PRONOSTICOS DE DEMANDA

EVALUACION DE ENTRADA

PREGUNTAS
1. Que entiende por pronosticos?
2. Como relaciona preonosticos con planeacion
estrategica y/o agregada?
3. Conoce terminos como :
1.
2.
3.

Jurado de opinion?
Metodo simplista?
Series de tiempo?

4. Coeficiente de correlacion que significa para

usted?
5. Como relaciona Logistica, Produccion, Finanzas y
Ventas ?

Topicos alrededor de
pronosticos
Que pronosticar?

1.
2. Horizontes de tiempo en pronosticos?
3. La influencia del Ciclo de vida?:
1.
2.
3.
4.

Introduccion?
Creciemiento?
Madurez?
Declinacion?

4. Tipos de pronosticos?
5. Enfoques para pronosticar ?

Ocho pasos para un

sistemade pronosticos

1. Determinar el uso del pronostico , que objetivos

se persigue obtener?
2. Seleccionar las partidas que se van a pronosticar
3. Determinar el horizonte de tiempo, corto ,
madiano o largo plazo?
4. Seleccionar un(os) modelo(s) de pronostico
5. Juntar los datos necesarios para hacer el
pronostico
6. Validar el modelo de pronostico
7. Hacer el pronostico
8. Instrumentar los resultados

PRONSTICO DE
VENTAS

PRONOSTICO DE VENTAS
La necesidad de tomar decisiones hoy que puedan
afectar el buen funcionamiento de la empresa el da de
maana hace que los gerentes busquen de alguna forma
pronosticar el futuro.
Existen varios mtodos de pronstico, pero antes de
elegir una hay que tener en cuenta si se puede contar con
un nmero de datos histricos lo suficientemente
confiables, que nos permitan lograr un mnimo de
precisin al pronosticar un perodo de tiempo ms o menos
largo y al menor costo posible.
Adems hay que tener en cuenta que cualquiera sea el
modelo seleccionado ste tienen una serie de supuestos
por lo general simplificadores de la realidad que deben
estar presentes en la toma de decisiones.

Mtodos de pronstico
Informales

Formales

Juicio
Intuicin

Cualitativos

Cuantitativos

Basados en
series
temporales

Pronsticos
cuantitativos
Regresin
mltiple
Modelos
Economtricos

Empricos
Extrapolacin de tendencias
Promedio Movil
Suavizacin Exponencial
Descomposicin de series de tiempo

Evaluacin
subjetiva
Pronstico de
probabilidad
Estimaciones de la
fuerza de ventas
Jurado de opiniones
de ejecutivos
Encuesta sobre las
intenciones de
compra

Tecnolgicos

Exploratorios
normativos

PRONOSTICO DE VENTAS
Tcnicas de pronostico
Tcnicas cualitativas
Anlisis de series temporales
Modelos causales

PRONOSTICOS CUALITATIVOS
Evaluacin subjetiva
Pronstico de probabilidad
Estimaciones de la fuerza de ventas
Jurado de opiniones de ejecutivo
Encuesta sobre las intensiones de
compra
Tecnolgicos
Exploratorios

Evaluacin subjetiva
PRONOSTICO DE PROBABILIDAD
Este procedimiento consiste en generar:
un conjunto de posibles estados de la naturaleza (esto
es, los posibles niveles de ventas)
un conjunto de probabilidades conexas con dichos
estados.
Ejemplo: Si tenemos tres distintos niveles de ventas,
junto con las probabilidades de ocurrencia de cada uno,
para el siguiente ao:
220,000 cajas, probabilidad 0.3
200,000 cajas, probabilidad 0.5
180,000 cajas probabilidad 0.2
Por tanto, el nivel esperado de ventas ser un
promedio ponderado de las tres estimaciones, o sea,
(0.3)(200,000)+(0.5)(200,000)+(0.2)
(180,000)=202,000

Evaluacin subjetiva
ESTIMACIONES DE LA FUERZA DE
VENTAS

Este mtodo consiste en solicitarle a los vendedores

que den una estimacin de las ventas hechas a un
cliente, lo cual en ocasiones conlleva detalles como la
identidad y las ventas probables realizadas por los
competidores ms fuertes.
Tales pronsticos dependen mucho del conocimiento
que el vendedor tenga de sus clientes y de las
necesidades de ellos, as como de su capacidad de
hacer estimaciones objetivas.

Evaluacin subjetiva
JURADO DE OPINIONES DE
EJECUTIVO

Un grupo de ejecutivos de una compaa hacen sus propias

estimaciones de las ventas esperadas en el perodo del pronstico y
luego las estimaciones se combinan para formar un solo pronstico. El
proceso de combinacin puede incluir:
un ejecutivo de alta gerencia que resuelva las diferencias y llegue a
un solo nmero.
una reunin abierta donde los vendedores discuten, deciden y
hacen ajuste a fin de lograr la unanimidad o consenso.
Una extensin de este mtodo es la tcnica DELPHI, que consiste en
un circuito de retroalimentacin en el cual cada experto recibe una
recopilacin de los pronsticos efectuados por todos los miembros del
grupo. Sin comunicarse con los dems, cada miembro del grupo tiene
tiempo para analizar la recopilacin y revisar su pronstico basndose
en ella. El mtodo ayuda a atenuar los efectos de la presin de grupo y
de dominio de la personalidad que pueden presentarse en las
discusiones abiertas.

