Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pronósticos de Venta
Pronósticos de Venta
COMERCIALIZACIN 1
Pronsticos de Ventas
Muchos gerentes sienten que el pronstico de ventas es la pieza de informacin ms importante
de su trabajo. Esto es porque el pronstico es la base de muchas actividades. A partir de l:
-
El Pronstico de ventas puede definirse como una estimacin de las ventas durante algn periodo
futuro especfico y en un plan de marketing previamente establecido por la empresa. (Stanton)
El Potencial de Mercado de un producto es el total esperado de ventas del mismo por parte de
todas las empresas que compiten durante un periodo sealado y en un mercado especificado.
El Potencial de ventas (sinnimo de participacin en el mercado) es la participacin de un
mercado potencial que una compaa espera obtener.
Mercado Potencial es el conjunto de clientes que tienen inters en la oferta. Adems deben tener
ingresos suficientes para acceder a ella y disponibilidad del producto, es decir que el producto est
a la venta en un lugar cercano, donde el comprador pueda ir a adquirirlo.
COMERCIALIZACIN 1
Los modelos basados en series de tiempo: usan datos pasados para estimar los resultados
futuros. Incluyen:
o Promedios mviles
o Alisado exponencial
o Descomposicin de series de tiempo
o ARIMA univariado (box Jenkins)
Los modelos causales, que buscan detectar la influencia de variables incontrolables sobre
las ventas y cuantificarla. Incluyen:
o Modelos de regresin y correlacin (simple y mltiple)
o ARIMA
COMERCIALIZACIN 1
o Construccin de escenarios
o Analoga
o Simulacin
de la economa
de la industria
de la empresa
s/ su plazo
corto
mediano
largo
s/ su apertura
por productos
por zonas geogrficas
por canales de distribucin
s/ su objeto
unidades fsicas
unidades monetarias
COMERCIALIZACIN 1
Desventajas
Inexactitud en el largo plazo
Generalmente es global (poca apertura)
Poca confiabilidad
Desaprovechamiento del talento de otros ejecutivos
Ineficiencia en la formacin de nuevos pronosticadores
No hay investigaciones causales
Puede estar sesgado por el optimismo o el pesimismo del pronosticador
COMERCIALIZACIN 1
Pronstico de un Comit
Ventajas
Costo reducido
Adaptacin a la informacin disponible
Puede utilizarse para nuevos productos
Aprovecha el talento de otros ejecutivos
Sencillez
Sensibilidad para captar los nuevos factores que afectan las ventas
Rapidez
Rene datos, conocimientos y puntos de vista
La discusin ensea a todos los miembros del comit
Los ejecutivos confan en el pronstico por apreciacin unipersonal
Desventajas
Inexactitud en el largo plazo
Generalmente es global
No es totalmente confiable (slo opiniones personales)
No hay investigaciones causales
Si las deliberaciones se prolongan, puede resultar caro
Puede generar roces y resentimientos
Los ejecutivos con otras responsabilidades pueden desatender el pronstico
No hay clara asignacin de responsabilidades
Sesgo por el optimismo o pesimismo del comit
Efectos imitativos o de liderazgo
5
COMERCIALIZACIN 1
Pronstico de Vendedores
Ventajas
Adaptacin a la informacin disponible
Puede realizarse para los nuevos productos
Sencillez
Sensibilidad para captar los nuevos factores que afectan las ventas
Clara asignacin de responsabilidad por el pronstico
Rene datos, conocimientos y puntos de vista
Posee buena desagregacin
Introduce a los vendedores en los objetivos gerenciales
Permite controlar a los vendedores en base a las metas que ellos mismos han establecido
Se aprovecha la informacin que poseen los vendedores
Incentiva a los vendedores a averiguar los planes de los clientes
Desventajas
Inexactitud en el largo plazo
No hay investigaciones causales
No es totalmente confiable, porque slo se basa en opiniones personales
Si las discusiones son prolongadas, el pronstico puede resultar muy costoso
Es lento, su realizacin lleva mucho tiempo, incluso puede haber demoras si alguno no cumple
en los plazos previstos
Los clculos para consolidar pueden ser tediosos
