PARA LA PREVISIÓN DE VENTAS DE SEGUROS

4.2.1. Determinantes Macroeconómicos de la Demanda de Seguros

Diversos estudios han intentado explicar los principales factores que determinan
el desarrollo de la industria aseguradora. A lo largo de la literatura estos factores,
tanto en países desarrollados como en vía de desarrollo, se pueden clasificar
en factores económicos, factores políticos y legales y factores sociales. A
continuación se hace una breve explicación de los mismos:

 Factores económicos: La relación entre la economía y los seguros, ha

sido analizada por varios estudios encontrando en la mayoría de casos
una relación de doble causalidad. Por un lado, puede ser que el desarrollo
económico lleve a un aumento en la demanda de seguros, en este caso
la relación sería de “seguir la demanda”. No obstante, puede ser que el
crecimiento de la industria aseguradora suavice la volatilidad de corto
plazo de la economía y lleve así a un crecimiento de largo plazo, en este
caso se hablaría de una relación de “líder de oferta”.

Estudios como el de Beenstock et al. (1988) y Outreville (1990), al realizar un

análisis de datos panel en países desarrollados y en vía de desarrollo,
encuentran que el principal factor que incide en la demanda de seguros de daños
es el desarrollo económico de los países y el desarrollo del sector financiero.
Por su parte Zhi Zhou (1998) encuentra que en China tanto el ingreso per cápita
como la inflación incide en el desarrollo del sector asegurador. En este escenario
el Banco Mundial establece que los seguros pueden ser vistos como un bien
normal, es decir que su demanda aumenta en la medida en que aumenta el
ingreso (Lester, 2002).

http://www.mapfre.com/documentacion/publico/i18n/catalogo_imagenes/grupo.cmd?path=1060549

15
Por su parte, Ward y Zurbruegg (2000) encuentran que la relación entre la
economía y los seguros depende del país; en algunos casos la relación es de
líder de oferta y en otros de seguidor de demanda por lo que otros factores como
los legales y los políticos pueden incidir en determinar esta relación.

 El precio: Ya que determinar el precio exacto es difícil, se han utilizado

dos aproximaciones. La primera es la participación de mercado de las
aseguradoras extranjeras en el mercado nacional; en este escenario
Browne et al. (2000) encuentran que la relación entre esta variable y la
demanda de seguros varía de acuerdo al área de negocio analizado, de
esta forma es diferente para seguros de autos que para seguros de
Responsabilidad Civil.

Tanto Esho et al. (2004) como Outreville (1996) encuentran que la relación entre
el precio y la demanda es negativa en todas las áreas de negocio, a medida que
aumenta el precio disminuye su demanda. Asimismo, encuentran que los
mercados competitivos están más desarrollados que los mercados
monopolísticos, esto porque entre menos firmas hay los productos son más
caros y su demanda es menor.

 Factores políticos y legales: Ambientes legales positivos, garantizan

derechos de propiedad bien definidos estimulando así la demanda de
seguros. La Porta et al. (2000) y Levine (1999) han sido dos de los
grandes autores que han estudiado a fondo la relación entre el
crecimiento económico y los factores legales, así como entre estos y el
desarrollo de las instituciones financieras. Esho et al. (2004) encuentra
una relación robusta entre los seguros de daños y los derechos de
propiedad medidos a través de los índices de gobierno del Banco
Mundial.

El FMI en el 2006 encuentra que un mayor nivel de institucionalidad en los

países lleva a una mayor transparencia, lo que reduce la incertidumbre y

16
aumenta el aseguramiento. En la medida en que la incertidumbre es alta se
genera una brecha entre el precio demandado por los compradores y el ofrecido
por los aseguradores, esta brecha genera menores niveles de aseguramiento.
Así cuando un gobierno es débil, su institucionalidad es menor y por ende el
nivel de aseguramiento es inferior.

 Factores sociales: Hofstede (1995) encontró que el nivel de

aseguramiento en la economía dependía de la cultura del país y de la
aversión al riesgo de las personas. Es así como la educación, la religión,
y la cultura de un país son factores que pueden determinar el nivel de
aseguramiento de la sociedad. Outreville (1996) y Esho et al. (2004)
encuentran que la educación genera una mayor demanda de seguros al
promover un mayor aprendizaje de los riesgos.9

4.2.2. Métodos utilizados para el pronóstico de la demanda de seguros

En el entorno local, dos reconocidas firmas de consultoría empresarial, Remolina

Estrada y Sönar services, diseñaron un novedoso y ambicioso instrumento de
conocimiento de negocios único en Colombia al que denominaron BlueBook que
se podría definir como una combinación entre estudios de inteligencia de
negocios y mercados, análisis de información e identificación de tendencias; que
se elabora a partir de investigaciones propias con fuentes primarias o
secundarias. Su alta especialización permite analizar el comportamiento de una
industria particular o una tendencia específica del mercado. La primera versión,
ya disponible, estudia el sector asegurador.

El BlueBook de Seguros es el estudio más profundo en años recientes sobre el

comportamiento de los consumidores (personas naturales) y las tendencias del
sector en Colombia. Incluye análisis cualitativos y cuantitativos que describen de

9CONCHA ÁNGELA. “Determinantes de la Demanda de Seguros.” [online] [citado el 5 de Julio de 2013].

Disponible en Internet
<http://www.fasecolda.com/fasecolda/BancoMedios/Documentos%20PDF/determinantes%20de%20la%2
0demanda%20de%20seguros.pdfZ>

17
manera detallada los hogares, sus hábitos de consumo, percepción y orientación
al riesgo, además de las tendencias e intención de compra.

El contenido del BlueBook de Seguros permite conocer a profundidad el sector

asegurador y de salud con el objetivo de identificar oportunidades, nuevas
tendencias, entender la dinámica del sector desde la óptica del consumidor, para
la toma de decisiones a partir de información real y actual del mercado. Su
utilidad depende de las necesidades particulares de las distintas empresas del
sector, pues permite desde conocer el posicionamiento de determinada entidad
hasta realizar cruces de variables para desarrollar estrategias. Explora en detalle
el comportamiento de los seguros de vida, automóviles, hogar, exequias y salud.

Entre los principales hallazgos del estudio se cuentan los siguientes:

 A pesar de que la gran mayoría de los colombianos están

permanentemente expuestos a algún tipo de riesgo, de cada 100
personas un promedio de 98 cuentan con algún plan de seguro de salud
mientras sólo 33 tienen al menos un seguro de otro tipo (hogar, vehículo
o vida).

 El estudio revela que los colombianos tienden a asegurar los costos

funerarios, pasando por alto el capital económico que deja de aportar
quien fallece. No obstante, en materia de Seguro de Exequias, se observó
que las aseguradoras están rezagadas frente a las funerarias.

También se evidencia la falsedad de la creencia generalizada de que en el país

se aseguran más bienes que personas, otro mito que quedó en evidencia es la
teoría de que los clientes sólo quieren interactuar con las aseguradoras en caso
de un siniestro. El estudio revela el interés de recibir un servicio de postventa,
ligado a la expectativa de recibir mayor información y acompañamiento.

18
Además de confirmar la alta penetración de los seguros de salud, el estudio
revela que cerca de un 64% quisiera ampliar las coberturas, para suplir mayores
necesidades o extender los servicios actuales, mientras un 85% de los Jefes de
Hogar perciben la tenencia de los seguros de salud como una necesidad básica,
el 53% clasifica de la misma manera los seguros de Vida, Vehículos y Hogar. No
obstante, éstos últimos son calificados como inalcanzables o producto de lujo
por su costo.

La percepción de los colombianos frente al riesgo está ligada a factores tales

como la percepción del entorno y su consideración personal de seguridad.
Mientras un 77% de los Jefes de Hogar perciben su entorno como “seguro”, sólo
el 23.5% no se asegura y asume los riesgos de forma directa. El Seguro de Hogar
es el de menor penetración a pesar del alto nivel de propiedad de vivienda, lo
que en parte responde al bajo conocimiento del producto y sus beneficios.

En términos generales, el Blue Book se diferencia de los estudios tradicionales

por partir de un entendimiento estratégico de los elementos claves del sector y
tener así un marco sólido para el estudio; ser innovador, único en el mercado
nacional; la objetividad, ya que es independiente de empresas o medios
interesados en el sector; por su profundidad, pues no se trata sólo de un
compendio de datos sino que contiene también información analizada y cruzada
interna y externamente; la actualidad ya que se realizan revisiones de manera
periódica y no a petición de un contratante; holístico, pues analiza los distintos
frentes de un mismo tema y es consistente pues se controla la calidad desde el
diseño hasta el análisis final.

El BlueBook de Seguros fue diseñado para servir a empresas aseguradoras,

Empresas de Salud (POS, Medicina Prepagada, PAC), intermediarios de
seguros, agencias de publicidad, medios de comunicación, administradoras de
riesgo, entidades gubernamentales y gremios, entre otros.

19
La base del estudio son 1.100 entrevistas presenciales a profundidad con los
jefes de hogar (estratos socioeconómicos: 2, 3, 4, 5 y 6), las cuales se realizaron
en las 6 principales ciudades del país: Bogotá, Medellín, Cali, Barranquilla,
Bucaramanga y Pereira. La técnica de muestreo utilizada fue la Metodología
Bietápica Estratificada. Se estima que tiene una confiabilidad de 95% y un
margen de error del 3%.10

4.2.3. Aplicación de otros métodos de investigación de la demanda en

compañías de seguros:

En una investigación realizada en España por Irene Albarrán Lozano, se

exponen los aspectos principales relacionados con el mercado asegurador, en
relación con la demanda de los servicios del sistema financiero la autora plantea
lo siguiente:

La definición de demanda parte del concepto de mercado potencial como

máximo referente o límite superior de la misma que reacciona o se manifiesta en
función de un conjunto de determinantes. Suele definirse como una
exteriorización de las necesidades y deseos del mercado que está condicionada
por los recursos disponibles del comprador y los estímulos recibidos. Se entiende
por demanda de un producto “la cantidad física o monetaria vendida en un lugar
y periodo dados”.

Según la dimensión del análisis que se emplee, existen otros múltiples conceptos
sobre demanda, interrelacionados e integrados en el concepto general de la
misma. Se puede hablar de una dimensión temporal (demanda a corto, medio y
largo plazo), dimensión de producto (demanda de marzo, línea, empresa o
global), dimensión del comprador (demanda individual, de segmento, de

10 BAQUERO Ximena y APARICIO Elvira Carmen. "El Bluebook de Seguros". Bogotá. Diciembre de 2006. . [online]
[citado el 16 de Febrero de 2012]. Disponible en Internet
<http://www.remolinaestrada.com/cms/index.php?option=com_content&task=view&id=24&Itemid=1>

20
mercado, primaria, derivada, total) o dimensión espacial (demanda local,
regional, nacional e internacional).

También se distingue entre demanda para el consumo final (demanda primaria)

o demanda de productos y servicios para su incorporación en procesos
productivos (demanda derivada).

El ahorro familiar determina la demanda de las alternativas al mismo (siendo una

de ellas la suscripción de pólizas de seguro) y es importante para el conjunto de
la economía (financia las inversiones de las empresas vía instituciones
financieras y mercado de capitales), para los propios individuos (afecta a su nivel
de consumo y capacidad de autofinanciación), para el estado (influye en la
estructura fiscal y el estado del bienestar) y las instituciones financieras: bancos,
cajas, compañías de seguros, etc. (constituye una de las bases de su negocio al
financiar parte de sus actividades).

La evolución de las tasas de ahorro internacional tiene que ver con: la evolución
de las tasas brutas del Sector Privado en porcentaje del PIB (afectado por
variables como: renta per cápita, transferencias de tecnología entre países, etc.),
la evolución demográfica (ya que su impacto en la tasa de ahorro se fundamenta
en el modelo del ciclo vital, el paulatino envejecimiento de la población, la
incertidumbre de la provisión pública de pensiones y la inestabilidad del mercado
de trabajo).

El grado de liberalización financiera y fiscal (produciendo efectos distorsionantes

sobre el ahorro positivos o negativos) y los tipos de interés reales (en los que
intervienen variables como: el proceso de integración de la UE y el euro y la
estabilidad de precios, que han alterado la composición y dirección del ahorro
doméstico: hacia renta fija o variable, inmobiliario o mobiliaria).

21
En España la tasa de ahorro familiar ha sido y es bastante baja (entre 1990 y
1995 una tasa media del 6,9% comparada con la media de la UE del
11,6%) previéndose incremento en un futuro próximo.

Aunque en tasas de ahorro familiar estamos por debajo de la media

internacional, sin embargo, se igualan los datos respecto a gama de productos y
desarrollo operativo de las empresas, al ser semejantes en todos los países los
productos financieros de ahorro aún son signos clave de riqueza además de ser
el método preferido de ahorro. Sólo el 25% del ahorro familiar es financiero
siendo el resto inmobiliario, aunque va cambiando hacia un 50% en cada tipo.

En la composición de productos de ahorro financiero hay que tener en cuenta el

impacto de las normas sobre seguros (principalmente LOSSP y ROSSP) que
obligan a la exteriorización de las reservas contables en Planes de Pensiones y
los Contratos de Seguros o el impacto de los nuevos Canales de Distribución.

La demanda de planes de pensiones individuales, seguros de Vida y productos

más complejos crecen muy deprisa debido a cambios en los tipos de interés,
diferentes tratamientos fiscales, problemas de viabilidad del sistema público de
previsiones, etc. haciendo que la composición del ahorro familiar cambie de
Depósitos financieros a plazo hacia Fondos de Inversión, Fondos de Pensiones
y Seguros de Vida que en 1995 representaban el 24% del ahorro familiar, en el
2000 alcanzarán el 36% y en el 2010 más del 55%.