Evaluacin subjetiva
ENCUESTA SOBRE LAS
INTENCIONES DE COMPRA
Este mtodo se basa en las tcnicas de encuesta para
medir las intenciones de compra o las necesidades
anticipadas de los clientes en el perodo futuro.
Se pueden realizar entrevistas personales, entrevistas por
telfono o correo para averiguar si las personas tienen la
intensin de adquirir un auto nuevo, un radio durante el
prximo ao.
Tales tcticas ayudan a mantenernos al da respecto a las
condiciones generales del mercado, pero tienden a adolecer
de incerteza por parte del respondiente o de falsedad.
Las intensiones no siempre son un indicador confiable del
comportamiento futuro, sobre todo tratndose de productos
de consumo.

Cambios tecnolgicos
METODO EXPLORATORIO
Se utiliza cuando se sabe que hay un
cambio tecnolgico, especialmente
cuando ste afecta a los productos
actuales, a los planes actuales de
productos nuevos o a los posibles
productos nuevos en el futuro.
Consiste en valerse del conocimiento
moderno, junto con la extrapolacin de
tendencias del pasado, con objeto de
prever el futuro tecnolgico.

PRONOSTICO CUANTITATIVO:
Basado en series de tiempo
Mtodos empricos
Extrapolacin de tendencias
Promedio mvil
Suavizacin exponencial
Descomposicin de series de tiempo
Pronsticos cuantitativos
Regresin mltiple
Modelos economtricos

SERIES DE TIEMPO
Qu es una serie de tiempo?
Es un grupo de datos cuantitativos que se obtienen en perodos
regulares de tiempo (ej. las ventas mensuales de los ltimos 24
meses). El supuesto bsico a la hora de analizar esta informacin
es que los factores que influyeron en el pasado sobre estos datos
seguirn hacindolo ms o menos en la misma forma en el futuro.
Lo importante es identificar y aislar estos factores de manera que
nos permitan predecir y planear el futuro con la mayor precisin
posible

Basados en series de tiempo

METODOS EMPIRICOS
Estas tcnicas requieren tan solo
aplicar una regla prctica a los
datos del ao anterior.
Se toma un factor de crecimiento
y se aplica a las ventas del ao
anterior.
En este caso se encuentra el
factor de crecimiento de ene/ene,
feb/feb, etc.

METODOS EMPIRICOS

Se aplica la tasa de crecimiento de los aos anteriores

Basados en series de tiempo

EXTRAPOLACION DE TENDENCIAS
Este mtodo consiste en extrapolar los datos de ventas
anteriores y aplicarlos al futuro, suele incluir una
descripcin grfica de las ventas anteriores.
La extrapolacin puede hacerse de manera visual (enfoque
del globo ocular) o matemtica (ajustando una ecuacin
de regresin lineal o no lineal de los datos)

b= nxy - (x)(y)
nx2-(x)2
a=

y - bx

r2=

s=
raiz

[nxy - (x)(y)]2
[nx2-(x)2][ny2(y)2]
y2 - ay - bxy
n-2

Excel: forecast (x, ys conocidos, xs conocidos)

EXTRAPOLACION DE
TENDENCIAS
Modelo Lineal
Y = a + bX
Y = 1.7141x - 63987
donde:
Y = ventas (miles de cajas)
X = nmero de aos despus
de 2009

Modelo no Lineal
Y = aXb
donde:

(1)

Y = ventas (miles de cajas)

X = nmero de aos despus
de 2009
La ecuacin (1) se puede reducir a la
forma lineal usando logartmos:
log y = log a + b log x

Basados en series de tiempo

PROMEDIO MOVIL
En esta tcnica, obtenemos de los datos las variaciones y esto
nos permite tener un panorama ms completo de las
tendencias y patrones del movimiento.
Cada punto en el promedio mvil es, en realidad, el promedio
de las cifras de ventas de varios meses o aos.
Cuantos ms sean los perodos en que basamos el promedio
mvil, mayor efecto de amortiguamiento tendremos en los
datos originales de las ventas.
Cuando se trabaja con datos mensuales, los promedios mviles
nos ayudan a identificar y ajustar la informacin teniendo en
cuenta los patrones anuales de los datos de venta
(estacionalidades).
Supuesto: que todos los valores pasados son igual de
importantes para el pronstico .
No existe un regla especfica para seleccionar la base del
promedio movil n
Promedio movil= (n valores da datos ms recientes) / n

PROMEDIO MOVIL

Basados en series de tiempo

SUAVIZACION EXPONENCIAL

Esta tcnica permite suavizar los datos reduciendo el grado

de variacin de ellos. Permite, adems, dar mayor importancia a
las cifras recientes de ventas.
Este mtodo pronostica otorgando una ponderacin a los datos
dependiendo del peso que tengan dentro del clculo del
pronstico
Esta ponderacin se lleva a cabo a travs de otorgarle un valor
a la constante de suavizacin, .
Ventas t+1 = Ventas t + (1-) Ventas t-1
El valor de la constante de suavizacin oscilar entre 0 y 1
segn la importancia que se le d a los valores ms recientes.
La eleccin de la constante de suavizacin es crucial en la
estimacin de pronsticos futuros.