Los vendedores no poseen panorama (son optimistas o pesimistas y se dejan llevar por efectos
menores)
Los vendedores subvalan los pronsticos, porque saben que con ellos se los controlar a
posteriori
6
COMERCIALIZACIN 1
Desventajas
Generalmente es global (poca apertura)
No es totalmente confiable, slo se basa en opiniones personales
No hay investigaciones causales
Si el nmero de cuestionarios es demasiado grande, puede resultar costoso y lento
Los ejecutivos con otras responsabilidades primarias pueden desatender la respuesta de los
cuestionarios
COMERCIALIZACIN 1
Desventajas
Inexactitud en el largo plazo
No hay investigaciones causales
No es totalmente confiable, las intenciones de compra no siempre se convierten en verdaderas
compras
Algunas empresas pueden no querer dar sus intenciones de compra, especialmente si no son
clientes regulares o si estn evaluando cambiar de proveedor
COMERCIALIZACIN 1
Desventajas
No puede aplicarse a series caprichosas
Supone que el comportamiento pasado de la serie se repetir en el futuro
Es poco confiable como mtodo nico
No es til para nuevos productos
Insensibilidad para captar a los nuevos factores que afectan a las ventas
Si existe ms informacin la desaprovecha
Desaprovecha el talento de los pronosticadores
No hay investigaciones causales
El clculo puede resultar tedioso
COMERCIALIZACIN 1
Desventajas
No puede aplicarse a series muy fluctuantes ni caprichosas
Supone que las tendencias del pasado reciente se mantendrn en el futuro
No hay investigaciones causales
Es poco confiable como nico mtodo
Si existe ms informacin la desaprovecha
Desaprovecha el talento y experiencia de los pronosticadores
10
COMERCIALIZACIN 1
COMERCIALIZACIN 1
12
Promedios mviles
prom 5 error 3 error 5
1040
1020
960
900
940
920
1000
1000
133
233
367
-433
-233
-333
400
140
220
360
-300
-160
-380
200
133
2133
80
1760
Alisado exponencial
COMERCIALIZACIN 1
En el ejemplo presentado y por casualidad, no hay error de pronstico para ese periodo, ya que P 4
es igual a X4.El pronosticador tambin prueba con otros mtodos, por ejemplo promedios mviles
de 5 periodos, en este caso el promedio del periodo 1 a 5 es el pronstico para el periodo 6 y se
compara con las ventas reales que hubo en el periodo 6 a fin de determinar cul hubiera sido el
error de pronstico: $ 140 en este caso. Fijmonos que el error de pronstico del periodo 6 con el
mtodo de promedios mviles de 3 periodos hubiera sido $ 133.
Se sigue trabajando para los periodos siguientes, por ejemplo, en promedios mviles de 3
periodos, se toman las ventas reales de los periodos 2, 3 y 4, y este promedio se convierte en
pronstico para el periodo 5. Y as sucesivamente, siempre desechando un periodo y tomando uno
ms (de ah el nombre de mviles).
Cuando llegamos al ao que queremos pronosticar verdaderamente, en el ejemplo de arriba
vendra a ser el periodo 13, nos preguntamos si usaremos $ 1.067 o $ 1.000 como pronstico.
Bien, la respuesta consiste en fijarse cul mtodo habra dado menos error si lo hubiramos usado
en el pasado. Comparamos la misma cantidad de periodos, es decir desde el ao 6. Sumamos los
errores de pronstico usando mviles de 3, nos da $ 133, y mviles de 5, que nos da $ 80. De all
se deduce que mviles de 5 es mejor mtodo pronosticador y por tanto para el periodo 13
adoptamos el valor de $ 1.000 como pronstico.
Si se usa el error a secas como medida de la exactitud, tal como hemos visto, pueden compensarse
errores internos por defecto o exceso de ventas sobre el pronstico. Es importante que haya
desfasajes de pronstico dentro de los periodos si el resultado final es casi neutro? Depende del
tipo de empresa de que se trate. Cuando la empresa piensa que si las ventas se atrasan o
adelantan, no hay dao en tanto y en cuanto los atrasos y adelantos se compensen entre s,
usamos et. Por ejemplo, YPF GAS vende gas a las industrias y firma contratos por volmenes
cuatrimestrales. Si el cupo mensual se supera un mes, no tienen problemas para proveer ms
(dentro de ciertos parmetros) siempre que el total cuatrimestral no sea superado.