En 1995, los españoles invertían sus ahorros en cobertura de la salud, educación

de los hijos, educación y formación propia, compra de vivienda, ampliación de
negocio, depósitos a plazo, fondos de inversión y pensiones, deuda del estado,
súper cuentas, bolsa y seguros.

Se pueden considerar varios grupos de variables que establecen el nivel y las

pautas de aplicación del ahorro financiero familiar y factores de cambio del
mismo: el nivel de crecimiento de ingresos y riqueza, el nivel impositivo y su

22
estructura, beneficios sociales del estado, la inflación y la rentabilidad real,
productos financieros disponibles y su legislación, operaciones y marketing de
instituciones financieras, la estructura demográfica y el mercado laboral.

El ahorro familiar en España en 1996 se distribuía entre: efectos y depósitos

(51.100), fondos de inversiones (16.700), seguros de Vida (6.000), jubilación
(6.000), créditos (4.900), fondos de pensiones (3.000), acciones (3.000),
obligaciones (2.100), fondos de pensiones internas (1.300), letras y pagarés
(1.200) y otros (1.600).

Sin embargo, en España los factores que realmente más han influido en el ahorro
la última década han sido:
- Positivamente: el rápido crecimiento de ingresos, la existencia de más
productos de ahorro y el agresivo marketing de las instituciones
financieras.
- Negativamente: un trato fiscal favorable a la inversión inmobiliaria y los
beneficios sociales que desincentivan el ahorro financiero.

Actualmente la reducción del gasto público, previsiblemente proyectada al futuro,

incentiva e incentivará el ahorro.

En el plano internacional, excepto el factor demográfico, el resto de los factores

han favorecido el ahorro, estimándose que, aproximadamente, entre el 25 y el
35% de la población española posee ahorro financiero familiar. Explicar el
ahorro, y por tanto la demanda de determinados activos en su totalidad, es difícil
por la cantidad de componentes intervinientes que no todos se pueden resumir
en una teoría, que cambian a lo largo del tiempo y, además, las estadísticas
disponibles ofrecen muchas veces información sesgada.

La capacidad para ahorrar de los hogares españoles está básicamente

determinada por su nivel de ingresos mostrando la renta real per cápita desde
los años 70 un continuo crecimiento y siendo cada vez más sensible a la

23
rentabilidad y fiscalidad, estimándose la misma tendencia e incluso mayor en el
futuro.

El hábito del ahorro regular está aún limitado al segmento de población con
rentas altas, sólo un 30% de la población española lo tiene (segmentos de renta
alta, profesionales y quiénes preparan su jubilación), existiendo -también
destacables- niveles de endeudamiento y considerando que aproximadamente
el 10% de la población vive por encima de sus posibilidades.11

4.3. COMPORTAMIENTO DEL MERCADO ASEGURADOR EN EL PERIODO

2010 - 2012

Por otra parte, en el informe analítico de la actividad aseguradora durante el año

2010 publicado en Diciembre de ese año por Fasecolda, se presentan los datos
del ejercicio de las aseguradoras; el informe presenta algunas cifras
correspondientes al sector asegurador colombiano, es así como señala que:

En el año 2010 las primas de seguros en Colombia crecieron un 3.9% en

términos reales alcanzando una producción total de $12.3 billones de pesos.
Esta desaceleración en las tasas de crecimiento de la industria está explicada
fundamentalmente por el comportamiento de los ramos de pensiones, los cuales
han venido presentando importantes caídas en su producción. El crecimiento de
la industria se asemeja al comportamiento de la economía, lo que sugiere que
durante este año no hubo avances importantes en términos de penetración.

Los ramos de daños registraron un crecimiento real del 7%, ubicándose por
encima de lo esperado en las industrias de países latinoamericanos. Por el
contrario, los ramos de vida y salud registraron un crecimiento real del 7.8%, por
debajo de lo que se esperaba para el promedio latinoamericano.

11ALBARRÁN LOZANO Irene. “Mercado de Seguros: Oferta y Demanda, ¿Cómo operan y se caracterizan?,
Biblioteca de la Facultad de Ciencias Económicas y Empresariales UCM. [online] [Citado el 5 de Julio de
2013] ]Disponible en <http://biblioteca.ucm.es/cee/doc/00-21/0021.htm>

24
La característica predominante en el 2010 fue una baja generalizada en la
siniestralidad con respecto a lo observado en 2009. Como consecuencia, el
resultado técnico mejoró, aunque continúa siendo negativo. Ahora bien, el
resultado técnico negativo de la industria se vio compensado con el rendimiento
de las inversiones, que fue de 2.4 billones de pesos, inferior a los 2.5 billones del
2009. Al respecto, se registraron aumentos en los rendimientos de renta variable
(acciones) y disminución en los de renta fija (TES) por valorización de estos. En
consecuencia el resultado neto de la industria fue de 1.4 billones, frente a 1.2
billones en el 2009.

Durante el 2010 el sector asegurador colombiano contó con importantes cambios

normativos en términos de regulación y supervisión. Dos de las más importantes
modificaciones estuvieron dadas por la actualización de los regímenes de
inversión y de patrimonio adecuado.

En términos de régimen de inversión, el Ministerio de Hacienda y Crédito Público

llevó a cabo una actualización de los regímenes para inversionistas instituciona-
les, lo que derivó en un nuevo marco regulatorio para la inversión de las reservas
técnicas de las compañías de seguros. Esta nueva regulación tiene en cuenta la
naturaleza de los pasivos de las compañías de vida y generales, contando con
un régimen diferenciado para cada una de ellas. Adicionalmente, se establecen
nuevos límites de inversión por instrumento y se imponen algunos otros.

En términos de patrimonio adecuado se establecen requerimientos de capital por

riesgo de activo y de mercado en adición al riesgo de suscripción. Dado que
antes de la actualización, el patrimonio adecuado se calculaba únicamente
teniendo en cuenta el riesgo de suscripción, esta nueva normativa aumenta
considerablemente los requisitos de capital de las compañías aseguradoras.

En un informe presentado por Fasecolda en Enero de 2012 se señala que

durante el año 2011 hubo un buen desempeño en la industria aseguradora
colombiana, en el informe se mencionan las siguientes cifras:

25
Durante el 2011 la economía colombiana evidenció un importante dinamismo
que según las estimaciones del Gobierno alcanzaría un crecimiento del 5.5%,
jalonado principalmente por el sector de minas y petróleos. Por su parte, la
industria aseguradora registró un crecimiento real de 11% en las primas emitidas,
con una producción de primas de $14 billones, gracias al buen desempeño de la
economía, la disminución del desempleo y la expansión del crédito y el consumo.

Frente a este resultado y dentro de los principales ramos, se destaca el

crecimiento de las primas de riesgos profesionales, lo que prueba que los
colombianos reconocen la importancia del sistema como aliado de su protección
y seguridad en el trabajo. El número de afiliados pasó de 6.820.789 a 7.851.817
trabajadores.

El comportamiento estuvo influenciado principalmente por la disminución del

desempleo y el aumento de la formalización en cerca de 400 mil empleados,
según cifras del DANE. También se destacan los resultados de los ramos de
Automóviles y SOAT, que se explican por un mayor número de vehículos
asegurados y la dinámica observada en la venta de vehículos nuevos el año
anterior que aumentó 27,8%.

El ramo de Transporte registró un crecimiento del 7% en las primas emitidas, el

mejor de los últimos 10 años, dado el dinamismo del comercio exterior y de los
sectores automotriz y de hidrocarburos que motivaron el transporte de carga en
el país. Por su parte el ramo de cumplimiento presenta un crecimiento en la
producción de $73 mil millones, explicado por el aumento de la contratación
estatal, que en 2011, en cuanto a contratos adjudicados por licitación pública,
ascendió a 16,2 billones de pesos y a 2.454 contratos. Dos ramos que
contribuyen positivamente en este resultado y comienzan a tener importancia en
Colombia son: el seguro educativo y el seguro de desempleo.

26
El primero, que garantiza la educación superior de los hijos, tuvo un aumento
del 23% en primas emitidas, alcanzando alrededor de 25 mil asegurados, lo que
evidencia una mayor conciencia de riesgo y una mayor demanda por este tipo
de productos. El seguro de desempleo, pasó de una producción de $36 mil
millones en 2010, a $116 mil millones en 2011. El comportamiento del crédito
influyó en este resultado, así como las alianzas entre compañías de seguros y
bancos para la comercialización del producto. Lo anterior demuestra la
pertinencia de que el gobierno y el legislativo estudien mecanismos para
desarrollar este producto en aras de ampliar su cobertura a más colombianos.

Uno de los puntos que genera preocupación en la industria es la desaceleración

del mercado de rentas vitalicias, pues en el 2011 tan sólo se vendieron 110
rentas de vejez, lo que demuestra que hay impedimentos para hacer más
atractiva la colocación de este producto, particularmente los relacionados con el
incremento del salario mínimo.

En cuanto al pago por reclamaciones o siniestros en 2011 se registró un aumento

del 16% con respecto a 2010. En los ramos de daños este comportamiento se
dio como consecuencia de la ola invernal y en los ramos de la seguridad social,
principalmente por el impacto en el seguro previsional, debido a la inestabilidad
jurídica que actualmente entorna al Sistema Pensional. Lo anterior afectó el
resultado técnico o de operación de la industria, el cual se deterioró en 163 mil
millones de pesos, pese al eficiente manejo de los gastos administrativos.

Los resultados financieros también sufrieron un deterioro frente a 2010. Los

rendimientos del portafolio de inversiones (que incluyen TES y acciones)
disminuyeron en $630 mil millones con respecto al año anterior. Este
comportamiento corresponde a lo evidenciado en los mercados financieros,
donde las bolsas de valores cayeron drásticamente (-12.5% en la Bolsa de
Valores de Colombia). La combinación de los factores anteriores técnicos y
financieros arrojó utilidades para la industria de $530 mil millones.

27
Las perspectivas de crecimiento del sector son bastante positivas ya que, como
se comentó anteriormente, se espera que los países emergentes jalonen el
crecimiento económico mundial durante los próximos años, situación que, unida
con la baja penetración de los seguros, permitirá un mayor desarrollo de la
industria aseguradora de estos países. Proyecciones de la Swiss Re para el
sector asegurador colombiano estiman un crecimiento anual promedio de 5.3%
para los seguros de daños y de 9.5% en seguros de vida y salud para los
próximos 10 años, siendo estos últimos los más dinámicos de Latinoamérica.

El 2012 parece ser un año crucial para la industria aseguradora colombiana:

deberá prepararse para la liberalización financiera que se dará en 2013 y
permitirá la compra de seguros en el extranjero, ajustarse a nuevos estándares
de regulación en materia de reservas técnicas, migrar hacia estándares
internacionales contables, y compensar las caídas en el producto de las
inversiones con mejoras en el resultado técnico. Así mismo, se vislumbran retos
en innovación, especialmente en materia de seguro agrícola y seguro de
desempleo, entre otros tantos.12

4.4. MODELOS DE PRONÓSTICO, SUS CARACTERÍSTICAS Y ALGUNAS

APLICACIONES

Habiendo revisado la situación del sector asegurador, algunos estudios y

hallazgos relevantes en el tema, se considera conveniente aclarar algunos de
los conceptos y métodos de pronóstico más utilizados, sus elementos, sus
ventajas y deficiencias, así como reseñar algunos estudios que se han realizado
con base en la implementación de modelos de pronóstico de la demanda
buscando con esto la proximidad al objetivo de la presente investigación como
es el diseño de un modelo que permita estimar la demanda de los productos que
ofrece una compañía aseguradora.

12 FASECOLDA. Federación de Aseguradores Colombianos. Comunicado de Prensa. Enero de 2012. [online] [citado
el 24 de Febrero de 2012]. Disponible en Internet
<http://www.fasecolda.com/fasecolda/BancoMedios/Documentos%20PDF/resultados%20industria%202011.pdf>

28
4.4.1. ¿Qué es el pronóstico de la demanda?

Un pronóstico de la demanda es una predicción de lo que sucederá con las

ventas existentes de los productos de una empresa. Lo ideal es determinar el
pronóstico de la demanda con un enfoque multifuncional. Se debe considerar las
entradas de ventas y mercadeo, finanzas y producción.

La empresa se mueve en un contexto altamente incierto, política, tecnología y

medio ambiente repercuten sobre variables relevantes para la empresa: costos
de producción, inventarios, volumen de ventas. La empresa debe tomar
decisiones sobre: factores controlables tomando en cuenta factores
incontrolables.

El objetivo de los pronósticos es reducir la incertidumbre del futuro, mediante la

anticipación de eventos cuya probabilidad de ocurrencia sea relativamente alta,
respecto a otros eventos posibles. Apoyar la toma de decisiones y prepararse
ante estos eventos.

Los principales problemas a resolver al implementar un modelo de pronóstico

son:

1. Incertidumbre
– Demanda y tiempo de entrega inciertos
– Capacidad incierta. Inventarios
– Oferta incierta
2. Variabilidad
– La demanda cambia
– La capacidad cambia. Puntos de re-orden
– La oferta cambia

Las estrategias que se pueden implementar para enfrentar estos problemas son:

29
1. Reducir variabilidad e incertidumbre:
– Mejor pronóstico
– Coordinar re abastecimiento y entregas
– Capacidad de reserva
2. Minimizar efecto de distorsión de la demanda
– Crear estrategias especiales
3. La planta productora espera hasta el último momento para enviar los
materiales (Posponement)
4. VMI (Inventario manejado por el proveedor).
5. CPFR (Planeamiento Participativo, Pronóstico, y Reabastecimiento)13

La determinación de los pronósticos de la demanda se realiza con los siguientes

pasos:

1. Determinación del uso del pronóstico

2. Selección de los ítems del pronóstico
3. Determinación del marco de tiempo del pronóstico
4. Selección de los modelos de pronóstico
5. Recopilación de datos
6. Realización del pronóstico
7. Validación e implementación de los resultados

4.4.2. Naturaleza de los sistemas de pronósticos

El primer aspecto que debe tenerse en cuenta es que los pronósticos de

demanda siempre estarán errados. Esto no es sorprendente ya que cuando se
pronostica, se está anticipando lo que ocurrirá en el futuro. La clave del éxito de
un sistema de gestión de inventarios es, por lo tanto, conocer a fondo los errores

13ROMERO HERNÁNDEZ Omar. "Pronóstico de la Demanda". Diplomado de Planeación y Dirección de Operaciones.