SUAVIZACION EXPONENCIAL
Ventas de la empresa
hipotticas

Ventas exponencialmente suavizadas,

con la constante de suavizacin A = 0.7

Pronstico de
ventas para
cada ao

=a*

Ventas reales
durante el
ao anterior

Nivel
de
ventas
+ (1 - a) pronosticadas para el ao
anterior

DESCOMPOSICION DE SERIES
DE TIEMPO

Existen factores que afectan a las series de tiempo:

a) Tendencias.- se refiere a la direccin general que toma la serie de datos en un

intervalo grande de tiempo. Es el patrn de movimiento general, de largo plazo, se
debe a fuerzas que se mueven lenta y gradualmente como por ejemplo el crecimiento
poblacional. La duracin puede ser de varios aos y puede ser ascendente o
descendente. Este movimiento Se representa por una recta o curva de tendencia.
b) Estacionalidad.- Son fluctuaciones peridicas regulares que ocurren dentro de
cada perodo de un ao. Son fluctuaciones idnticas o casi idnticas que ocurren
durante los mismos meses en los aos sucesivos. Se pueden Atribuir a factores como
clima, costumbres, moda. Dependiendo del tipo de datos que se utilizan, la
periodicidad puede ser diarias, semanal, etc.
c) Cclica.- Son movimientos oscilatorios alrededor de la recta o curva de tendencia
cuya variacin dura de 2 a 10 aos, con diferentes intensidades.
d)Los factores no sistematicos son fluctuaciones espordicas de la serie de tiempo,
errticos o irregulares debido a sucesos ocasionales que son de corta duracin y no se
repiten, aunque a veces el efecto puede durar algn tiempo. Por ejemplo terremotos,
inundaciones, etc.

DESCOMPOSICION DE SERIES
DE TIEMPO

Existen muchos modelos matemticos para el anlisis de

Series de Tiempo. El ms usado es el modelo multiplicativo
clsico que considera que cualquier valor observado es el
producto de los efectos de los diferentes factores que
influencian una serie de tiempo.
Y=T*E*C*I
T = factor de tendencia
E = factor de estacionalidad
C = factor cclico
I = factor irregular
El objetivo es, primero, el de descomponer la serie aislando
el efecto de cada uno de los factores que la componen y segundo
el de predecir algunos valores futuros.

DESCOMPOSICION DE SERIES
DE TIEMPO

En este mtodo se calcula un promedio aritmtico de 12 meses. Puesto que los resultados
as obtenidos caen entre meses sucesivos en lugar de en el centro del mes, se debe calcular un
movimiento aritmtico de 2 meses, el resultado se llama movimiento medio centrado de 12
meses.
Jun 08 2,867.30
Jul 08 2,865.52
Promedio centrado
Jul 08 2,866.41
Despus de que se haya hecho esto, los datos originales para cada mes se expresan como
porcentajes de los correspondientes al movimiento medio centrado de 12 meses.
Por ejemplo:
Jul 08 Dato real
1,831.20
Mov. medio centrado
2,866.41
Expresado como %
1,831.20/2,866.41 = 63.88%
Los porcentajes para los meses correspondientes son entonces promediados:
Jul 89
63.88
Jul 90
68.61 Promedio aritmtico: 70.21%
Jul 91
78.14
Promedio que se ajusta si su media no es el 100%
Con este procedimiento se pierden observaciones tanto al inicio como al final de la serie
por lo que es importante trabajar con series largas.

DESCOMPOSICION DE SERIES
DE
TIEMPO
1.- Se calcula el Promedio Mvil.- Columna 2, 3 y 4
En la columna 2 se calcula el total mvil (la suma de 12 observaciones)
En la columna 3 se dividen este entre la longitud del perodo obteniendo
as el promedio
En la columna 4 se centra este valor y se obtiene el promedio mvil
correspondiente.
2.- Se calcula los estimadores de los ndices de estacionalidad. Esto es, que
porcentaje del valor actual corresponde al promedio mvil centrado. Luego se
obtiene un promedio de estos estimados obteniendo los ndices de
estacionalidad. Columna 5 y 6
Este ndice estacional se usara con dos fines, uno el pronstico de valores
futuros y otro el de desestacionalizar la serie.
Para el pronstico, el valor que se pronostique sin estacionalidad para un
perodo futuro, se multiplicar por su correspondiente ndice.

DESCOMPOSICION DE SERIES
DEProceso
TIEMPO
de desestacionalizacin
Consiste en eliminar el efecto de la estacionalidad de la serie. Para
lograrlo se divide los valores observados entre el ndice estacional
obteniendo una informacin desestacionalizada. (Col.7 = Col.1 / Col.6).
Calculo de la Tendencia
Para calcular la tendencia de la serie de datos es necesario encontrar
una curva que se aproxime a los datos desestacionalizados. Puede existir
una relacin lineal entre los datos o no. Lo ideal es encontrar la "mejor
recta de ajuste", y uno de los mtodos ms usados es el Mtodo de
Mnimos Cuadrados, es decir que la suma de los cuadrados de las
distancias entre las observaciones reales y la recta encontrada es
mnima. El problema en muchos casos es tan complejo que es necesario la
utilizacin de paquetes estadsticos complejos que no estn al alcance de
la mano.
Proyeccin: Se proyectan las cifras y se estacionalizan.
Col. 1 = Col.8*Col.6

