DEFINICIONES

Pronsticos: Proceso de estimacin de un acontecimiento futuro, proyectando hacia

el futuro datos del pasado. Los datos del pasado se combinan sistemticamente en forma
predeterminada para hacer una estimacin del futuro.

Demanda:

Es una relacin que muestra las distintas cantidades de un bien que el

consumidor o los consumidores desearan o sern capaces de adquirir a precios

alternativos posibles durante un periodo de tiempo dado.

ADMINISTRACION DE LA DEMANDA
El propsito del manejo de la demanda es coordinar y controlar todas las fuentes
de la demanda, con el fin de poder usar con eficiencia el sistema productivo y entregar
el producto a tiempo. De dnde proviene la demanda del producto o servicio de una
empresa? y qu puede hacer una compaa para administrarla? Existen dos fuentes
bsicas de la demanda: dependiente e independiente.
La demanda dependiente es la demanda de un producto o servicio provocada
por la demanda de otros productos o servicios. Por ejemplo, si una empresa vende 1 000
triciclos, entonces se van a necesitar 1 000 ruedas delanteras y 2 000 traseras. Este tipo
de demanda interna no necesita un pronstico, sino slo una tabulacin. La cantidad de
triciclos que la empresa podra vender es la demanda independiente porque no se
deriva directamente de la demanda de otros productos.
Una empresa no puede hacer mucho respecto de la demanda dependiente. Es
preciso cubrirla (aunque el producto o servicio se pueda comprar en lugar de producirlo
en forma interna). Pero s hay mucho que una empresa puede hacer en cuanto a la
demanda independiente, si as lo desea. La compaa puede:
1.

Adoptar un papel activo para influir en la demanda. La empresa puede

presionar a su fuerza de ventas, ofrecer incentivos tanto a los clientes como a su

personal, crear campaas para vender sus productos y bajar precios. Estas acciones
pueden incrementar la demanda. Por el contrario, es posible disminuir la demanda
mediante aumentos de precios o la reduccin de los esfuerzos de ventas.

2.

Adoptar un papel pasivo y simplemente responder a la demanda. Existen

varias razones por las que una empresa no trata de cambiar la demanda sino que la
acepta tal como llega. Si una compaa funciona a toda su capacidad, tal vez no quiera
hacer nada en cuanto a la demanda.
Otras razones pueden ser que la compaa no tenga el poder de cambiar la
demanda debido al gasto en publicidad; es probable que el mercado sea fijo y esttico; o
que la demanda est fuera de su control (como en el caso de un proveedor nico).
Existen otras razones competitivas, legales, ambientales, ticas y morales por las que la
demanda del mercado se acepta de manera pasiva.
Es necesaria mucha coordinacin para manejar estas demandas dependientes,
independientes, activas y pasivas. Las demandas se originan tanto interna como
externamente en forma de ventas de productos nuevos por parte de marketing, piezas de
reparacin para productos vendidos con anterioridad, reabastecimiento de los almacenes
de la fbrica y suministro de artculos para manufactura. En este captulo, el principal
inters se centra en el pronstico relacionado con los productos independientes.

TIPOS DE PRONSTICO

El punto de inicio en los sistemas de planificacin se da a partir de la demanda real o

esperada de los clientes. Sin embargo, en casi todos los casos el tiempo necesario para
generar y entregar el producto que el servicio exceda las expectativas del cliente. As la
produccin deber iniciar a partir de la demanda esperada o en otros trminos, de un
pronstico de la demanda
Leyes Fundamentales de los pronsticos:
1. Todos los pronsticos estn equivocados
2. Todos los pronsticos cambian.
El pronstico se puede clasificar en cuatro tipos bsicos: cualitativo, anlisis de series
de tiempo, relaciones causales y simulacin.
Las tcnicas cualitativas son subjetivas y se basan en estimados y opiniones. El anlisis
de series de tiempo, se basa en la idea de que es posible utilizar informacin
relacionada con la demanda pasada para predecir la demanda futura. La informacin
anterior puede incluir varios componentes, como influencias de tendencias, estacionales
o cclicas. El pronstico causal, que se analiza utilizando la tcnica de la regresin
lineal, supone que la demanda se relaciona con algn factor subyacente en el ambiente.
Los modelos de simulacin permiten al encargado del pronstico manejar varias
suposiciones acerca de la condicin del pronstico.

1. Cualitativas
Tcnicas acumulativas: Deriva un pronstico a travs de la compilacin de las
entradas de aquellos que se encuentran al final de la jerarqua y que tratan con lo
que se pronostica. Por ejemplo, un pronstico general de las ventas se puede
derivar combinando las entradas de cada uno de los vendedores que estn ms
cerca de su territorio.
Investigacin de mercados: Se establece para recopilar datos de varias formas
(encuestas, entrevistas, etc.) con el fin de comprobar hiptesis acerca del
mercado. Por lo general, se usa para pronosticar ventas a largo plazo y de nuevos
productos.
Grupos de consenso: Intercambio libre en las juntas. La idea es que la discusin
en grupo produzca mejores pronsticos que cualquier individuo. Los
participantes pueden ser ejecutivos, vendedores o clientes.
Analoga histrica: Relaciona lo pronosticado con un artculo similar. Es
importante al planear nuevos productos en los que las proyecciones se pueden
derivar mediante el uso del historial de un producto similar.