Módulo 1. Capítulo II. Los Pronósticos. s.f. [online] [citado el 24 de Febrero de 2012]. Disponible en Internet
<http://catarina.udlap.mx/u_dl_a/tales/documentos/mepi/nava_n_g/capitulo2.pdf>

30
del pronóstico y responder a ellos en forma adecuada mediante la utilización de
inventarios de seguridad.

El segundo aspecto de importancia en un sistema de pronósticos es la definición

del tipo de pronóstico a utilizar. Diversos autores reconocen los siguientes
métodos de pronósticos:

Métodos cualitativos de pronóstico: Son fundamentalmente subjetivos y se

utilizan ante la carencia de datos históricos. Son basados prácticamente en la
experiencia del analista. Pueden ser muy importantes para el caso de
pronósticos de demanda de ítems nuevos. Una extensa revisión de bibliografía
y análisis sobre este tema puede encontrarse en Fildes et al. (2009) 14 y en
Lawrence et al. (2006)15.

Tabla 2: Métodos Cualitativos de Pronóstico

Método cualitativo Descripción

Jurado de Se reúnen las opiniones de un grupo pequeño de gerentes de alto
opinión ejecutiva nivel que juntas estiman la demanda. El grupo utiliza su
experiencia directiva y en algunos casos la suma a los resultados
de modelos estadísticos.
Compuesto Se pide a cada vendedor (por ejemplo por cubrimiento territorial)
del departamento proyectar sus ventas. Como el vendedor es el más cercano al
de ventas mercado tiene la capacidad de conocer la demanda de los
clientes. Las proyecciones se combinan después a nivel
municipal, provincial y regional.
Método Delphi Se identifica un panel de expertos en el que los expertos pueden
ser gerentes, empleados comunes, o expertos del sector. A cada
uno de ellos se les solicita individualmente su estimación de la
demanda. Se realiza un proceso iterativo hasta que los expertos
alcancen un consenso.

14 FILDES, R., P. GOODWIN, M. LAWRENCE, & K. Nikolopoulos (2009). Effective forecasting and judgmental
adjustments: an empirical evaluation and strategies for improvement in supply-chain planning. Citado por VIDAL
HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión de Inventarios

15LAWRENCE, M., P. GOODWIN, M. O´Connor, & D. Önkal (2006). Judgmental forecasting: A review of progress
over the last 25years. Citado por VIDAL HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión de Inventarios

31
Encuesta del mercado de Se pregunta a los clientes sobre sus planes de compras y su
consumidores comportamiento de compras proyectado. Se necesita a una gran
cantidad de encuestados para poder generalizar ciertos
resultados.

Fuente: Smetooltik. PYME

Métodos cuantitativos de pronóstico: Hay dos modelos de pronóstico en este

caso, el modelo de series de tiempo y el modelo causal. Una serie de tiempo es
un conjunto de datos numéricos uniformemente separados que se obtiene
observando respuestas a intervalos regulares de tiempo. En el modelo de series
de tiempo el pronóstico se basa solamente en datos anteriores y asume que los
factores que influencian las ventas pasadas, presentes y futuras de sus
productos continuarán. 16

Por otro lado, el modelo causal utiliza una técnica matemática conocida como el
análisis de regresión que relaciona una variable dependiente (por ejemplo, la
demanda) con una variable independiente (por ejemplo, el precio, publicidad,
etc.) en la forma de ecuación lineal. Los métodos de pronóstico de series de
tiempo están descritos a continuación:

Tabla 3: Métodos de Pronósticos de Series de Tiempos.

Método de
Descripción
Pronóstico series
de tiempo
Enfoque simplista Asume que la demanda en el siguiente período es igual que la demanda en el más
reciente período; el patrón de la demanda puede no siempre ser completamente
estable
Por ejemplo:
Si las ventas de julio fueron 50, las ventas de agosto también serán 50
Promedio móvil El PM es una serie de promedios aritméticos y se utiliza si existe poca o ninguna
(PM) tendencia en los datos; ofrece una impresión general de los datos en el tiempo
Un promedio móvil simple utiliza la demanda promedio durante una secuencia fija
de períodos y es bueno para una demanda estable sin patrones pronunciados de
comportamiento.
Ecuación:
P 4 = [D 1 + D2 + D3] / 4
P – Pronóstico, D – Demanda, No. – Periodo

16
SMETOOLTIK Instituto PYME. "Pronóstico de la Demanda". s.f. [online] [citado el 24 de Febrero de 2012].
Disponible en Internet http://mexico.smetoolkit.org/mexico/es/content/es/416/Pron%C3%B3stico-de-la-demanda

32
 Un promedio móvil ponderado ajusta el método de promedio móvil para reflejar
fluctuaciones con mayor exactitud asignando mayor peso a los datos más recientes,
lo que significa que los datos más viejos son por lo general menos importantes. Los
pesos se basan en la intuición y están entre 0 y 1 y deben sumar un total de 1.0
Ecuación:
PMP 4 = (P) (D3) + (P) (D2) + (P) (D1)
PMP – Promedio móvil ponderado, P – Peso, D – Demanda, No. – Periodo

Suavización La suavización exponencial es un método de ponderación que responde más

exponencial fuertemente a cambios recientes en la demanda asignando una constante de
suavización que es más fuerte para los datos más recientes; es útil si los cambios
recientes en los datos son el resultado del cambio real (ej., patrón de temporada) y
no solo fluctuaciones aleatorias
P t + 1 = a D t + (1 - a ) P t
Donde
P t + 1 = pronóstico del siguiente periodo
D t = demanda real en el actual periodo
P t = el pronóstico determinado anteriormente para el actual período
a = un factor de ponderación llamado la constante de suavización

Descomposición La descomposición de series de tiempo ajusta la estacionalidad multiplicando el

de series pronóstico normal por un factor de temporada
de tiempo

Fuente: Smetooltik. PYME

- Por analogía: Estos métodos se basan en la observación de hechos pasados

similares al que se quiere pronosticar. Por ejemplo, cuando se trata de
pronosticar la demanda de una promoción de un producto, se analiza lo que pasó
en promociones anteriores semejantes. Lee et al. (2007)17 proveen un extenso
análisis acerca del uso de analogías para el pronóstico de demanda.

- Simulación: Son métodos que generalmente combinan estrategias de series

de tiempo con pronósticos causales. En estos métodos se trata de simular el
comportamiento de los clientes para inferir los niveles de demanda futuros.

- Combinación de los anteriores: Tienen un gran potencial y suelen ser los más
efectivos en la mayoría de los casos. A continuación se detallan otros aspectos
fundamentales que caracterizan un sistema de pronósticos.

17LEE, W.Y., P. GOODWIN N, R. FILDES, K. NIKOLOPOULOS, & M. Lawrence (2007). Providing support for the use of
analogies in demand forecasting tasks. Citado por VIDAL HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión
de Inventarios

33
4.4.3. Pasos fundamentales y ambiente general de un sistema de
pronósticos

La implementación exitosa de un sistema de pronósticos requiere de ciertos

pasos a considerar. Estos son:

- Definir y comprender qué se desea pronosticar y para qué se van a utilizar los
pronósticos. No es lo mismo la realización de pronósticos para efectos de control
estadístico de la calidad de un producto que los pronósticos de demanda de un
producto para efectos de planeación de compras y despachos, por ejemplo.

- Establecer canales de comunicación adecuados entre todos los elementos de

la cadena de abastecimiento con el objeto de tomar las decisiones en forma
integral. Por ejemplo, si un pronóstico de ventas realizado por el departamento
de mercadeo no se comunica a tiempo a los planeadores de demanda, a los
administradores de materias primas y a la planta de producción, muy
probablemente dicho pronóstico no se podrá cumplir. A veces resulta increíble,
pero en la práctica muchas veces se presenta una gran desinformación entre
los departamentos de una misma empresa, lo que causa grandes problemas en
la obtención, análisis y utilización de los pronósticos de demanda.

- Analizar detalladamente cualquier factor que pueda afectar al pronóstico.

Dentro de estos factores se puede mencionar la forma como el producto se va a
adquirir o a producir, la segmentación de los clientes y la naturaleza del producto
(consumo masivo, grado de substitubilidad, perecedero o no, etc.), entre otras
posibles. Definir un sistema adecuado de pronósticos y de medición del error del
pronóstico para cada caso en particular. Por ejemplo, no es lo mismo pronosticar
ítems con demanda estable e ítems con demanda errática.

Fildes et al. (2006)18 expresa que los pronósticos son típicamente producidos
por la combinación del juicio administrativo y técnicas cuantitativas, dentro de un

18
FILDES, R., P. GOODWIN, M. LAWRENCE, & K. NIKOLOPOULOS (2009) Op.cit.

34
sistema de soporte para pronósticos. En su artículo, los autores mencionan que
a menudo no se da esta integración con los consiguientes efectos negativos en
la precisión del pronóstico e identifican factores para disminuir este efecto.
Obsérvese dentro de este contexto la importancia de la medición y utilización de
los errores de pronóstico, los cuales son la fuente de análisis para determinar la
conveniencia del modelo utilizado. Los errores de pronóstico son básicos
principalmente por tres razones:

- Proveen una forma de estimar la variabilidad de la demanda y de determinar el

inventario de seguridad adecuado, lo cual es fundamental para balancear los
inventarios y evitar el problema de ítems clave agotados y exceso de ítems
menos importantes.
- Permiten determinar la conveniencia del modelo de pronósticos seleccionado
o de la posible actualización de sus parámetros.
- Ilustran al administrador para su intervención en el pronóstico.

Otro aspecto inherente a un sistema de pronósticos es el costo total del sistema

escogido. Entre más sofisticado sea el sistema de pronósticos, probablemente
se podrá pronosticar mejor la demanda y su variabilidad, pero a la vez esto
tendrá un mayor costo al requerirse mayor esfuerzo humano y de computación.
Si por el contrario se utiliza un sistema de pronósticos menos complejo, los
costos de operación del sistema serán menores, pero la precisión de los
pronósticos será menor, lo que puede causar pérdidas debidas a la presencia de
mayores fuentes de variabilidad.

El sistema de pronósticos ideal debería operar cerca de la zona donde el costo

total es mínimo y donde exista un equilibrio entre la precisión deseada del
pronóstico y el costo asociado de obtenerla. El arte del analista consiste
entonces en seleccionar, de acuerdo con esto y con las condiciones particulares
de su organización, el mejor sistema de pronósticos.

35
Una práctica muy común es la de pronosticar las ventas y no la demanda. La
diferencia es que cuando no ocurre una venta, sí pudo haber ocurrido una
demanda, la cual no pudimos satisfacer por no tener disponible el producto o por
algún otro motivo. También puede presentarse una venta parcial por no disponer
de la totalidad de la cantidad demandada. Esta demanda se denominará de
ahora en adelante “demanda no servida o demanda no satisfecha”.

A pesar del impacto significativo que tiene la demanda no servida sobre los
pronósticos de demanda, usualmente no es fácil determinarla. Por ejemplo, en
un supermercado un cliente se acerca a una góndola y al no encontrar el
producto que estaba buscando, probablemente escogerá y comprará otro
producto de diferente marca, de acuerdo con su grado de substitubilidad. Esta
demanda no servida del producto de la marca original, sin embargo, no queda
registrada en parte alguna. Es por eso que ocasionalmente en algunos
supermercados, al pagar en la caja registradora se le pregunta al cliente si hubo
algún producto que estaba buscando y que no encontró y de ser así, éste se
anota.

4.4.4. Elementos de tiempo en un sistema de pronósticos

Existen tres factores de tiempo que deben especificarse en cualquier sistema de
pronósticos, a saber:

- El período del pronóstico,

- El horizonte de planeación del pronóstico, y
- El intervalo del pronóstico.

El marco de tiempo del pronóstico se clasifica como sigue:

Tabla 4: Clasificación del Tiempo de Pronóstico

Descripción Horizonte del pronóstico

36
 Corto plazo Mediano plazo Largo plazo
Generalmente menos
Duración de 3 meses, máximo De 3 meses a 3 años Más de 3 años
de 1 año
Desarrollo de nuevos
Planificación de Planificación de
productos,
Aplicabilidad tareas, asignación de ventas y producción,
planificación de
trabajadores presupuestos
instalaciones

Fuente: Smetooltik. PYME

El período del pronóstico es la unidad básica de tiempo para la cual se realiza el

pronóstico y depende de la naturaleza del proceso bajo estudio y de la forma
como se registran las transacciones en la organización. Por ejemplo, en muchos
sistemas es usual tomar como período de tiempo una semana, aunque si se
desea llevar este pronóstico a diario, esto puede hacerse.

Es muy sencillo implementar pronósticos semanales o mensuales a partir de

datos diarios de demanda, pero lo contrario no es posible. Por ello, si usted
piensa que eventualmente va a necesitar períodos del pronóstico más cortos,
debería registrar las ventas y la demanda no servida con una base diaria, por
ejemplo, así en un comienzo sólo utilice los datos agrupados en forma semanal
o mensual.

En algunas ocasiones, la escogencia del período del pronóstico es crucial para

el buen comportamiento del sistema. Por ejemplo, usualmente las demandas
diarias de productos en un supermercado dependen del día de la semana. Así,
es común que en los días sábados y domingos o en los días cercanos a la fecha
de pago, las ventas de un supermercado se incrementen con relación a los
demás días de la semana.