DESCOMPOSICION DE SERIES
DE TIEMPO
Mtodo mnimos cuadrados

DESCOMPOSICION DE SERIES
DE
TIEMPO
Un mtodo ms sencillo que puede darnos una idea ms o menos aproximada

de la tendencia que presentan nuestros datos puede obtenerse con el sistema de

los promedios geomtricos, que nos permite encontrar el crecimiento promedio en
una serie de datos.
Se puede tomar todos los datos de la serie de tiempo y encontrar la media
geomtrica para encontrar el factor de crecimiento de la serie, se puede
considerar como datos relevantes solo los ltimos 12 24 meses.
MODELO 1
M.G = n ( x1)( x2)( x3)( xi)
Col. 1 Datos originales
Col. 2 y 3Promedio mvil (12 observaciones)
M.G = Media Geomtrica
Col. 4 Promedios Centrado (2 observaciones) n = Nmero de Periodos
Col. 5 Se divide la Col.1/Col. 5
x n = Tasas de Variacin
Col. 6 Indice Estacional
Col. 7 Se divide la Col. 1/Col. 6 para desestacionalizar los datos.
Col. 8 Utilizando promedios geomtricos se establece una tasa de
crecimiento
Col. 9 Utilizando esta tasa de crecimiento se proyectan los datos.
El pronstico del valor siguiente se obtiene: multiplicando el valor que le
correspondera segn la tendencia (Col. 9) por el ndice estacional
correspondiente Col. 6)

DESCOMPOSICION DE SERIES
DE TIEMPO
Promedios geomtricos

PRONOSTICOS CUANTITATIVOS
Causales o regresivos
Regresin mltiple
Modelos economtricos

Causales o regresivos
REGRESION MULTIPLE
En vez de expresar simplemente las ventas como
una funcin lineal del tiempo (ventas = a + b x
tiempo), la regresin mltiple sirve para expresar las
venta en funcin de dos o ms variables. Las
variables independientes tpicas que se utilizan son:
los valores anteriores de venta ms
los valores actuales o pasados de las variables que,
segn se supone, ejercen un efecto causal en ellas.
Dichas variables podran incluir el nivel de publicidad,
el precio, las condiciones climatolgicas, el ingreso
disponible y otras cosas.

El conjunto de variables independientes que se

emplee depender del producto en cuestin y
tambin de la importancia de cada variable en la
determinacin de ventas o en las ventas
concomitantes.
Y = b0 + b1x + b2x+...+ bnxn + e

Causales o regresivos
MODELOS ECONOMETRICOS

Estos mtodos suelen abarcar conjuntos enteros de

ecuaciones de regresin y tienen en cuenta que
muchas veces tambin las variables independientes
estn interrelacionadas.
Por ejemplo, las ventas de acero son en parte una
funcin de las ventas de autos y de los ingresos
disponibles. No obstante, ambas cosas estn
relacionadas adems entre s.
El set resultante de las ecuaciones interrelacionadas
de regresin se resuelven simultneamente a fin de
conseguir un pronstico de ventas.

MODELO ECONOMETRICO
Mediante el uso de este mtodo es factible medir el grado de
confiabilidad de la relacin existente entre variables
tributarias, econmicas y administrativas.
As por ejemplo, si se aplicara un aumento en un impuesto, se
producira una transferencia de recursos del sector privado al
sector pblico. Con la aplicacin de mtodos economtricos es
factible medir, con base en datos para un perodo de tiempo,
la relacin existente entre la recaudacin y las modificaciones
en la estructura del impuesto. El clculo de la recaudacin
estar en funcin del nivel de las tasas que se apliquen; de la
base imponible del tributo; y del efecto conjunto de ambos,
sobre las variables tributarias que se estn afectando.
De igual forma, es factible medir futuros niveles de
recaudacin con base en cambios en variables, tales como
cambios en el Producto Interno Bruto, Consumo Privado,
Sueldos y Salarios, etc.
Igualmente, podran realizarse estimaciones vinculando el
monto de las recaudaciones a variables representativas del
grado de eficiencia de la administracin tributaria, como por
ejemplo porcentajes de evasin, estructura administrativa
dedicada a la recaudacin, nmero de empleados, etc.

MERCADO META

 Poblacin total: en la zona de inters

Mercado Potencial: Una poblacin tiene
necesidad de un producto o servicio, y que podra
estar interesada en adquirirlo.
Mercado Disponible: una poblacin que tiene
necesidad de un producto o servicio, que posee
los medios financieros necesarios y tiene acceso
al mismo y est interesada en adquirirlo.
Mercado Objetivo: % el mercado disponible que
se ajusta mejor a nuestro producto o servicio
Mercado Meta: % que se desea cubrir "aquel
segmento de mercado que la empresa decide
captar, satisfacer y/o servir, dirigiendo hacia l su
programa de marketing; con la finalidad, de
obtener una determinada utilidad o beneficio"

 Poblacin total: en la zona de inters

Mercado Potencial: todas las personas mayores de
edad ubicadas en Lima Metropolitana que no tienen
casa y estn interesadas en adquirir una vivienda
aunque por el momento no cuenten con la
capacidad econmica que les permita acceder a ella
Mercado Disponible: Todas las personas mayores de
edad ubicadas en Lima Metropolitana que no tienen
casa y estn interesadas en adquirir una vivienda y
adems cuentan con capacidad de pago suficiente
que les permite acceder a ella.
Mercado Objetivo: % el mercado disponible que se
ajusta mejor a nuestro producto o servicio. Producto:
viviendas por un valor menor a 50 UIT (incluido el
valor del terreno) en los prximos 36 meses
Mercado Meta: % que se desea cubrir