 Mtodo de Delfos: Un grupo de expertos responde un cuestionario. Un

moderador recopila los resultados y formula un cuestionario nuevo que se
presenta al grupo. Por lo tanto, existe un proceso de aprendizaje para el grupo
mientras recibe informacin nueva y no existe ninguna influencia por la presin
del grupo o individuos dominantes.
Una afirmacin u opinin de una persona de un nivel superior es probable que
pese ms que la de una persona de nivel inferior. El peor de los casos se presenta
cuando la gente de nivel inferior se siente amenazada y no contribuye con lo que
realmente cree.
Para evitar este problema, el mtodo de Delfos oculta la identidad de los
individuos que participan en el estudio. Todos tienen el mismo peso. En cuanto
al procedimiento, un moderador crea un cuestionario y lo distribuye entre los
participantes. Sus respuestas se suman y se entregan a todo el grupo con un
nuevo grupo de preguntas.
Rand Corporation desarroll el mtodo de Delfos en la dcada de 1950. El
procedimiento paso a paso es:
1. Elegir los expertos a participar. Debe haber gran variedad de personas con
conocimientos en distintas reas.
2. Por medio de un cuestionario (o correo electrnico) obtener las proyecciones (y
3.

cualquier premisa o calificacin para el pronstico) de todos los participantes.

Resumir los resultados y redistribuirlos entre los participantes con las preguntas

4.

nuevas apropiadas.
Volver a resumir, refinar las proyecciones y condiciones, y una vez ms plantear

preguntas nuevas.
5. Repetir el paso 4, si es necesario. Distribuir los resultados finales entre todos los
participantes.
Por lo regular, la tcnica de Delfos puede lograr resultados satisfactorios en tres
rondas. El tiempo requerido es una funcin del nmero de participantes, la
cantidad de trabajo para que desarrollen sus pronsticos y su velocidad para
responder.

2. Anlisis de Serie de Tiempos

Los modelos de pronsticos de series de tiempo tratan de predecir el
futuro con base en la informacin pasada. Por ejemplo, las cifras de ventas
recopiladas durante las ltimas seis semanas se pueden usar para pronosticar las
ventas durante la sptima semana. Las cifras de ventas trimestrales recopiladas
durante los ltimos aos se pueden utilizar para pronosticar los trimestres

futuros. Aun cuando ambos ejemplos contienen ventas, es probable que se

utilicen distintos modelos de series de tiempo para pronosticar.
Los trminos como corto, mediano y largo son relativos al contexto en el
que se emplean. Sin embargo, en el pronstico de negocios, corto plazo casi
siempre se refiere a menos de tres meses; mediano plazo a un periodo de tres
meses a 2 aos; y largo plazo a un trmino mayor de 2 aos.
En general, los modelos a corto plazo compensan la variacin aleatoria y
se ajustan a los cambios a corto plazo (como las respuestas del consumidor a un
producto nuevo). Los pronsticos a mediano plazo son tiles para efectos
estacionales, y los modelos a largo plazo detectan las tendencias generales y son
muy tiles para identificar los cambios ms importantes.
Con base en la idea de que el historial de los eventos a travs del tiempo
se puede utilizar para proyectar el futuro.
El modelo de pronstico que una empresa debe utilizar depende de:
1. El horizonte de tiempo que se va a pronosticar.
2. La disponibilidad de los datos.
3. La precisin requerida.
4. El tamao del presupuesto de pronstico.
5. La disponibilidad de personal calificado.
Al seleccionar un modelo de pronstico, existen otros aspectos como el
grado de flexibilidad de la empresa (mientras mayor sea su habilidad para
reaccionar con rapidez a los cambios, menos preciso necesita ser el pronstico).
Otro aspecto es la consecuencia de un mal pronstico. Si una decisin
importante sobre la inversin de capital se basa en un pronstico, ste debe ser
bueno.
Casi todos los modelos de pronsticos de serie de tiempo intentan capturar de manera
matemtica los patrones subyacentes de la demanda pasada
Promedio Mviles Simple
Como su nombre lo indica, nada ms que el promedio matemtico de los ltimos
periodos recientes de la demanda real. La ecuacin general para obtenerlos tiene la
siguiente forma:
Dnde:
F es el pronstico.
t es el periodo de tiempo actual, lo que significa que Ft es el pronstico para el periodo
de tiempo actual.