Por eso, al escoger un período del pronóstico igual a un día, podríamos estar
induciendo alta variabilidad en los datos diarios, mientras que si agrupamos las
demandas en forma semanal, por ejemplo, es posible que dichas variaciones
diarias se amortigüen y así la variabilidad del pronóstico disminuya. El estudio
detallado de este factor en cada caso, es por supuesto lo recomendable. Un caso

37
real que considera las diferencias de demanda entre los días de semana puede
consultarse en Zamora y Ruiz (2008). 19

El horizonte de planeación del pronóstico es el número de períodos en el futuro

cubiertos por el pronóstico. Por ejemplo, se puede pronosticar hoy la demanda
semanal para las próximas cuatro semanas. Sin embargo, usualmente el
horizonte de planeación es de un solo período, o sea la próxima semana, en este
caso. El horizonte de planeación no debe ser menor que el tiempo necesario
para implementar la decisión correspondiente. Si se está efectuando un
pronóstico de demanda con horizonte diario, por ejemplo, esto no sería de mucha
utilidad si la recepción de las órdenes tardara más de un día.

El intervalo del pronóstico es la frecuencia con la que se efectúan los nuevos

pronósticos, a medida que se vaya obteniendo información adicional. A menudo
este intervalo coincide con el período principal del pronóstico. Para la
determinación del intervalo del pronóstico es importante tener en cuenta el modo
en el que opera el sistema de procesamiento de datos de la organización, el cual
provee la información sobre la variable que se pronostica. Si, por ejemplo, la
información se actualizara diariamente, cualquier período de tiempo igual o
superior a un día podría ser adecuado para escoger el intervalo de pronóstico.
Se recomienda, sin embargo, en cuanto sea posible hacer coincidir al intervalo
del pronóstico con su período base.

4.4.5. Indicadores de eficiencia de un sistema de pronósticos

Cualquier sistema de pronósticos se justifica si es útil para el proceso de toma

de decisiones, por ejemplo, niveles de inventario a mantener, determinación de
las cantidades a comprar, etc. Los principales indicadores de eficiencia de un

19 ZAMORA A. & C.R. RUIZ (2008). Sistema de despacho automático de bodega a puntos de venta para abarrotes en
una cadena de supermercados. Citado por VIDAL HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión de
Inventarios

38
sistema de pronósticos están relacionados entonces con precisión, costo,
utilidad de los resultados, estabilidad y respuesta del sistema de pronósticos.

La precisión de un pronóstico se mide con base en los errores de pronóstico, los

cuales se calculan como la diferencia entre el valor real observado y su
pronóstico, calculado en algún período antes, generalmente en el período
anterior al observado. Obviamente, el cálculo del error de pronóstico solo puede
hacerse después de conocerse el valor real observado de la variable que se está
estimando. La expresión más común para el cálculo de este error es la siguiente:

De acuerdo con Silver et al. (1998, pp. 78-79)20, la utilidad de los resultados se
mide principalmente con base en el grado de aceptación, credibilidad y utilización
que se le dé al sistema de pronósticos. Idealmente, un sistema de pronósticos
debería:
- Estimar la demanda esperada en el corto plazo, pero también proveer
mecanismos para estimar dicha demanda en el mediano y largo plazo para
efectos de planeación agregada esto corresponde a los denominados
pronósticos acumulados.
- Estimar adecuadamente los errores de pronóstico.
- Actualizar los pronósticos periódicamente de tal manera que cualquier
corrección pueda hacerse rápidamente.
- Balancear el costo de los errores de pronóstico obtenidos contra el costo de
generarlos.
- Permitir el juicio y la intervención humanos para refinar y modificar los
pronósticos, si así se considerare necesario.
- Ser robusto, o sea proveer pronósticos que no se vean afectados
significativamente por factores incontrolables al sistema, tales como las
variaciones aleatorias naturales del proceso bajo estudio.

20 SILVER, E.A. & D.J. ROBB (2008). Some insights regarding the optimal reorder period in periodic review
inventory systems . Citado por VIDAL HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión de
Inventarios

39
- Ser comprensible para la administración del sistema y todo el personal
involucrado directa o indirectamente en el proceso, en la medida que no solo
deben usarse sus resultados, sino comprender muy bien los mecanismos
internos que lo gobiernan.

Este problema ocurre cuando se utiliza indiscriminadamente software para

pronósticos. De hecho, según Sanders y Manrodt (2003)21, de 240 compañías
estadounidenses encuestadas, 48% utilizaban hojas electrónicas para hacer sus
pronósticos, mientras que solamente el 10.8% de las mismas reportaron el uso
de software comercial de pronósticos.

Además, el 60% de las mismas dijeron estar insatisfechas con el comportamiento

de su software de pronósticos. Las conclusiones principales de este estudio son,
por una parte, que las empresas que utilizan procesos más formales de
pronósticos obtienen los mejores resultados y, por otra parte, que la más
probable causa de insatisfacción con los sistemas de pronósticos es la dificultad
en comprender los resultados y la dificultad de lectura de los reportes. Esto
sugiere que una muy buena opción es la implementación de técnicas de
pronósticos formales desarrollados con base en el sistema de información propio
de la empresa. Por ello, es recomendable que en lo posible la organización
genere sus propios programas y técnicas de pronósticos o, en su defecto, evalúe
detalladamente la conveniencia de una u otra alternativa.

La estabilidad y respuesta del sistema de pronósticos tiene que ver con el hecho
de que este no debe ser exageradamente sensible que responda
aceleradamente a las variaciones aleatorias naturales del proceso bajo estudio,
ni tampoco que su respuesta sea tardía o inexistente a cambios reales de la
tendencia de la demanda, esto se controla a través de las señales de rastreo y
de la actualización de los parámetros del sistema de pronósticos escogido, como
por ejemplo con el valor del número de períodos N a considerar para el cálculo

21 SANDERS, N.R. & K.B. MANRODT (2003). Forecasting Software in Practice: Use, Satisfaction and
Performance. Citado por VIDAL HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión de Inventarios.

40
del promedio móvil y con la constante de suavización para el caso de los
métodos de suavización exponencial. 22

Un supuesto en muchas técnicas de series de tiempo es que los datos son

estacionarios, donde su media, variancia y auto correlación no cambia en el
tiempo, tampoco se presentan patrones de estacionalidad, sin embargo en la
práctica si se presentan estos patrones de tendencia y de estacionalidad y es
necesario contar con modelos que las consideren.

En el caso de la tendencia, se pueden ajustar los datos con algún tipo de curva
o recta y modelar los residuales. Como el propósito del ajuste es simplemente
remover la tendencia a largo plazo, una línea recta es suficiente.

4.4.6. Métodos de pronóstico

Metodología de series de tiempo: Es una secuencia ordenada de valores de

una variable en intervalos de tiempo periódicos y consecutivos. Los métodos de
análisis de series de tiempo consideran el hecho que los datos tomados en
diversos periodos de tiempo pueden tener algunas características de auto
correlación, tendencia o estacionalidad que se debe tomar en cuenta. Los
métodos de series de tiempo incluyen métodos de pronóstico suavización
simples, métodos de análisis de correlación y métodos de Box Jenkins ARIMA.

Los modelos de series de tiempo son las técnicas de pronósticos que se basan
únicamente en la historia de la demanda del ítem que se está pronosticando.
Trabajan capturando los patrones en los datos históricos extrapolándolos en el

22
Vidal Holguín, Carlos Julio "Fundamentos de Control y Gestión de Inventarios". Universidad del Valle.
Facultad de Ingeniería. Santiago de Cali. Agosto de 2010. Capítulo 3. Páginas 41 - 51

41
futuro. Los Modelos de series de tiempo son adecuados cuando se puede asumir
una cantidad razonable de datos y una continuidad en el futuro próximo de las
condiciones que se presentaron en el pasado. Estos modelos se adaptan mejor
al corto plazo del pronóstico.

Esto se debe a la hipótesis de que los patrones pasados y las tendencias

actuales se asemejan a los patrones y tendencias que se van a presentar en el
futuro. Esto es una suposición razonable en el corto plazo, pero va perdiendo
validez en el largo plazo.

La aplicación de estos métodos tiene dos propósitos: comprender las fuerzas de

influencia en los datos y descubrir la estructura que produjo los datos
observados. Ajustar el modelo y proceder a realizar pronósticos, monitoreo,
retroalimentación y control en avance. Las aplicaciones incluyen pronósticos
económicos, análisis de presupuesto, análisis del mercado, etc.

Promedios móviles: Igual al año anterior, incrementos porcentuales y ajustes a

la curva son los modelos de series de tiempo más sencillos los cuales pueden
ser utilizados para generar pronósticos. Estos modelos pueden ser
implementados a través de hojas de cálculo rápidamente y no requieren un
conocimiento experto en estadística por parte de quien los realiza, usualmente
estos modelos son muy simples y para tener mayor exactitud en el pronóstico
las compañías casi siempre deben acudir a modelos alternativos de series de
tiempo.

Métodos de pronóstico suavización exponencial: se basan en la idea de que

hay patrones visibles en una gráfica de series de tiempo que pueden ser
extrapolados al futuro. El método se selecciona dependiendo de si los patrones
son estáticos (constantes en el tiempo) o dinámicos (cambian en el tiempo), la
naturaleza de los componentes de tendencia y estacionalidad y que tan lejos se
quiera pronosticar, son métodos generalmente fáciles y rápidos de aplicar.

42
Los métodos de suavización modelan componentes en una serie que
normalmente son fáciles de ver en una serie de tiempo este método descompone
los datos en sus partes componentes y los extiende al futuro para pronosticar.
Se pueden seleccionar los métodos siguientes:

1. Métodos estáticos de análisis de tendencias y descomposición para

patrones que no cambian con el tiempo.
2. Métodos dinámicos de promedio móvil; métodos de suavización
exponencial simple y doble y método de Winters. Para patrones que
cambian en el tiempo y sus estimados son determinados por los valores
más cercanos.

Se pueden usar los dos métodos combinados, es decir se puede utilizar un

método para modelar un componente y otro para modelar otros componentes,
por ejemplo:

 Ajustar una tendencia por medio de un análisis de tendencias estático y

dinámicamente modelar el componente estacional en los residuos usar el
método de Winters.
 Ajustar un modelo estático de estacionalidad por medio de la
descomposición y dinámicamente modelar los componentes de la
tendencia en los residuos usando un modelo de suavización exponencial
doble.
 Ajustar con modelos de tendencia y descomposición al mismo tiempo.

Una desventaja de combinar métodos es que los intervalos de confianza de los

pronósticos no son válidos.23

Box-Jenkins (modelos ARIMA): Los modelos de Box-Jenkins son similares a

los modelos de suavización exponencial en que ambos son adaptativos, pueden

23
MONTBOMERY, D.C., L.A. JOHNSON, & J.S. Gardiner (1990). Forecasting & Time Series Analysis. Citado por VIDAL
HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión de Inventarios.

43
capturar tendencia y patrones estaciónales y son automatizables, se diferencia
en que los modelos Box-Jenkins son basados en auto correlaciones en lugar de
una vista estructural de nivel, tendencia y estacionalidad. Los modelos de Box-
Jenkins tienden a obtener mejores resultados que los modelos de suavización
exponencial para series de tiempo más largas y estables no son buenos para
datos con ruido y alta volatilidad.

Modelo de demanda intermitente de Croston: El modelo de Croston está

específicamente diseñado para series de datos donde la demanda para un
periodo determinado a menudo es cero y el calendario exacto de la siguiente
orden no se conoce. Los datos se caracterizan por un bajo volumen, productos
fabricados especialmente para un cliente específico o piezas de repuesto a
menudo presentan este tipo de patrón de la demanda. El pronóstico no es
milagroso (no van a indicarle cuando se pondrá la próxima orden) sin embargo
a menudo producen un mejor pronóstico que otros enfoques de series de tiempo.

En el diseño e implementación de un modelo de pronóstico de la demanda es

fundamental el adecuado manejo del inventario pues este permite determinar
de qué productos se dispone y cuáles son más probables que demanden los
clientes. Hay dos razones principales por las que un sistema de control de
inventario tiene que ordenar elementos tiempo antes de que los clientes realicen
sus pedidos.

En primer lugar, existe casi siempre un lapso entre el momento en que se hacen
los pedidos y el tiempo de entrega. En segundo lugar, debido a ciertos costos de
orden, a menudo es necesario ordenar en lotes en lugar de unidad por unidad.
Esto significa que se debe mirar hacia adelante y prever la demanda futura.

Un pronóstico de la demanda es un promedio estimado del tamaño de la

demanda en el futuro pero no es suficiente para estimar la demanda promedio,
también es necesario determinar qué tan incierto es el pronóstico. Si el
pronóstico es más incierto, se requiere un stock de seguridad más grande. Por

44
consiguiente, también es necesario para estimar el error de pronóstico, que
puede ser representado por la desviación estándar o la desviación media
absoluta (MAD).

A continuación el autor considera los métodos de predicción que son adecuados

en relación con el control de inventario, lo típico de estas previsiones es que se
refieren a un tiempo relativamente corto.

• La extrapolación de los datos históricos. Al extrapolar los datos históricos, el

pronóstico se basa en los datos de la demanda anterior. Las técnicas disponibles
se basan en métodos estadísticos para análisis de series temporales. La
extrapolación de datos históricos es la más común e importante aproximación a
la obtención de pronósticos en un horizonte de corto.

• Aislamiento sistemas de control de inventario. No es ningún problema

actualizar periódicamente las previsiones de miles de objetos, lo cual es un
requisito común en relación con el control de inventario práctico.
• Previsiones sobre la base de otros factores. Es muy común que la demanda de
un elemento depende de la demanda de algunos otros artículos, pero también
hay otros factores que sería razonable tener en cuenta en la previsión de la
demanda. Supongamos, por ejemplo, que una campaña de ventas está a punto
de comenzar o que un producto de la competencia se introduce en el mercado.