Captulo VI
Pronsticos de las
Operaciones

Los Pronsticos y el Ciclo Operativo

OPERACIONES
PRONSTICO
OPERACIONES/TECNOLOGICO
PRONSTICO
LOGISTICO
PRONSTICO
LABORAL

FINANZAS

PRONSTICO
FINANCIERO

MERCADEO

PRONSTICO DE
LA DEMANDA

Tcnicas de Pronsticos
Promedio mvil
Ajuste exponencial
Box - Jenkins
X-11
Proyecciones de tendencia
Curva de Aprendizaje/Experiencia

Cuantitativas

Mtodo Delphi
Investigacin de mercados
Consenso de grupo
Previsin imaginativa
Analoga histrica
Anlisis de impacto cruzado
Cualitativas

Causales

TCNICAS
DE
PRONSTICOS

Modelo de regresin
Modelo economtrico
Escuestas de anticipacin
y sobre intenciones de compra
Modelo input-output
Modelo input - output
economtrico
Indice de difusin
Indice anticipador
Anlisis de ciclo de vida

Modelos Cualitativos. Tcnicas Fundamentales de Previsin

1. Mtodo Delphi

Descripcin

2. Investigacin de
mercados

3. Acuerdo del panel

4. Previsin imaginativa

5. Analoga
cruzado

Esta tcnica est basada

la
Se interroga a un panel
El procedimiento
de
sistemtico,
Unaen
profeca
que utiliza
Este es un anlisisEste
com-consiste en evaluar
sistemticamente el posible
suposicin que varios puntos de vista personales,
expertos mediante unos
formal y consciente para
parativo de la introduimpacto de cada uno de los
uny, cuando ello es
cuestionarios en secuencia,
desarrollar y probar expertos pueden producir
juicios
ccin y desarrollo de
eventos sobre todos los
mejor pronstico que posible,
si
donde las respuestashiptesis
de un acerca de los
productos nuevos similacuestionarios son utili
mercados
reales. Las trabaja
tcnicasuna sola persona.
hechos acerca de diferentes
res, lo que basa el otros.
pro- Se obtienen estimados
para
No existe
y
zadas para producir comnmente
el
ms usadas
son ningn secreto,
escenarios
del futuro. nstico
Se
en patrones
de cada uno de los eventos
que
es posible ocurran,
fomenta la comunicacin.
siguiente. De esta forma
denominadas tcnicasseestadscaracteriza por un trabajo
similitud.
de
su
importancia
relativa y
A veces los pronsticos
cualquier conjunto de
ticas de variables mltiples.
conjetura subjetivo e imagiprobabilidad
de
ocurrencia.
se ven influenciados por
informacin disponible para
nacin en general los mtofactores sociales y pueden
no
algunos expertos y no para
dos usados
no son cientficos.
reflejar un verdadero
los otros es transmitida a los
acuerdo. Los resultados estn
ltimos, haciendo posible
fuertemente influenciados
que todos ellos tengan
por la dinmica de grupo.
acceso a toda la
informacin para la
pronosticacin. Esta tcnica
elimina la influencia de la
opinin mayoritaria y de
la personalidad dominante.

Precisin
Pobre a regular
Corto Plazo (0-3
Generalmente no aplicable
Utilizado generalmente como
Pobre
meses)
Regular a muy bueno
insumo para otras tcnicas
de a regular
Pobre
Medio Plazo (3 meses-Regular a muy bueno
pronosticacin.
2 aos)
Largo Plazo (2 aos en

Pobre
Pobre
Pobre

Pobre
Bueno a regular
Bueno a regular

No aplicable
Bueno a regular
Bueno a regular

Modelos Cualitativos. Tcnicas Fundamentales de Previsin

1. Mtodo Delphi

2. Investigacin de mercados

3. Acuerdo del panel

4. Previsin imaginativa

c
Identificacin de
puntos de
inflexin

Aplicaciones
tpicas

Datos necesarios

Regular a bueno

Regular a muy bueno

Pobre a regular

Pobre

Pobre a regular

Regular a bueno

Pronsticos de largo alcance

Pronsticos de largo alcance
Pronsticos de largo alcance
Pronsticos de largoPronsticos de largo
Pronsticos de largo alcance
alcance y venta de
y venta de nuevos productos,
y venta de nuevos productos;
y venta de nuevos productos,
alcance y venta de nuevos
y venta de nuevos productos,
productos nuevos.
pronsticos
de mrgenes.
pronsticos de mrgenes,
y
pronsticos de mrgenes.
productos, pronsticos
pronsticos
de mrgenes,
campronosticacin tecnolgica.
de mrgenes.
bios en la participacin del
mercado; actitudes de los
clientes y hbitos de compra .

Estimados de cada uno de

La informacin proveniente
Historia de uno
Un coordinador distribuye
Un conjunto de escenarios
Como mnimo, dos juegos
los eventos importantes, s
los cuestionarios; corrige
posibles preparados o ms productos
de yinformes durante el de los expertos es
presentada abiertamente
similares cubriendo interrelaciones y probabil
consolida las respuestas.
por en
unos cuantos expertos,
perodo. Uno necesita una
dades de ocurrencia. Gen
reuniones
de grupo para
teniendo en cuenta hechos
varios aos.
cantidad considerable de
datos
ralmente requiere los
llegar a una pronosticacin
pasados.
de mercadeo de los cuestionainsumos de expertos.
Nuevamente se
rios, encuestas y anlisiscomn.
de
requiere por lo menos dos
series cronolgicas de las
variables de mercadeo. juegos de informes sobre
el perodo.