Pero muchos pronosticadores usan el error en valor absoluto |et| como medida del error, en lugar
de et a secas. Esto sucede en las industrias en que los errores de pronstico no pueden
compensarse entre periodos. Son principalmente las empresas que no pueden stockear productos
para compensar por una demanda floja o atender un exceso de pedidos. Ellas por lo tanto usarn
el error en valor absoluto como medida de la exactitud del pronstico.
13
COMERCIALIZACIN 1
En el ejemplo que hemos visto, sin embargo, tanto et como |et| nos indican que promedios
mviles de 5 periodos es mejor pronosticador que mviles de 3 periodos y no da lugar a dudas.
Pronsticos de Ventas
1400
1200
1000
800
600
400
200
3
900
1000 1200
900
10
11
12
prons
tico
800
600
800
prom 3
967
767
867
967
1200 1067
prom 5
1040 1020
960
900
940
920
1000 1000
Existen otras medidas del error, tales como el Promedio de los Valores Absolutos de los errores
(hasta ahora venamos usando la suma), el Promedio de Porcentajes de Error en Valor Absoluto
(me parece el ms til porque se expresa en porcentaje y es muy fcil de entender), el Promedio
de los Errores al Cuadrado (otra forma de convertir todos los errores al mismo signo) y el
Promedio de las Races Cuadradas de los errores.
Aqu hemos presentado uno de los mtodos ms bsicos de series de tiempos, los promedios
mviles, que son tiles para pronsticos de corto plazo para gran nmero de productos, donde las
ventas pasadas no tienen una tendencia ascendente ni ascendente clara y no hay influencia de la
estacionalidad.
En promedios mviles, cuando usamos una mayor cantidad de periodos, es menor la incidencia de
cada dato en el cmputo de la serie, por lo que logramos una lnea de pronstico ms suave que
cuando se usan pocos periodos. Tambin tienen ms importancia los hechos pasados que
influyeron en ventas antiguas, que tal vez perdieron relevancia en el presente. Por el contrario, el
promedio de pocos periodos es ms reactivo a los cambios recientes en las ventas.
14
COMERCIALIZACIN 1
Cuando las series de tiempo tienen una tendencia ascendente o descendente, tambin puede
usarse el mtodo de promedios mviles, pero en este caso se utiliza el Mtodo de Doble Promedio
Mvil, que es un promedio mvil de un promedio mvil.
Las ventajas del mtodo de los promedios mviles son:
Asigna igual peso a todos los periodos, ignorando que los periodos ms recientes afectan
ms a las ventas futuras
Para compensar las dos ltimas desventajas, introducimos el mtodo de Suavizado Exponencial.
En l, las ventas de los periodos ms recientes tienen un impacto mayor en el clculo del
pronstico que las ventas anteriores. La frmula de clculo es:
P t+1 = a Vt + (1 a) Pt
El pronstico del periodo t+1 es una funcin que depende de las Ventas del periodo t y del
pronstico del periodo t. A su vez, el pronstico del periodo t est en funcin de las ventas de t-1 y
as sucesivamente, con lo que Pt es una funcin que depende de todas las ventas histricas y un
pronstico inicial que nos inventamos, hacindolo igual a la primera venta.
P t = a Xt-1 + (1 a) Pt-1
COMERCIALIZACIN 1
Tal como se hizo con los promedios mviles, el pronosticador probar usando distintos valores de
a para encontrar aqul que hubiera actuado como mejor pronstico si se lo hubiera usado en el
pasado. Es un mtodo de prueba y error. En nuestro ejemplo trabajamos con a = 0.8 y a = 0.2
Pronsticos de Ventas
Periodo Ventas
1
1000
2
1100
3
900
4
1000
5
1200
6
900
7
800
8
600
9
1200
10
1100
11
1300
12
800
pronstico
error
error valor abs.
0,8
1000
1000
1080
936
987
1157
951
830
646
1089
1098
1260
892
Alisado exponencial
0,2
error 0,8 error 0,2
1000
1000
1020
996
997
1037
257
137
1010
151
210
968
230
368
894
-554
-306
955
-11
-145
984
-202
-316
1048
460
248
998
332
1866
197
1729
De nuevo, calculamos el error para la misma cantidad de periodos (en este caso usamos desde el
periodo 6 a fin de hacer ms adelante una comparacin con el error que arroj el uso de
promedios mviles, no por otra razn). Vemos que a de 0.2 dio un error a secas de $ 197.