Es evidente que esto puede significar que los datos históricos ya no son
representativos mirando hacia el futuro. Normalmente es difícil tomar en cuenta
tales factores en la previsión de un sistema computarizado de control de
inventario. Por tanto, es generalmente más práctico para ajustar manualmente
la previsión en caso de tales eventos especiales.24

24COHEN Roger. Gestión de Recursos. FIUBA. "Pronósticos". s.f. [online] [citado el 13 de Marzo de 2012].
Disponible en Internet <http://materias.fi.uba.ar/7628/PronosticosTexto.pdf>

45
Durante las últimas tres décadas, se han hecho importantes avances en el
desarrollo de técnicas de pronóstico de ventas que permiten reflejar con
precisión las condiciones del mercado. Sin embargo, la práctica de encuestas de
previsión de ventas continúa informando sólo ganancias marginales en el
desempeño de los pronósticos de ventas. Esta brecha entre la teoría y la práctica
ha sido identificada como un problema importante para la investigación de
previsión de ventas. La literatura de pronósticos señala que el problema debe
abordarse mediante el examen de los factores organizativos en la gestión de
previsión de ventas.

Davis y Mentzer en su trabajo, proponen un marco basado en la teoría de los

factores organizativos en la previsión de la gestión de ventas que integra la
investigación del clima organizacional, capacidad de organización, el aprendizaje
organizacional y la previsión de ventas. La evidencia empírica de la adecuación
entre la práctica de la previsión de ventas y la estructura conceptual en un
análisis del contenido de los textos de la entrevista de un extenso estudio de
campo que involucró a 516 profesionales en 18 empresas de fabricación
global.25

Para diseñar e implementar un modelo de pronóstico de demanda de un

producto es necesario conocer los diferentes métodos y modelos que más
frecuentemente se utilizan; el método Croston es el método estándar para
predecir la demanda intermitente.

Se ha demostrado que funciona bien en diversos estudios y está disponible en

paquetes de predicción más comerciales. Sin embargo, se le ha prestado poca
atención a su vinculación con el método de control de inventario, es decir,
utilizando los pronósticos generados para calcular los parámetros de control de
inventario. En este estudio se considera el más comúnmente aplicado y se

25DAVIS Donna y MENTZER John T. "Los Factores Organizativos en la Gestión de Previsión de Ventas".
Revista Escuela de Negocios. Universidad de Texas. 2007.

46
muestra cómo las previsiones se pueden utilizar para calcular los niveles
progresivos.

Varios autores han demostrado que el método de Croston es apropiado para

usar en un ambiente de demanda intermitente. Se utiliza ampliamente en la
industria y se incorpora en diversos paquetes de software de previsión de ventas
(ver Syntetos et al., 2005)26. El método genera por separado previsiones para el
tamaño de la demanda y el número de períodos entre las demandas, y utiliza la
razón como una estimación de la demanda esperada por período. También
actualiza la desviación absoluta del error de pronóstico.

Con el fin de utilizar el método Croston el para control de inventario, se tienen en

cuenta la distribución de probabilidad de la demanda en el tiempo, en este
método se considera que el tiempo de la demanda, es esencial. 27

En el mercado algunos productos que presentan un bajísimo nivel de demanda,

las tendencias de mercado para este tipo de productos y las características que
debe reunir un modelo de pronóstico de demanda para este tipo de productos,
los autores señalan que el fenómeno de la demanda positiva seguida por largos
períodos de demanda nula se produce en negocios numerosos. Cuando un
período de demanda es cero observado para un producto existente, un
pronóstico de cero para la futura demanda puede ser una estimación razonable
para un producto al final de su ciclo de vida.

Alternativamente, una estimación de cero para la demanda futura de un producto

puede ser demasiado conservadora si el producto es solamente de movimiento
lento. Quizás el período durante el que la demanda que se observa es
demasiado breve para establecer un pronóstico preciso de la demanda futura.

26 SYNTETOS, A.A. & J.E. Boylan (2005). The accuracy of intermittent demand estimates. International
Journal of Forecasting Citado por VIDAL HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión de
Inventarios.

27TEUNTER Ruud y BABANGIDA Sani. "Cálculo de las variaciones en los niveles de los productos con
demanda intermitente". Departamento de Gestión de la Ciencia. Universidad Lancaster. s.f.

47
Algunos autores afirman que una dificultad común en la previsión de movimiento
lento de inventario es la falta de información acerca de la demanda. Debido a las
fluctuaciones de compra del cliente, patrones resultantes en períodos aleatorios
de ninguna demanda, la demanda de un producto puede parecer ser cero, pero
su demanda futura aún puede ser lo suficientemente grande como para justificar
la realización del producto a largo plazo.

La tasa estimada de demanda futura de productos es un criterio utilizado para

determinar la viabilidad de mantener dicho producto en el inventario. Estos
productos no son productos nuevos, pero son productos cuya demanda se ha
observado durante un período determinado. Si la demanda del producto es
suave y continua, los métodos tradicionales de predicción a menudo
proporcionan estimaciones razonables de su tasa de demanda futura.
La gestión del inventario en un ambiente con productos que experimentan
intermitencias de la demanda puede ser débil, con poca información para
predecir con exactitud la demanda de cualquier producto. Algunos autores
examinan de forma estructurada la información, tales como las expectativas
sobre la probabilidad, para obtener mejores predicciones, el conocimiento de los
datos agregados se ha utilizado en previsión y se proponen la agregación de
productos y se muestran importantes mejoras en la estimación de los índices
estacionales de los datos agregados.

En contraste con la agregación de datos o previsiones para un conjunto

combinado de datos, un método utilizado en este trabajo cuenta con información
sobre la demanda de productos "periféricos" para predecir la demanda de la tasa
para un conjunto de productos que han mostrado ninguna demanda observada
durante un tiempo especificado período. Este grupo de productos es un subgrupo
de un grupo más amplio de productos, de los cuales algunos o todos pueden ser
de movimiento lento. Por ejemplo, la estimación de la demanda puede ser
conservadora porque el período en el que la demanda que se observa es
demasiado corto para obtener información precisa de la demanda.

48
Los productos observados incluyen este grupo de productos con demanda cero
y el "periférico" que son productos que muestran una demanda positiva. A
diferencia del modelo de previsión en que se realiza un pronóstico para todo el
grupo, una propuesta de estimación de la demanda se hace sólo para ese grupo
de productos que demostrado una demanda cero

En lugar de evaluar la exactitud de la estimación de la tasa de demanda, se

evalúa la fiabilidad de los intervalos de predicción propuestos para la tasa de
demanda. Esta evaluación se realiza a través de una simulación. Supuestos
subyacentes de la demanda de los productos son similares a la utilizada en
estudios previos en el modelo de baja rotación de inventarios.
Estos supuestos son que los productos tengan demanda independiente y que la
demanda de un producto siga un proceso de posicionamiento. Diversos autores
señalan que la distribución de probabilidad de posicionamiento domina la
investigación dedicada a la demanda de modelado de productos.

El inventario de baja rotación sería apropiado para los modelos propuestos que
tienen una demanda promedio por período que es baja .Los límites superior e
inferior de un intervalo de predicción para la demanda
proporcionan un rango para el nivel adecuado de existencias de seguridad.
Además, una sola estimación de la tasa de demanda puede inducir a error si la
varianza es grande.

Si el límite superior de la tasa de demanda estimada para un grupo de productos

está por debajo de un umbral de base económica de la demanda, un gerente
puede tener una justificación suficiente para dejar de mantener los productos en
el inventario.

Mejorar las metodologías de predicción para la construcción de intervalos de

confianza para la demanda futura de productos de lenta rotación al por menor
es deseable por varias razones. En primer lugar, a veces productos, tales como
los similares en la tienda de ropa de hombre deben ofrecerse, porque se espera

49
que estén disponibles. Una compañía puede incluso tener un producto crítico
que debe ser mantenido a pesar de las ventas son esporádicas. En estos casos,
la administración debe determinar un nivel adecuado de inventario disponible.

En segundo lugar, respecto a la distribución de la demanda subyacente puede

ser difícil estimar si las ventas observables no están disponibles. Las técnicas
más eficaces para predecir la demanda futura de inventarios de lenta rotación
pueden reducir costos de mantenimiento, reducir al mínimo la obsolescencia,
reducir el capital de trabajo que se requiere, aumentar los flujos de efectivo, así
como mejorar la capacidad para cumplir pedidos de los clientes.28

4.4.7. Tendencias en Servicios de Gestión y Demanda, centrado en el

Cliente

A pesar de la gran importancia de la gestión de demanda e inventarios, tanto en

satisfacción de los pedidos de los clientes (disminución de faltantes) como en el
costo de mantener los inventarios (disminución de excedentes), en la práctica
las empresas han introducido muy poca gestión e ingeniería logística en este
tema.

Además, su enfoque típico es “centrado en el producto” y no “centrado en el

cliente”, donde no se distinguen las diferentes necesidades de servicio de los
diferentes segmentos de clientes, sino que se trabaja en base a un “cliente
promedio” que se supone representativo de todos ellos. Las principales
deficiencias de los sistemas existentes en las empresas son:

A nivel de demanda:

28
LINDSEY Mathew y PAVUR Robert. Intervalos de predicción para la demanda futura de los productos
existentes con un observada demanda de cero. Revista Internacional de Publicaciones Económicas. Enero
de 2009.

50
1. La estimación de la demanda se realiza con un único método (principalmente
el promedio móvil), el cual no se ajusta correctamente a estacionalidades y
tendencias. Tampoco se consideran eventos: acciones ocasionadas por la
propia empresa y que alteran la demanda; y factores causales: factores externos
a la organización, existentes en el mercado, y que también alteran la demanda.
2. Para el cálculo de los pronósticos no se realiza una limpieza de los datos
históricos (eliminar eventos y factores causales pasados).
3. En el cálculo de la demanda, sólo se considera el consumo o la venta (la
oferta), no se consideran las ventas perdidas por motivos logísticos y que de
acuerdo a las políticas de la empresa, puede ser satisfecha por la empresa con
una mejor gestión de demanda.
4. No se aplica un buen procedimiento sistemático para combinar el pronóstico
cuantitativo (matemático) con el pronóstico cualitativo o de expertos.
5. Se confunde la problemática de la estacionalidad con la de los ítems con
demanda intermitente, que es aquella que posee significativos intervalos de
demanda cero. Los ítems intermitentes requieren de métodos específicos para
la determinación de la demanda (Croston).
6. La unidad de tiempo de previsión usada (time bucket) no necesariamente es
la correcta. El “time bucket” debe considerar las variaciones en los patrones de
demanda y los tiempos de ciclos de reposición.
7. Muchas veces la proyección de la demanda se realiza multiplicando un valor
medio de demanda por el número de períodos. Siendo que la demanda debe ser
dependiente de la fecha, día, o semana, o mes del año.
8. Cada “nivel” o etapa de la cadena logística realiza su propio pronóstico en
base a sus despachos, y no como debiese ser, en base a la demanda final de la
cadena (demanda del consumidor).
9. La unidad de previsión típicamente es el ítem, por ejemplo: por cliente, por
canal de distribución, por bodega, etc.29

29 Tendencias en Servicios de Gestión y Demanda, centrado en el Cliente. LGT Revista Logistec Miércoles 1 de Febrero
de 2006

51
Nivel de servicio e inventarios:

1. No se segmentan los clientes de acuerdo a su tipo y valor, nivel de servicio

requerido y otros atributos de comportamiento de compra. Frecuentemente se
usa la misma segmentación comercial, en base a criterios de clasificación
industrial.
2. Típicamente el objetivo es la disminución de niveles de inventario, y en forma
“pareja” para todos los ítems. No se aplica el concepto de costo total en la cadena
logística, donde el costo de mantener inventario es uno de los componentes de
costos del costo total, no necesariamente el más importante.
3. Los productos se segmentan en base a la rotación, márgenes y, sin considerar
al cliente y sus necesidades. Esta estrategia puede dar lugar a la racionalización
de productos de baja rotación y bajo margen, a pesar de que
Pueden ser productos de alto/medio consumo para ciertos clientes
fundamentales.
4. Se aplica la misma fórmula de reposición para todos los ítems. Debe
considerarse, por ejemplo, que la fórmula estándar de Punto de Pedido no aplica
correctamente a los ítems de demanda intermitente o esporádica.
5. No se aplica una estrategia de servicio diferenciado a los ítems, como máximo
se usa la clase de rotación y se establece el mismo nivel de servicio para todos
los ítems de cada grupo o clase. Esto sería válido si: todos los ítems de cada
grupo tienen el mismo costo de adquisición, igual costo de inventario, iguales
márgenes de ventas. Dado que existen variaciones significativas en costos y en
márgenes, los niveles de servicio deben considerar las clases de rotación,
margen (comercial) y costos. Así también, debe establecerse la variabilidad de
la demanda como medida de complejidad de los ítems.
6. Los criterios de clusterización o segmentación de los productos son estáticos
en el tiempo. Por ejemplo: en forma permanente se segmenta según rotación y
márgenes. Siendo que una empresa podría aplicar diferentes criterios en el
tiempo, de acuerdo a las condiciones del mercado y del negocio (aplicar costos,
márgenes, frecuencia de consumo, ventas, variabilidad, criticidad, etc.).