Modelos Cuantitativos. Tcnicas Fundamentales de Previsin

1. Promedio en
movimiento

Descripcin

2. Exponential
Smoothing

3. Box-Jenkins

4. X-11
tendencia

5. Proyecciones de
Expe

curva original de aprendiza

Cada punto de un promedio
Esta tcnica es un promedio,
El exponential smoothing
Desarrollada por Julius
Esta tcnica se acuecaLa
a una
que se observ por primera ve
mvil de una serie temporal
ponderado en movimiento,
es un caso especial de la Shiskin, de la oficina de Censura,
tendencia de lnea y luego
durante
es el promedio aritmtico
excepto que se da ms
tcnica
pesoBox-Jenkins. La serie
esta tcnica descompone una
la proyecta hacia el futuro
por la fabricacin de avion
orienta principalmente sobr
o ponderado de varios
a los puntos de referencia
cronolgica es adecuada serie cronolgica en varia medio
de esta ecuacin se
por
mayor eficacacia y menores co
puntos consecutivos de
ms
la recientes. Descriptivamediante un modelo
ciones estacionales, ciclosejemplo,
de
el mtodo de inclinade fabricacin, lo que ocurri
serie, donde el nmero
mente, el nuevo pronstico
matemtico
es que resulta tendencias y elementos cin caracterstica, polinoconforme se acumul el volude puntos de referencia
igual al antiguo msptimo
una cierta
en el sentido que irregulares. Utilizada principalmios, y papel semimen del producto. La repeties selecionado para elimiproporcin de errorasigna
del promenores errores amente para el anlisis
logarit mico.
cin de esta mejora de la efinar las variaciones estanstico anterior. Existe
la historia
otro que cualquier detallado de la serie
ciencia permii a los encarcionales o irregularidades,
tipo de pronosticacin
otro
enmodelo
la
de esta clase.
cronolgica (incluyendo el esti gados del plameamiento de
o ambas.
que tambin se computa
El tipo
las
de modelo debe ser
mado de variaciones estacionala produccin predecir con
variables estacionales.
definido
Existen
por los parmetros
les); nosotros hemos
bastante exactitud los costos
tambin muchas variaciones
indentificados en ese
ampliado sus usos para la
futuros. La curva de la expedel exponential smoothing
entonces. Esta es
pronosticacin, seguimiento y
riencia es una generalizacin
algunas son ms verstiles
aparentemete la rutina estacomo indicador incorporando
de la familiar curva de aprenque otras, algunas son
dstica
msms
di- exacta disponible
otros mtodos analticos. Utilizadizaje. El grupo Consultor
fciles de computar, en
y algunas
la actualidad pero
da con conocimientos especiales
de Boston la ha ampliado para
requieren ms tiempo
tambin
de comuna de las ms quizs es la tcnica ms efectiva
incluir otros factores tales
putador
costosas en
para la pronosticacin a mediano
como costo de volumen y
tiempo y dinero.
plazo-tres meses a un ao- pertodos los componentes de
mitindole a la persona predecir
los costos unitarios del
los puntos de inflexin y prograproducto final entregado al
mar eventos especiales.
cliente (p.ej. Costos de manufactura, costos de venta y distribucin, desarrollo del produ
y costos administrativos)

Precisin
Corto Plazo (0-3 meses) Pobre a buena
Medio Plazo (3 meses-2 aos)
Pobre
Largo Plazo (2 aos en adelante)
Muy pobre

Regular a muy buena

Muy bueno a excelente
Pobre a buena
Pobre a buena
Muy pobre
Muy pobre

Muy bueno a excelente

Bueno
Muy pobre

Muy Bueno
Pobre a bueno
Pobre a bueno

Regular
Regular abueno
Regular abueno

Identificacin de puntos de
cambio de tendencia
Pobre

Pobre

Muy buena

Pobre

Regular

Regular

Modelos Cuantitativos. Tcnicas Fundamentales de Previsin

1. Promedio en
movimiento

2. Exponential
Smoothing

3. Box-Jenkins

4. X-11
tendencia

5. Proyec

Control
Control de inventarioControl de produccin
e in-de produccin e Seguimiento e indicadores;
Pronosticacin de costos a un
Pronosticacin de producinventario
para artculos de
para artculos de volumen
ventario, pronsticos
de
pronosticacin de las ventas
largo plazo
para productos estos nuevos (especialmente
a
Aplicaciones tipicas bajo.

volumen
grande, pronsticos
mrgenes y otros datos
finande la compaa, divisinmediano
o
tablecidos y nuevos; pronosy largo plazo)
de los balances de efectivo.
cieros.
departamento; establecimiento
ticacin de requerimientos de
y crtica de los presupuestos.

mano de obra y de capital;

programacin; compras:
determinacin de precios; etc.

Datos necesarios

que para un promedio

Un mnimo de dos aos
Igual
deque para un Igual
promedio
Como mnimo tres aos Vara
de hisde acuerdo a laVarios aos de historia de
en movimiento. Sin embargo,
la historia de ventas,en movimiento.
toria para comenzar.. tcnica usada. Sin embargo,
uno o ms productos.
si existen variaciones

ms historia resulta ventajosa,

una buen mtodo emprico

estacionales, en su defecto

en la identificacin del mo-

es utilizar un mnimo de

menos datos.

delo y en la identificacin

cinco aos de datos

(por supuesto,

del parmetro.

anuales para empezar.

cuanta ms historia
mejor.).
Debe especificarse el promedio en movimiento.