At es la demanda real en el periodo t, y

n es el nmero de periodos que se utiliza
Ejemplo:

F5: 25+22+26+24 =

24.25
4

Los promedios mviles simples

por lo general no deben utilizarse
para

pronosticar

la

demanda,

cuando la informacin claramente

sigue algn tipo de tendencia o patrn cclico regular.
El trmino mvil indica que conforme se tiene disponible una nueva
observacin de la serie de tiempo, se reemplaza la observacin ms antigua de la
ecuacin y se calcula un nuevo promedio. Como resultado, el promedio cambiar; es
decir, se mover, al ir quedando disponibles nuevas observaciones.
Un promedio mvil simple resultar siempre menor que los datos en aumento
y mayor que los datos en disminucin. Por lo tanto, si aparecen amplias elevaciones o
cadas, los promedios mviles simples no se desempearn bien. Se ajustan mejor a
datos con pequeos variaciones, dando alguna estabilidad frente a perturbaciones
aleatorias.
Promedio Mviles Ponderados
Son bsicamente lo mismo que los promedios mviles simples, aunque con una
excepcin importante. Con los promedios mviles ponderados el peso asignado a cada
punto de demanda pasado que se utilice en el clculo puede variar. De esta forma es
posible asignar mayor influencia a ciertos puntos de informacin, por lo general al
punto de demanda ms reciente. Por lo que el criterio que supone que los datos ms
recientes contienen mayor informacin y por lo tanto, son ms importantes que los datos
ms antiguos, puede ponerse en prctica con un promedio mvil ponderado.
La ecuacin bsica para calcular promedios mviles ponderados es el siguiente
(la w viene de weight, peso):

En el diagrama de dispersin del ejemplo anterior se puede observar que no existen

grandes tendencias

3. Pronostico de Relaciones Casuales

Para que un pronstico sea de valor, cualquier variable independiente debe ser
un indicador gua. Por ejemplo, es de esperar que un periodo de lluvias ms prolongado
aumente la venta de paraguas y gabardinas.
La lluvia provoca la venta de artculos personales para este clima. Se trata de una
relacin causal en la que una ocurrencia causa otra. Si se sabe del elemento de causa
con mucha anticipacin, se puede usar como base para el pronstico.
El primer paso del pronstico de una relacin causal es encontrar las ocurrencias
que realmente sean la causa. Muchas veces los indicadores gua no son relaciones

causales sino que indican, de cierta forma indirecta, que podran ocurrir otras cosas.
Otras relaciones no causales simplemente parecen existir como una coincidencia. Hace
unos aos se demostr en un estudio que la cantidad de alcohol vendido en Suecia era
directamente proporcional al salario de los maestros. Se cree que era una relacin
espuria (falsa). El siguiente es un ejemplo de un pronstico con el uso de una relacin
causal.

4. Pronostico Enfocado
El pronstico enfocado es creacin de Bernie Smith,
quien lo usa
principalmente para manejo de inventarios de bienes terminados. Smith defiende slidos
argumentos de que los enfoques estadsticos usados para pronosticar no dan los mejores
resultados. Afirma que las tcnicas simples que funcionaron antes tambin dan los
mejores pronsticos para el futuro.
METODOLOGA DEL PRONSTICO ENFOCADO
El pronstico enfocado simplemente prueba varias reglas que parecen lgicas y
fciles de entender para proyectar al futuro los datos del pasado. Cada una de estas
reglas se usa en un programa de simulacin por computadora para proyectar realmente
la demanda y medir el desempeo de la regla cuando se compara con lo que ocurri. Por
lo tanto, los dos componentes del sistema de pronstico enfocado son 1) varias reglas de
pronstico muy simples, y 2) simulacin por computadora de estas reglas sobre datos
del pasado.
Se trata de reglas simples y de sentido comn que se formulan y prueban para
ver si deben conservarse.
Entre los ejemplos de reglas simples de pronstico se encuentran:
1. Lo que se haya vendido en los tres ltimos meses ser probablemente lo que
se venda en los tres meses siguientes.
2. Lo que se vendi en el mismo trimestre del ao pasado se vender
probablemente en ese periodo de este ao (esto dara cuenta de los efectos estacionales).
3. Es probable que se venda 10 por ciento ms en los siguientes tres meses que
en los tres meses anteriores.
4. Es probable que se venda 50 por ciento ms en los tres meses siguientes que
en los mismos tres meses del ao anterior.
5. Cualquiera que haya sido el cambio porcentual de los ltimos tres meses de
este ao en comparacin con los mismos tres meses del ao pasado, ser probablemente
el mismo cambio porcentual que se tendr en los siguientes tres meses del ao.
Estas reglas de pronstico no son rgidas. Si una regla parece funcionar bien, se
agrega. Si una no funcion, se suprime.

La segunda parte del proceso es una simulacin por computadora. Para usar el
sistema, deben tenerse datos histricos; por ejemplo, datos de 18 a 24 meses. El proceso
de simulacin usa las reglas de pronstico para predecir datos recientes. La regla que
mejor pronostique en el pasado es la que se usa para predecir el futuro.