52
7. En la reposición de ítems, no se consideran las oportunidades de ahorro que
genera la reposición coordinada de ítems, en términos de: ahorros en costo de
compra por consolidación de compras, análisis de descuento de orden de
compra o consolidación del contenedor o camión.
8. En sistemas multinivel de inventarios (más de una bodega con stock de
seguridad, consecutiva en la cadena logística), las decisiones de reposición se
realizan nivel por nivel (enfoque secuencial), y no se modelan los costos de la
red completa.
9. No se considera el efecto látigo, consiste en la distorsión de la demanda a
medida que se transmite hacia atrás en la cadena logística, y que se genera
cuando cada nivel en la cadena pronostica su propia demanda y mantiene un
stock de seguridad propio.
10. En las fórmulas de stock de seguridad, no se entiende ni aplica
correctamente el concepto del “Nivel de Servicio”, tanto a nivel de planificación
(en los stocks de seguridad) como en medición.30

Aplicación de un modelo de pronóstico de demanda: El estudio titulado

"Pronóstico de la demanda turística en Tabasco" se realizó en México y sirve
como ejemplo para demostrar como a través de la aplicación de un modelo de
pronóstico de demanda se puede predecir el comportamiento de un determinado
mercado en un lapso de tiempo determinado. Para el desarrollo de este estudio
se planteó como objetivo: Realizar un pronóstico de la demanda turística en
Tabasco con la finalidad de conocer cuál será la tendencia de la afluencia de
turistas nacionales y extranjeros desde el año 1992 hasta el año 2008.

Para pronosticar la demanda turística se utilizó el modelo econométrico log-

lineal, ya que según la teoría de la demanda turística, éste modelo es el más
apropiado y utilizado en este tipo de análisis. Para efecto de la aplicación del
modelo, la demanda fue explicada por el número de habitaciones ocupadas en
los hoteles. Por lo tanto, las variables explicativas el modelo fueron el número de

30
VELOZO Raimundo. "Tendencias en Servicios de Gestión y Demanda, Centrado en el Cliente. KOM
Internacional. Revista Logistec Miércoles 1 de Febrero de 2006

53
reservaciones efectuadas y el precio promedio de las habitaciones de hotel. Los
datos utilizados son anuales y el periodo de análisis va del año 1992 al año 2004,
lo que dio pauta para realizar predicciones hasta el año 2008.

Resultados: En el caso del Estado de Tabasco, los resultados del modelo

utilizado para realizar los pronósticos son interesantes, ya que permiten tomar
decisiones encaminadas a mejorar la oferta turística para hacerle frente a la
demanda turística futura la cual mostró una tendencia creciente en el periodo de
estudio en cuestión. En efecto, los resultados de la aplicación del modelo revelan
que la demanda turística será de 1 087 235 turistas nacionales y 74 145 turistas
extranjeros en el año 2008. Cabe señalar que en el año 2004, la demanda de
turistas era de 946 324 visitantes nacionales y de 52 632 visitantes extranjeros.

El periodo del 1995 hasta nuestros días, podemos llamarlo “la etapa de la
recuperación del turismo Tabasqueño” gracias al aumento anual en el número
de turistas, sin embargo, hay mucho trabajo por hacer en lo concerniente a la
oferta turística en general, por lo tanto Tabasco tendrá que sacar provecho de la
riqueza arqueológica de la cultura Olmeca con la finalidad de aumentar la
afluencia de visitantes, pero sobre todo de turistas extranjeros. Los pronósticos
para el futuro del turismo en Tabasco son optimistas. Estos indican que del 2004
al 2008 la demanda de turistas nacionales habrá crecido en un 14.9% mientras
que la de turistas extranjeros crecerá en un 40.9%.31

31 GUZMÁN Sala Andrés, PEYPOCH Nicolás, SOLONANDRASANA Bernardín, "Pronóstico de la Demanda

Turística en Tabasco". Revista Hitos de Ciencia Económico Administrativas. 2006.. [online] [citado el 24 de
Febrero de 2012]. Disponible en Internet
http://www.publicaciones.ujat.mx/publicaciones/hitos/ediciones/34/pronostico.pdf

54
 5. DISEÑO DE LA PROPUESTA

En el presente capítulo se desarrolla la metodología utilizada para la elaboración

del modelo de pronóstico de demanda en una compañía comercializadora de
seguros. El estudio planteado busca aplicar teorías y conceptos de ingeniería
encaminados a planear, programar y controlar actividades y recursos utilizados
en una industria donde el riesgo juega un papel fundamental, por lo cual es
necesario centrar esfuerzos en determinar con la mayor precisión posible
factores futuros a partir de comportamientos actuales con miras a aumentar las
ganancias percibidas.

El análisis de datos, selección del método y posterior pronóstico se realizará para

las ventas totales de un punto de venta autorizado vinculado con tres firmas
aseguradoras durante el tiempo comprendido entre los meses agosto de 2009 y
febrero de 2012 (ver tabla 5). Dentro de las ocho clases de vehículos en los
cuales está dividido el producto SOAT se seleccionaron los Clase A según una
priorización de Pareto (figura 3) teniendo como resultado que los tipos de
vehiculo: motos, autos familiares y carga o mixto representan alrededor del 87%
de las ventas totales del punto (ver tabla 6), por lo anterior se analizarán
únicamente estos 3 ítems.

Es importante precisar que se ha venido hablando de pronósticos de demanda,

que es nuestra variable de interés, sin embargo en la práctica estaríamos
pronosticando las ventas ya que no se tiene registros de demanda. La diferencia
radica en que cuando no ocurre una venta, sí pudo haber ocurrido una demanda,
la cual no se pudo satisfacer en la mayoría de los casos por no contar con
variados medios de financiación.

55
Tabla 5: Datos de demanda para las clases SOAT más vendidas

DEMANDA MOTOS DEMANDA MOTOS

VALOR VALOR
AÑO MES AÑO MES
PRIMA PRIMA
2009 8 15018883 2010 12 42144383
2009 9 18266619 2011 1 30839266
2009 10 20454891 2011 2 31938199
2009 11 18875890 2011 3 37628865
2009 12 29626838 2011 4 36790931
2010 1 21454958 2011 5 36060133
2010 2 28452544 2011 6 45580064
2010 3 38930853 2011 7 44279699
2010 4 24629637 2011 8 35093164
2010 5 26138176 2011 9 37733000
2010 6 34911816 2011 10 36339565
2010 7 36003083 2011 11 26988399
2010 8 31499855 2011 12 46844396
2010 9 23888963 2012 1 33834337
2010 10 30977563 2012 2 39656702
2010 11 27741792

DEMANDA CARGA O MIXTO DEMANDA CARGA O MIXTO

VALOR VALOR
AÑO MES AÑO MES
PRIMA PRIMA
2009 8 9788323 2010 12 10170589
2009 9 11226255 2011 1 11600999
2009 10 7756526 2011 2 6351931
2009 11 10661260 2011 3 10928497
2009 12 12305523 2011 4 8637664
2010 1 11193521 2011 5 11522897
2010 2 9549056 2011 6 12290195
2010 3 14567520 2011 7 11258264
2010 4 9621158 2011 8 12677930
2010 5 12200521 2011 9 10355232
2010 6 12823321 2011 10 7681931

56
 2010 7 13892784 2011 11 8778997
2010 8 10511989 2011 12 11550863
2010 9 13846253 2012 1 11063935
2010 10 8462392 2012 2 7359801
2010 11 7998725
DEMANDA AUTOS DEMANDA AUTOS
FAMILIARES FAMILIARES
VALOR VALOR
AÑO MES AÑO MES
PRIMA PRIMA
2009 8 9873611 2010 12 12690865
2009 9 6636072 2011 1 8183967
2009 10 5617274 2011 2 6665298
2009 11 6937275 2011 3 13397265
2009 12 14715214 2011 4 12682070
2010 1 7464796 2011 5 10442400
2010 2 7052064 2011 6 10968934
2010 3 11314399 2011 7 8531471
2010 4 15181731 2011 8 9225002
2010 5 7577264 2011 9 8768336
2010 6 11521466 2011 10 6862934
2010 7 11285666 2011 11 7023570
2010 8 13615332 2011 12 12928835
2010 9 12015065 2012 1 7615232
2010 10 9333532 2012 2 6893670
2010 11 8201931

Fuente: Autora

Tabla 6. Venta de SOAT según tipo de vehículo

UNIDADES
TIPO DE VEHICULO PORCENTAJE
VENDIDAS
Motos 4543 53,40%
Autos familiares 1719 20,21%
Carga o mixto 1134 13,33%
Camperos y camionetas 646 7,59%
Autos negocios, taxis y
335 3,94%
microbuses urbanos
Particulares para 6 o mas
111 1,30%
pasajeros
Servicio público urbano buses
4 0,05%
y busetas

57
 Vehículos de servicio público
15 0,18%
intermunicipal

Fuente: Autora

Figura 3. Clasificación de Productos Según Pareto

Fuente: Autora

A continuación se presenta un análisis de la demanda considerada para este

estudio de los tres productos principales y la gráfica correspondiente que
facilitará visualizar su comportamiento y tendencia con el fin de elegir el método
de pronósticos más adecuado en cada caso.

Este análisis se realizará usando series de tiempo que son métodos cuantitativos
estadísticos basados en datos históricos de demanda fundamentales para
determinar el sistema de pronósticos que se elija. En este tipo de pronósticos se
asume que el comportamiento de la demanda va a ser aproximadamente igual
al que se venía presentando en el tiempo, reflejado en los datos históricos
disponibles.

Para la realización del pronóstico se tomarán periodos de un mes con el fin de

minimizar el nerviosismo observado al analizar periodos en semanas, de igual
manera se plantea en términos del valor de las primas vendidas para cada clase

58
de vehículo ya que en términos de la utilidad es preferible vender aquellos
productos que representen un mayor valor de prima aun si son menos en
cantidad, se considera posteriormente una mezcla de ventas que permita
maximizar la rentabilidad del negocio. Se considerará un horizonte de 33 meses
e intervalos de 1 mes para su actualización.

Respecto al método de pronósticos a usar en cada caso se elige iniciando el

proceso a partir de un cierto tiempo anterior al presente, y se simula como si se
hubiera hecho en forma real, con la ventaja de que ya se dispone de datos reales
de demanda, pues ésta ya ocurrió. Esto permite evaluar el comportamiento del
sistema de pronósticos bajo análisis a través del cálculo de los errores de
pronóstico, variando ciertos parámetros hasta obtener aquellos valores que
producen los menores errores. Después de realizado este proceso, se fijan los
parámetros óptimos hallados y se inicia el pronóstico real propiamente dicho. 32

Análisis de demanda para motos

Clase de SOAT: motos
Figura 4: Análisis demanda SOAT para motos [Unidades/Semana]

Fuente: Autora

32
Vidal Holguín Carlos Julio. Op.cit.

59
El modelo de suavización exponencial doble es aplicable a patrones de demanda
con tendencia creciente o decreciente como el que se presenta en relación con
la demanda de Seguros de Accidentes de Tránsito para motocicletas.

Adicionalmente se ha observado que al acumular la demanda por mes y no por

semana se puede eliminar la autocorrelación y para vehículos de carga o mixto
y motos se ven mejorados los modelos con MAPE bastante bajos, razón por la
cual se eligió este como el mejor sistema de pronostico a aplicar.

Figura 5. Pronóstico Suavización exponencial doble para valor - prima

motos. [Valor prima/Mes]

PERIODO PRONOSTICO LIM. INFERIOR LIM. SUPERIOR

32 38.569.636 25.722.166 51.479.322
33 38.827.857 24.614.636 53.124.389
34 39.086.077 23.361.869 54.914.693
35 39.344.298 22.001.913 56.812.187

Fuente: Autora

Al graficar los datos originales y el pronóstico se puede ver como el método de

suavización doble para motos se ajusta bastante bien a la demanda real. Los
valores hallados para el pronóstico se usarán para calcular la mezcla de ventas

60
que maximice la rentabilidad del punto de venta, objeto de estudio, el detalle de
este cálculo y de los dos posteriores se incluyen en los anexos. (Ver anexo1)

Análisis de la demanda para autos familiares

Clase de SOAT: Autos Familiares

Figura 6: Análisis demanda SOAT para valor-prima autos familiares

[Unidades/Semana]

Fuente: Autora

Para el caso de la demanda del seguro obligatorio para automóviles familiares

no se observa una tendencia marcada, sin embargo se observa una alta
fluctuación entre un mes y otro; concentrado principalmente en un rango entre 5
y 20 unidades por esta razón se evaluó este caso a la luz de los sistemas de
suavización simple y doble, eligiendo el segundo como el más adecuado.

61
Figura 7: Suavización exponencial doble para valor de prima- Autos
Familiares [Valor prima/Mes]

LIM.
PERIODO PRONOSTICO LIM. SUPERIOR
INFERIOR
32 7716188 4.475.959 15.977.982
33 7525039 4.475.959 15.977.982
34 7333891 4.475.959 15.977.982
35 7142742 4.475.959 15.977.982

Fuente: Autora.

En la figura 7 observamos el pronóstico con el método de suavización

exponencial doble Cox y se puede ver claramente que se obtiene un resultado,
cercano a la realidad, por lo tanto este será usado para los cálculos posteriores.

Análisis de demanda para vehículos de carga

62
Clase de SOAT: Carga o Mixto

Figura 8: Análisis demanda SOAT para valor - prima Carga o Mixto.

[Unidades/Semana]

Fuente: Autora

En relación a la demanda de SOAT para vehículos de carga se puede decir que

se presenta en este caso una demanda con tendencia ligeramente decreciente,
aunque hubo meses de baja demanda a lo largo del tiempo, se tiene en conjunto
un promedio estable, lo que configura a los Seguros Obligatorios de Accidentes
de Tránsito para vehículos de carga como un producto con un nivel de demanda
poco variable pero con tendencia decreciente, por lo anterior se eligió la
suavización exponencial doble como método más adecuado y luego de revisar
la pertinencia de métodos como promedio móvil y suavización exponencial
simple y evaluar diferentes escenarios, se relaciona a continuación el resultado
del método seleccionado.