De all en adelante
la historia completa

Modelos Causales. Tcnicas Fundamentales de Previsin

1. Modelo de regresin

Descripcin

2. Modelo economtrico

3. Encuestas de anticipacin
y sobre intenciones de
compra

4. Modelo input-output
economtrico

5. Modelo input-output

6. Indice de difusin

Relaciona funcional Sistema de ecuaciones de Estas encuestas al publico Mtodo de anlisis del
Los modelos econom-Porcentaje de un
mente las ventas con regresin interdependien- en general (a) determinan flujo de bienes y servicios tricos y los modelos
grupo de indicadores
otras variables macroe- tes, que describe el com - las intenciones de comprar entre sectores o departa - input-output se suelen economicos quesuben
conmicas, de la com- portamiento de las ventas ciertos productos, o (b) de- mentos, en lo que respecta combinar, a veces, a o bajan, convirtien petencia o de ndole in- o los beneficios de cierto
ducen un ndice que mide a la economa de un pas o efectos de realizar pre- dose este porcentaje
terna, y estima una ecu- sector de la economa.
el sentir general sobre el
a las relaciones entre una visiones. El modelo
en el indice.
cin basandose en la
Los parmetros de las
presente y el futuro y que
empresa y sus mercados. input-output se emplea
tcnica de los mnimos ecuaciones de regresin se estima como este sentir
Muestra que flujo de entra- para introducir las
cuadrados. Las relacion- estiman, habitualmente
afecta a los hbitos de com- das (inputs) tiene que
- tendencias a largo
es se analizan, funda - de modo simultaneo. Por
pra. Estos mtodos son
existir para que se produzca plazo en el modelo
mentalmente, por medio regla general, el desarrollo ms tiles para seguimiento determinado flujo de
economtrico; tambin,
de mtodos estadsticos,de estos modelos es relati- y alerta que para realizar
salidas (outputs).Hay que contribuye a estabili aunque toda ecuacin vamente caro y puede, f - previsiones. El problema
desarrollar un esfuerzo
zar el modelo econo tiene que pasar una
cilmente, costar entre
fundamental estriba en que considerable para utilizar
mtrico.
prueba de seleccin
5,000 y 10,000 dlares se- pueden situar errneamente estos modelos adecuada desde el punto de vista gun sea el grado de deta - un punto de cambio de
mente, y son necesarios
del sentido comn.
lle requerido. Sin embargo tendencia (que quiz no se detalles adicionales, y que
gracias al sistema de ecua- dar nunca)
no suelen estar a mano, si
ciones que presentan, estos
se los quiere aplicar a una
modelos expresan las reladeterminada empresa.
cionescausales entre variaLas empresas que han utibles mejor que una ecua lizado modelos input-outcin ordinaria de regresin,
put, han llegado a gastar
y por esta razn predicen
100.000 dlares o incluso
los puntos de cambio de
ms, anualmente, para
tendencia con ms
poderlos aplicar con
precisin
utilidad.

Precisin
Buena a muy buena
Corto Plazo (0-3 meses)
Medio Plazo (3 meses-2 aos)Buena a muy buena
Mala
Largo Plazo (2 aos en
adelante)

Buena a muy buena

Muy buena a excelente
Buena
Regular a buena

Mala a buena
Mala a buena
Muy mala

No es aplicable
Buena a muy buena
Buena a muy buena

No es aplicable
Buena a muy buena
Buena a excelente

Mala a buena
Mala a buena
Muy mala

7. Indice anticipador
de vida

8. Anlisis de

Se trata de conside- Anlisis y previsin

rar una serie tempo- de tasas de creci ral relativa a cierta
miento de un nuevo
actividad economica, producto, basandocuyo movimiento en se en las curvas en
una direccin dada S. Son de capital
precede al movi importancia las
miento en esa misma fases de aceptacin
direccin de otra
del producto por los
serie temporal.
diversos grupos.
innovadores, seguidores tempranos,
mayora temprana, mayora tarda
y rezagados.

Mala a buena
Mala a buena
Muy mala

Mala
Mala a buena
Mala a buena

Modelos Causales. Tcnicas Fundamentales de Previsin

1. Modelo de regresin

2. Modelo economtrico

3. Encuestas de anticipacin 4. Modelo input-output

y sobre intenciones de
economtrico
compra

Identificacin de puntos de
cambio de tendencia

Muy buena

Aplicaciones tpicas

Previsin de ventas por Previsin de ventas por

Previsin de ventas por
clases de productos,
clases de productos, previ- clases de productos.
previsin de mrgenes. siones de mrgenes.

Datos necesarios

Excelente

Para obtener relaciones Los mismos que para la

significativas se necesi- regresin.
tan datos trimestrales
de varios aos. Es preciso, por condicionamiento matemtico,
tener dos observaciones
ms que el nmero de
variables independientes

Buena

Regular

5. Modelo input-output

Buena

6. Indice de difusin

Buena

7. Indice anticipador
de vida

Buena

8. Anlisis del c

Mala a Buena

Previsin de ventas de la Ventas de la empresa Previsiones de ventas Previsiones de ventas Previsiones de

empresa, o de cada divisin por sectores y subsecto- por clases de productos.por clases de productos.ventas de nuevos
por sectores y subsectores res econmicos
productos.
econmicos.

Suelen hacer falta datos de De diez a quince aos de Los mismos que para el Los mismos que para Los mismos que para Como mnimo, las
una encuesta sobre
ventas anuales del
varios aos, para relacionar datos histricos. Cantida- promedio mvil y que las encuestas sobre
estos ndices con las ventas des considerables de
para el X-II.
intenciones de compra. intenciones de compra, producto estudiado
de la empresa.
informacin sobre los
ms 5 a 10 aos de
u otro similar.
datos histricos.
Suele ser necesario
flujos de productos y
servicios dentro de la
hacer encuestas de
empresa (o de la economa
mercado.
del pasi), para cada ao en
que se desee realizar el
anlisis input-output.

Tcnicas para predecir la demanda

BOLA DE CRISTAL

INTUICION

ANALISIS ESTADISTICO

ADIVINANZA

CUALITATIVO

CUANTITATIVO
CAUSAL

COMBINACION

ASOCIATIVO

Correlacin. Data histrica

r=1

Excelente

r = .8

Muy buena
x

r=0

Psima

r = -.6

Buena
x

Buena r > 0.6

r < -0.6

Tendencia Central y Dispersin

68

95.5 %
99.7 %
-3

-2
- SD
DESVIACION
STANDARD
(Dispersin)

-1
D
DEMANDA
PROMEDIO
(Tendencia Central)

+ SD
DESVIACION
STANDARD
(Dispersin)

+1

+2

Ciclo de vida de mercadeo de un producto

CURVA DEL
CICLO DE VIDA
DEL PRODUCTO

EDAD DEL
PRODUCTO
TIPO DEL
GERENTE
APROPIADO

INICIO

INVENTOR

DESARROLLO CRECIMIENTO MADUREZ

ORGANIZADOR

Tecnolgicos Financieros
Analticos
CONOCIMIENTOS
Planificacin
GERENCIALES
Relaciones
Humanas

Innovacin Investigacin
Independencia Orden
Confianza
Juicio
APTITUDES
Organizacin
Visin
GERENCIALES
Negociacin
Riesgo
Decisin

DECLIVE

CONSTRUCTORADMINISTRACINREORGANIZADOR

Produccin
Marketing
Marketing
Organizacin
Presupuestos
Control de
Gestin
Relaciones
Humanas
Mando
Delegacin
Motivacin
Supervisin
Decisin

Mantenimiento
Coordinacin
Eficiencia
Investigacin

EMPRESA = PRODUCTO

Tecnolgicos
Financieros
Analticos
Relaciones
Humanas

Innovacin
Riesgo
Visin
Eficiencia
Decisin

Los pronsticos y el ciclo de vida del producto

CICLO
VIDA
PRODUCT
DATAO

CRECIMIENTO
INTRODUCCIN
DESARROLLO
SIN

ALGO

GRAN

MUCHA

TIEMPO

LARGO

MEDIANO

CORTO

MUY CORTO

MTODO

CUALITATIVO

CUALITATIVO CUANTITATIVO CUANTITATIVO

TOTAL

TOTAL

ALGO
CUANTITATIVO
TCNICAS

+
ALGO
CUALITATIVO

- JUICIO

- HISTRICO

- DELPHI

- SIMULACIN - REGRESIN

- ANALOGA
HISTRICA

- CAUSAL

- INVESTIGACIN
MERCADOS

DECLINACIN

MADUREZ

- SERIES TIEMPO- ECONOMTRICO

- CORRELACIN

Costos de los Pronsticos

COSTOS
($)

COSTO
TOTAL

COSTO
ACTIVIDAD
PRONOSTICAR

MNIMO
COSTO POBRE/INEXACTO PRONSTICO
PTIMO NIVEL
PRONSTICOS

NIVEL ACTIVIDAD
PRONSTICOS
(Recursos Usados)

VARIABLES
1. TIPO PRONSTICO
2. HORIZONTE TIEMPO
3. BASE DATOS DISPONIBLE
4. METODOLOGA
5. CORRELACIN DATA
6. COSTOS PRONSTICOS

VENTAS, PRODUCCIN, FINANCIERO,

TECNOLGICO
MUY CORTO, CORTO, MEDIANO, LARGO
MUY GRANDE, GRANDE, MEDIANA
PEQUEA, NADA.
CUALITATIVA, CUANTITATIVA, CAUSAL,
COMBINACIN
ALTA, MEDIA, BAJA
ALTO, MEDIO, BAJO

Criterios a considerar en los pronsticos

JUICIO Y EXPERIENCIA PROFESIONAL
(CUALITATIVO)
PERSONAL VENTAS
OPINION EJECUTIVOS
ADMON, PROD. Y VENTAS
ANALOGIA HISTORICA
DELPHI
INVESTIGACION MERCADOS

Estimados
Opiniones
Proyecciones
Comparaciones
Expertos
Respuesta Consumidor

C-M
C-L
M
C-L
L
M-L

SERIES TIEMPO
(CUANTITATIVO)
EMPIRICO
PROMEDIOS MOVILES
PROYECCION TENDENCIA
DESCOMPOSICION
AJUSTE EXPONENCIAL
BOX-JENKINS

+%

C
n recientes perodos
Lineal, Exponencial
M-L
Tendencia, ciclo, estacionalidad
Prom. Mov. Ponderados
Regresin Estadstica e Iterativo

C
C-L
C
M-L

ASOCIATIVOS
REGRESION Y CORRELACION

Una o ms variables
asociadas al pronstico
va mnimo cuadrados

ECONOMETRICOS

Solucin ecuaciones
simultneas de regresin

C: CORTO PLAZO

M: MEDIANO PLAZO

C-M

C-M

L: LARGO PLAZO

Fuente: Toma