Figura 9: Pronóstico Suavización exponencial doble para valor – prima/

Carga [Valor prima/Mes]

63
 LIM.
PERIODO PRONOSTICO LIM. SUPERIOR
INFERIOR
32 9417755 6644741 14735672
33 9391766 6644741 14735672
34 9365776 6644741 14735672
35 9339786 6644741 14735672

Fuente: Autora

Una vez hallados los pronósticos de las ventas para cada una de las clases de
vehículos más destacados del punto de venta y habiendo analizado su
pertinencia en cada caso, se procederá a usar los resultados obtenidos para
determinar la mezcla de ventas que maximice la utilidad y permita cumplir con
los compromisos contractuales o restricciones impuestas por cada una de las
aseguradoras con las cuales existe la relación comercial.

6. MEZCLA DE VENTAS

64
El punto de venta se encuentra vinculado y comercializa los productos de tres
aseguradoras; para mantener el acuerdo de venta se deben respetar una serie
de restricciones en relación con las ventas. Las principales restricciones que
éstas imponen son:

 A todas se les debe cumplir con un nivel de ventas mínimo al mes este
nivel es asignado por la aseguradora y está determinado en dos millones
de pesos ($ 2.000.000) en valor de primas.

 La sumatoria de las ventas de las tres compañías debe coincidir con la

demanda pronosticada, la cual determina la capacidad productiva del
punto de venta.

Partiendo de esta serie de restricciones se tiene que la compañía debe

cumplirlas pues es deseable no perder el código con ninguna de esta empresas
aseguradoras ya que las tres son rentables para la empresa en SOAT u otros
productos comercializados por el punto de venta en estudio. Se debe establecer
una adecuada mezcla de ventas que permita cumplir con las restricciones
impuestas y a la vez generar importantes ganancias económicas.

Es deseable estimar la mezcla de ventas al nivel de tipo de SOAT con el fin de

lograr un resultado más homogéneo y no obtener un aumento significativo en la
utilidad jalonado un sesgo alrededor de las primas de mayor valor.

Para facilitar la elaboración del modelo matemático se incluye a continuación la

información por aseguradora en la que se especifican tarifas, tipos de vehículo,
primas y utilidad percibida por clase de SOAT, así como información asociada a
los impuestos aplicados a la venta de dichos seguros.

Tabla 7: Tarifas y utilidad por clase y tipo de Vehículo- Suramericana

65
Fuente: Autora

Tabla 8: Tarifas y utilidad por clase y tipo de Vehículo- Colpatria.

Fuente: Autora

Tabla 9: Tarifas y utilidad por clase y tipo de Vehículo- Mundial

66
Fuente: Autora

De acuerdo con lo establecido en el artículo 13 de la ley 1527 de 2012, la

retención en la fuente a título de renta para los trabajadores (en este caso
asesores de seguros) independientes pertenecientes al régimen simplificado se
aplicará de la siguiente forma:

 Quienes durante el mes tengan ingresos por comisiones inferiores a $

2.605.000 (100 UVT), el ingreso mensual no estará sujeto a retención a
título de impuesto de renta.

 Quienes obtengan ingresos mensuales entre los $ 2.605.000 (100 UVT) y

$ 7.815.000 (300 UVT), la tarifa de retención a título de impuesto de renta
se aplicará de acuerdo con la siguiente tabla:

Tabla 10: Tarifa de retención en la fuente para trabajadores independientes

67
Fuente: Autora

 La base para calcular la retención será el 80% del ingreso del mes.

 El Trabajador (asesor) independiente que supere el tope de los $

7.815.000 (300 UVT) durante el mes, se le aplicará la tarifa de retención
en la fuente por comisiones del 10% o del 11% según el caso.

6.1. Modelo matemático

 Notación
 Índices
i : Clase Soat (motos, autos familiares, carga)
j : Tipo de vehículo (modelo, cilindraje, capacidad)
k: Aseguradora (Suramericana, Colpatria, Mundial)

 Variable
Xijk Cantidad de seguros vendidos de la clase i, tipo j, con la aseguradora k.
T. Impuestos (Retención en la fuente LEY 1527 DE 2012)
Si ∑ 0,8Cijk Xijk ≤ 2604900 T=0
Sino ∑ 0,8Cijk Xijk ≤ 3907000 T= 0.02
Sino ∑ 0,8Cijk Xijk ≤ 5210000 T= 0.04
Sino ∑ 0,8Cijk Xijk ≤ 6512000 T= 0.06
Sino ∑ 0,8Cijk Xijk ≤ 7815000 T= 0.08
Sino ∑ 0,8Cijk Xijk > 7815000 T= 0.1

68
 Parámetro
Cijk utilidad de seguros vendidos de la clase i, tipo j, con la aseguradora k.
PIJ: Primas vendidas de los seguros clase i tipo j
Di: demanda pronosticada de la clase i

 Función objetivo: Maximizar la utilidad de la venta de seguros.

Max Z = ∑𝑛𝑖=1 ∑𝑚
𝑗=1 ∑𝑜𝑘=1 𝐶𝑖𝑗𝑘. 𝑋𝑖𝑗𝑘 − 𝑇

 Restricciones
De oferta. La cantidad de SOAT vendidos de la clase i del tipo j con la
aseguradora k debe ser mayor a cero para cumplir la condición de tener
ventas para todas las aseguradoras.

 Xijk > 0

De demanda

 ∑𝐽 ∑𝑘 𝑋𝑖𝑗𝑘.Pij = Di I

Donde Di es la demanda hallada en el pronóstico y Pij las primas de los

Soat de la Clase i tipo j

 𝑜𝑏𝑣𝑖𝑎𝑠

A continuación se presentan los resultados obtenidos al calcular la mezcla de

ventas más adecuada para maximizar la utilidad del punto de venta, objeto de
estudio, a partir del pronóstico hallado anteriormente y considerando las
restricciones citadas anteriormente.

La utilidad maximizada se calculó en $ 2.981.440 mensuales para las ventas

estimadas de las tres compañías aseguradoras, con este nivel de utilidad se

69
estimó que el impuesto por retención en la fuente a pagar según la legislación
vigente es de $32.695 mensuales y la distribución de las ventas óptima es:

 Con la aseguradora 1 (Suramericana), se recomienda comercializar los

tres tipos de la clase de vehículo: Motos.

 Con la aseguradora 2 (Colpatria), los SOAT que maximizan la utilidad son

los seis tipos de la clase de vehículo: Autos Familiares.

 Con la aseguradora 3 (Mundial) es deseable vender todos los tipos de

vehículo de la clase: Carga, ya que al ser el SOAT con mayor valor de
prima y la aseguradora con el mayor porcentaje de utilidad, jalonan el
aumento de la utilidad total del punto de venta, compensando en alguna
medida las ganancias no percibidas al comercializar los otros tipos de
seguro con las dos aseguradoras restantes.

 La utilidad máxima que el punto de venta podría llegar a percibir se

alcanzaría en el caso de comercializar 122 SOAT para vehículos de carga
de más de 15 toneladas con la aseguradora 3 (Mundial), aumentando la
utilidad en más del 45%, alcanzando los $ 6.511.436.

7. CONCLUSIONES

70
 La demanda del mercado asegurador colombiano se ve afectada por
variables de índole cultural, económica y política; en el país existe una
escasa cultura de aseguramiento pues aunque las personas tienen
conciencia de los riesgos y sus implicaciones creen que los seguros son
costosos y no se deciden a invertir en ellos.

 La revisión de modelos matemáticos permitió diseñar y plantear un

modelo para evaluar el comportamiento de las ventas en la compañía
aseguradora y a partir de una serie de restricciones que imponen las
aseguradoras con las que trabaja la empresa plantear una mezcla de
ventas que permita incrementar la rentabilidad en la compañía objeto de
estudio.

 A partir de la mezcla de ventas calculada para los tres productos clase A

con las tres aseguradoras se pudo establecer que es preferible dedicar un
solo producto a cada una de las tres aseguradoras. De este modo se
contribuiría a aumentar la utilidad de la empresa cumpliendo además con
el acuerdo comercial pactado.

 Con el estudio realizado se obtuvo una mejora de aproximadamente el

20% en la rentabilidad de la compañía comercializadora objeto de este
estudio, en lo correspondiente al producto SOAT

8. RECOMENDACIONES

71
  Implementar un sistema que permita realizar una actualización
permanente de los datos para tener soporte en la toma de decisiones en
la dirección de los esfuerzos para mantener rentable la actividad.

 La toma de decisiones debe estar acompañada, de la información

correspondiente al comportamiento del mercado para determinar
acertadamente promociones, descuentos y otros métodos de fidelización.

 Como se determinó en el análisis de series de tiempo, la clase de

vehículo, motos es en la que se presenta el mayor nivel de ventas. Por lo
tanto, es muy importante destinar esfuerzos a mantener este segmento.

 Realizar un estudio para las otras líneas de productos comercializados

por la compañía, de tal manera que se identifiquen nuevos ítems clase A,
y establecer un seguimiento para ellos.

 Determinar a partir del estudio de la rentabilidad de otros productos, si es

conveniente mantener el acuerdo comercial con las tres aseguradoras o
si es preferible reducirlo a dos.

 Diseñar, a partir de los datos obtenidos tanto en el pronóstico como en la

mezcla de ventas, la oferta de otras soluciones de seguros del portafolio
de la compañía a los actuales clientes de SOAT.

BIBLIOGRAFÍA

ALBARRÁN LOZANO Irene. “Mercado de Seguros: Oferta y Demanda, ¿Cómo

operan y se caracterizan?, Biblioteca de la Facultad de Ciencias Económicas y

72
Empresariales UCM. [online] [Citado el 5 de Julio de 2013] ]Disponible en
Internet:

 http://biblioteca.ucm.es/cee/doc/00-21/0021.htm

BAQUERO Ximena y APARICIO Elvira Carmen. "El Bluebook de Seguros".

Bogotá. Diciembre de 2006. [online] [Citado el 16 de Febrero de 2012].
Disponible en Internet:

 http://www.remolinaestrada.com/cms/index.php?option=com_content&ta
sk=view&id=24&Itemid=1

COHEN Roger. Gestión de Recursos. FIUBA. "Pronósticos". s.f. [online] [citado

el 13 de Marzo de 2012]. Disponible en Internet:

 http://materias.fi.uba.ar/7628/PronosticosTexto.pdf

CONCHA ÁNGELA. “Determinantes de la Demanda de Seguros.” [online]

[citado el 5 de Julio de 2013]. Disponible en Internet:

 http://www.fasecolda.com/fasecolda/BancoMedios/Documentos%20PDF
/determinantes%20de%20la%20demanda%20de%20seguros.pdfZ

 Congreso de la República de Colombia. Código de Comercio. Decreto 410

de 1971. Artículo 1045

¿Cuál es la importancia del pronóstico y de la planeación de la demanda en

épocas de crisis? [online] [citado el 5 de Julio de 2013]. Disponible en Internet:

 http://www.articuloz.com/planificacion-estrategica-articulos/cual-es-la-
importancia-del-pronostico-y-la-planeacion-de-la-demanda-en-epocas-
de-crisis-2754458.html

 DAVIS Donna y MENTZER John T. "Los Factores Organizativos en la

Gestión de Previsiónde Ventas". Revista Escuela de Negocios.
Universidad de Texas. 2007.

FASECOLDA. Federación de Aseguradores Colombianos. Comunicado de

Prensa. Enero de 2012. [online] [Citado el 24 de Febrero de 2012]. Disponible
en Internet:

73
  http://www.fasecolda.com/fasecolda/BancoMedios/Documentos%20PDF
/resultados%20industria%202011.pdf

 FILDES, R., P. Goodwin, M. LAWRENCE, & K. Nikolopoulos (2009).

Effective forecasting and judgmental adjustments: an empirical evaluation
and strategies for improvement in supply-chain planning. Citado por
VIDAL HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión de
Inventarios.

GUZMÁN SALA Andrés, PEYPOCH Nicolás, SOLONANDRASANA Bernardín,

"Pronóstico de la Demanda Turística en Tabasco". Revista Hitos de Ciencia
Económico Administrativas. 2006. [online] [citado el 24 de Febrero de 2012].
Disponible en Internet:

 http://www.publicaciones.ujat.mx/publicaciones/hitos/ediciones/34/prono
stico.pd

JUNGUITO Roberto. Presidente de FASECOLDA. "La lotería de la vida". En

Revista Portafolio

 http://qc.portafolio.com.co/columnistas/la-loteria-la-vida>

 LAWRENCE, M., P. GOODWIN, M. O´Connor, & D. Önkal (2006).

Judgmental forecasting: A review of progress over the last 25years. Citado
por VIDAL HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión
de Inventarios.

 LEE, W.Y., P. GOODWIN, R. Fildes, K. Nikolopoulos, & M. Lawrence

(2007). Providing support for the use of analogies in demand forecasting
tasks. Citado por VIDAL HOLGUÍN Carlos Julio. Fundamentos de Control
y Gestión de Inventarios.

 LINDSEY Mathew y PAVUR Robert. Intervalos de predicción para la

demanda futura de los productos existentes con un observada demanda
de cero. Revista Internacional de Publicaciones Económicas. Enero de
2009.

MERCADO ASEGURADOR.COM.AR. "Planificación Estratégica y Pronóstico de

Ventas: Una Actualización de la Industria de Seguros de Vida Individual " s.f.
[online] [Citado el 16 de Febrero de 2012]. Disponible en Internet

 http://www.mercadoasegurador.com.ar/adetail.asp?id=2998

74
  MONTGOMERY, D.C., L.A. JOHNSON, & J.S. GARDINER (1990).
Forecasting & Time Series Analysis. Citado por VIDAL HOLGUÍN Carlos
Julio. Fundamentos de Control y Gestión de Inventarios.

RODRÍGUEZ PULECIO Ana María. "La industria aseguradora a lo largo del ciclo
económico". Revista FASECOLDA. Bogotá. 2009. [online] [citado el 16 de
Febrero de 2012]. Disponible en Internet:

 http://www.mapfre.com/documentacion/publico/i18n/catalogo_imagenes/
grupo.cmd?path=1060549

ROMERO HERNÁNDEZ Omar. "Pronóstico de la Demanda". Diplomado de

Planeación y Dirección de Operaciones. Módulo 1. Capítulo II. Los Pronósticos.
s.f. [online] [citado el 24 de Febrero de 2012]. Disponible en Internet:

 http://catarina.udlap.mx/u_dl_a/tales/documentos/mepi/nava_n_g/capitul
o2.pdf

 SANDERS, N.R. & K.B. MANRODT (2003). Forecasting Software in

Practice: Use, Satisfaction and Performance. Citado por VIDAL HOLGUÍN
Carlos Julio. Fundamentos de Control y Gestión de Inventarios.

 SYNTETOS, A.A. & J.E. Boylan (2005). The accuracy of intermittent

demand estimates. International Journal of Forecasting Citado por VIDAL
HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión de Inventarios.

SMETOOLTIK Instituto PYME. "Pronóstico de la Demanda". s.f. [online] [Citado

el 24 de Febrero de 2012]. Disponible en Internet:

 http://mexico.smetoolkit.org/mexico/es/content/es/416/Pron%C3%B3stic
o-de-la-demanda

SURA - SOAT Seguro Obligatorio contra Accidentes de Tránsito."Información

para Delegados" Bogotá. 2009. [online] [citado el 16 de Febrero de 2012].
Disponible en Internet:

 http://www.sura.com/TodoSobreElSOAT/sections/InformacionDelegados.
aspx

 Tendencias en Servicios de Gestión y Demanda, centrado en el Cliente.

LGT Revista Logistec miércoles 1 de febrero de 2006

75
  TEUNTER Ruud y BABANGIDA Sani. "Cálculo de las variaciones en los
niveles de los productos con demanda intermitente". Departamento de
Gestión de la Ciencia. Universidad Lancaster. s.f.

 VELOZO Raimundo. "Tendencias en Servicios de Gestión y Demanda,

Centrado en el Cliente. KOM Internacional. Revista Logistec miércoles 1
de febrero de 2006

 VIDAL HOLGUÍN Carlos Julio " Fundamentos de Control y Gestión de

Inventarios". Universidad del Valle. Facultad de Ingeniería. Santiago de
Cali. Agosto de 2010. Capítulo 3. Páginas 41 - 51

 ZAMORA, A. & C.R. Ruiz (2008). Sistema de despacho automático de

bodega a puntos de venta para abarrotes en una cadena de
supermercados. Citado por VIDAL HOLGUÍN Carlos Julio. Fundamentos
de Control y Gestión de Inventarios

ANEXOS

Anexo 1. Cálculos de los pronósticos de suavización exponencial doble para

motos, autos familiares y carga o mixto.

 Indicadores de los pronósticos

76
 MOTOS AUTOS FAMILIARES
ERROR MEDIO 549.560 ERROR MEDIO (78.457)
ECM 4,02E+13 ECM 1,06E+13
DESV. STD 6.340.307 DESV. STD 3.258.609
MAD 5.171.241 MAD 2.678.026
MAPE = 0,17 MAPE = 0,28
a= 0,447 a= 0,437
b= 0,126 b= 0,112

CARGA O MIXTO
ERROR MEDIO 159.871
ECM 5,06E+12
DESV. STD 2.249.843
MAD 1.948.480
MAPE = 0,20
a= 0,342
b= 0,03

Anexo 2. Programación AMPL de la mezcla de ventas.

 Archivo de Modelo

# CONJUNTOS PRINCIPALES

77
set CLASE;

# Conjunto de clase de SOAT (motos, autos familiares, carga) indexado por i

set TIPO;

# Conjunto de tipos de vehículos (modelo, cilindraje, capacidad) indexado por j

set ASEGURADORA;

# Aseguradoras (Suramericana, Colpatria, Mundial)

# PARAMETROS

param Utilidad_seguros_vendidos {CLASE, TIPO, ASEGURADORA} >= 0;

# Utilidad de seguros vendidos de la clase i, tipo j, con la aseguradora k
# ($)

param Primas {CLASE, TIPO, ASEGURADORA} >= 0;

# Primas vendidas de los seguros clase i tipo j
# ($)

param demanda {CLASE} >= 0;

# Demanda pronosticada de la clase i
# (Unidad)

# VARIABLES DE DECISION

var x {i in CLASE, j in TIPO, k in ASEGURADORA} >= 0;

# cantidad de seguros vendidos de la clase i, tipo j, con la aseguradora k

var T {CLASE,TIPO,ASEGURADORA} ==

78
if (sum{i in CLASE, j in TIPO, k in ASEGURADORA}
Utilidad_seguros_vendidos [i,j,k] * x[i,j,k] * 0.8) <= 2604900
then sum{i in CLASE, j in TIPO, k in ASEGURADORA}
Utilidad_seguros_vendidos [i,j,k] * 0

else if (sum{i in CLASE, j in TIPO, k in ASEGURADORA}

Utilidad_seguros_vendidos [i,j,k] * x[i,j,k] * 0.8) <= 3907000
then sum{i in CLASE, j in TIPO, k in ASEGURADORA}
Utilidad_seguros_vendidos [i,j,k] * 0.02

else if (sum{i in CLASE, j in TIPO, k in ASEGURADORA}

Utilidad_seguros_vendidos [i,j,k] * x[i,j,k] * 0.8) <= 5210000
then sum{i in CLASE, j in TIPO, k in ASEGURADORA}
Utilidad_seguros_vendidos [i,j,k] * 0.04

else if (sum{i in CLASE, j in TIPO, k in ASEGURADORA}

Utilidad_seguros_vendidos [i,j,k] * x[i,j,k] * 0.8) <= 6512000
then sum{i in CLASE, j in TIPO, k in ASEGURADORA}
Utilidad_seguros_vendidos [i,j,k] * 0.06

else if (sum{i in CLASE, j in TIPO, k in ASEGURADORA}

Utilidad_seguros_vendidos [i,j,k] * x[i,j,k] * 0.8) <= 7815000
then sum{i in CLASE, j in TIPO, k in ASEGURADORA}
Utilidad_seguros_vendidos [i,j,k] * 0.08

else if (sum{i in CLASE, j in TIPO, k in ASEGURADORA}

Utilidad_seguros_vendidos[i,j,k] * x[i,j,k] * 0.8) > 7815000
then sum{i in CLASE, j in TIPO, k in ASEGURADORA}
Utilidad_seguros_vendidos [i,j,k] * 1
;
# FUNCION OBJETIVO

79
 maximize utilidad:
# ($)

sum{i in CLASE, j in TIPO, k in ASEGURADORA}

(Utilidad_seguros_vendidos [i,j,k]*x[i,j,k]) - sum{i in CLASE, j in TIPO, k in
ASEGURADORA}T[i,j,k] ;

# RESTRICCIONES

# De oferta

subject to oferta {i in CLASE, j in TIPO, k in ASEGURADORA}: x[i,j,k] >= 0;

# De demanda

subject to demanda {i in CLASE}: sum {j in TIPO, k in ASEGURADORA}

(x[i,j,k])*Primas[i,j,k] <= demanda[i];

# parámetro

 Archivo de Datos

# CONJUNTO DE DATOS EN AMPL DEL PROBLEMA DE MAXIMIZACION

DE LA UTILIDAD EN UNA ASEGURADORA

#CONJUNTOS PRINCIPALES

80
set CLASE := 1 2 3;
set TIPO := 1 2 3 4 5 6 7 8 9 10
11 12 ;

set ASEGURADORA := 1 2 3;

#PARAMETROS

param Utilidad_seguros_vendidos :=

[*,*,1]:1 2 3 4 5 6 7 8 9 10 11
12 :=
1 4168 5596 6312 0 0 0 0 0 0 0 0
0
2 0 0 0 0 0 0 17894 13479 20458 16438 22799
19211
3 0 0 0 26851 38805 49078 0 0 0 0 0
0

[*,*,2]:1 2 3 4 5 6 7 8 9 10 11
12 :=
1 17387 23346 26333 0 0 0 0 0 0 0 0
0
2 0 0 0 0 0 0 16721 12596 19117 15360 21304
17952
3 0 0 0 25091 36260 45861 0 0 0 0 0
0

[*,*,3]:1 2 3 4 5 6 7 8 9 10 11
12 :=

81
1 13909 18677 21066 0 0 0 0 0 0 0 0
0
2 0 0 0 0 0 0 19508 14695 22303 17920 24855
20944
3 0 0 0 29273 42304 53504 0 0 0 0 0
0
;

param demanda :=

1 38569636
2 7716188
3 9417755 ;

param Primas:=

[*,*,1]:1 2 3 4 5 6 7 8 9 10 11
12 :=
1 156000 209466 236266 0 0 0 0 0
0 0 0 0
2 0 0 0 0 0 0 187533 141266
214400 172266 238933 201333
3 0 0 0 281400 406666 514333 0 0
0 0 0 0

[*,*,2]:1 2 3 4 5 6 7 8 9 10 11
12 :=
1 156000 209466 236266 0 0 0 0 0
0 0 0 0
2 0 0 0 0 0 0 187533 141266
214400 172266 238933 201333

82
3 0 0 0 281400 406666 514333 0 0
0 0 0 0

[*,*,3]:1 2 3 4 5 6 7 8 9 10 11
12 :=
1 156000 209466 236266 0 0 0 0 0
0 0 0 0
2 0 0 0 0 0 0 187533 141266
214400 172266 238933 201333
3 0 0 0 281400 406666 514333 0 0
0 0 0 0
;

 Archivo de comandos

# COMANDOS DE INICIACION DE CONDICIONES:

option show_stats 1;
option solution_precision 0;
option omit_zero_rows 1;
option omit_zero_cols 1;
option display_precision 6;
option display_round 1;
option display_width 50;

#COMANDO DE SOLUCION
model vanessa.txt;
data vanessadatos.txt;
solve;

# COMANDOS DE IMPRESION DE RESULTADOS:

83
printf "\n\n***********************************************************\n" >
resultados.txt;
printf "RESULTADOS DEL PROBLEMA MEZCLA DE VENTAS\n" >>
resultados.txt;
printf "\n\n***********************************************************\n" >>
resultados.txt;

printf "\nUTILIDAD = \t%12.1f", utilidad >> resultados.txt;

printf "\n\nOFERTA =\n\n" >> resultados.txt;

display oferta >> resultados.txt;

printf "\nDEMANDA =\n\n" >> resultados.txt;

display demanda >> resultados.txt;

printf "\nUTILIDAD SEGUROS VENDIDOS =\n\n" >> resultados.txt;

display Utilidad_seguros_vendidos >> resultados.txt;

printf "\nCANTIDAD DE SEGUROS VENDIDOS =\n\n" >> resultados.txt;

display x >> resultados.txt;

printf "\nIMPUESTO =\n\n" >> resultados.txt;

display T >> resultados.txt;

 Archivo de resultados
***********************************************************
RESULTADOS DEL PROBLEMA MEZCLA DE VENTAS
***********************************************************
UTILIDAD = 2981440.0
OFERTA =

84
oferta :=
;
DEMANDA =

demanda [*] :=
1 38956967.0
2 7429464.0
3 9378770.0
;
UTILIDAD SEGUROS VENDIDOS =
Utilidad_seguros_vendidos [1,*,*]
: 1 2 3 :=
1 4168.0 17387.0 13909.0
2 5596.0 23346.0 18677.0
3 6312.0 26333.0 21066.0

[2,*,*]
: 1 2 3 :=
7 17894.0 16721.0 19508.0
8 13479.0 12596.0 14695.0
9 20458.0 19117.0 22303.0
10 16438.0 15360.0 17920.0
11 22799.0 21304.0 24855.0
12 19211.0 17952.0 20944.0

[3,*,*]
: 1 2 3 :=
4 26851.0 25091.0 29273.0
5 38805.0 36260.0 42304.0
6 49078.0 45861.0 53504.0
;
CANTIDAD DE SEGUROS VENDIDOS =

85
x :=
3 6 3 121.7
;

IMPUESTO =

T [1,*,*]
: 1 2 3 :=
1 32695.0 32695.0 32695.0
2 32695.0 32695.0 32695.0
3 32695.0 32695.0 32695.0
4 32695.0 32695.0 32695.0
5 32695.0 32695.0 32695.0
6 32695.0 32695.0 32695.0
7 32695.0 32695.0 32695.0
8 32695.0 32695.0 32695.0
9 32695.0 32695.0 32695.0
10 32695.0 32695.0 32695.0
11 32695.0 32695.0 32695.0
12 32695.0 32695.0 32695.0

[2,*,*]
: 1 2 3 :=
1 32695.0 32695.0 32695.0
2 32695.0 32695.0 32695.0
3 32695.0 32695.0 32695.0
4 32695.0 32695.0 32695.0
5 32695.0 32695.0 32695.0
6 32695.0 32695.0 32695.0
7 32695.0 32695.0 32695.0
8 32695.0 32695.0 32695.0
9 32695.0 32695.0 32695.0

86
10 32695.0 32695.0 32695.0
11 32695.0 32695.0 32695.0
12 32695.0 32695.0 32695.0

[3,*,*]
: 1 2 3 :=
1 32695.0 32695.0 32695.0
2 32695.0 32695.0 32695.0
3 32695.0 32695.0 32695.0
4 32695.0 32695.0 32695.0
5 32695.0 32695.0 32695.0
6 32695.0 32695.0 32695.0
7 32695.0 32695.0 32695.0
8 32695.0 32695.0 32695.0
9 32695.0 32695.0 32695.0
10 32695.0 32695.0 32695.0
11 32695.0 32695.0 32695.0
12 32695.0 32695.0 32695.0

87