Por lo tanto, y para el ejemplo considerado, sigue siendo mejor mtodo pronosticador el de
promedios mviles de 5 periodos, por lo que usaremos $ 1.000 como pronstico para el periodo
13 como nos indicaba esa tcnica.
16
COMERCIALIZACIN 1
Como promedios mviles, alisado exponencial siempre estar por debajo o por encima de las
ventas si hay una tendencia creciente o decreciente en ellas. Tambin aqu puede aplicarse un
doble alisado exponencial para superar este problema.
Las ventajas del alisado exponencial son:
Simple de entender
Las desventajas:
El error puede ser grande si hay muchas fluctuaciones en los datos ms recientes.
Un tercer mtodo es el de Mnimos Cuadrados. Se aplica cuando hay una tendencia lineal en los
datos, con el fin de identificar la lnea recta que asegure que la suma de los desvos al cuadrado
entre las ventas reales y esta lnea de tendencia sea mnima.
La frmula usada es:
Y=a+bX
Cuando el valor de las ventas no obedece solamente a la tendencia ascendente o descendente a lo
largo del tiempo, puede ser necesario llevar a cabo la tcnica conocida como Descomposicin.
Segn ella, se identifican por separado los 4 componentes de una serie de tiempo: la tendencia de
largo plazo, las influencias del ciclo econmico, las estacionales propias de la actividad y las
irregularidades que no tienen explicacin en el tiempo.
Lgicamente, las irregularidades no pueden ser predichas tomando como base el tiempo.
Entonces lo que hacemos es:
1. Identificar y aislar la estacionalidad. Para ello:
-
17
COMERCIALIZACIN 1
Dividimos cada dato mensual entre el promedio mvil que le toca. El resultado es un
ndice estacional.
Tomamos los ndices estacionales de varios aos y los promediamos. Obtenemos un ndice
estacional permanente.
Dividimos la cifra real de ventas entre el ndice estacional permanente y nos da cul
hubiera sido la venta sin el efecto estacional.
2. Identificar la tendencia:
-
Con los promedios mviles de 5 periodos ploteamos los resultados para observar
visualmente si hay una tendencia lineal.
Se aplica sobre esos promedios mviles la tcnica de mnimos cuadrados para obtener la
tendencia.
3. Aislar el ciclo:
-
Desventajas:
-
18
COMERCIALIZACIN 1
Los factores ms importantes para elegir entre un mtodo cualitativo, un mtodo de series de
tiempo o un mtodo causal son los siguientes:
COMERCIALIZACIN 1
productivos y de instalaciones son a largo plazo, requieren menos precisin y, tal vez, una sola
estimacin de la demanda total. Los mtodos cualitativos o causales tienden a ser ms apropiados
para este ltimo tipo de decisiones. Las decisiones sobre planeacin agregada y presupuestos se
ubican dentro de un plazo medio donde con frecuencia se utilizan mtodos de series de tiempo o
mtodos causales.
20
COMERCIALIZACIN 1
Como recordaremos de Estadsticas, el mtodo que busca la tendencia lineal en las ventas es la
regresin simple, que aplica el mtodo de los mnimos cuadrados para encontrar la llamada recta
de regresin y conocer as, la pendiente de crecimiento o cada de ventas.
Finalmente, el mtodo de descomposicin nos dar la mejor aproximacin en caso de patrones
lineales de venta, al aislar el efecto de la tendencia, la estacionalidad y el ciclo.
Mtodos ms complejos existen para patrones no lineales de ventas.
Otro aspecto que tiene que ver con la seleccin de los mtodos de pronsticos es la diferencia que
existe entre un buen ajuste y la prediccin. Al probar diferentes modelos, se piensa a menudo que
el modelo que mejor se ajusta a los datos histricos (el que dio el menor error) es tambin el
mejor predictor del futuro. Esto no es verdad sino que presupone que el futuro ser exactamente
igual al pasado, que lo que ocurri volver a ocurrir, o sea: supone que se repetirn las
condiciones externas, que la competencia volver a hacer lo que hizo, que nuestro plan de
marketing futuro ser igual al anterior, que los clientes reaccionarn de igual forma. Como se ve,
es demasiado suponer en la mayora de los casos. Por eso las empresas ms avanzadas usan algn
tipo de mtodo causal en la confeccin del pronstico.
Finalmente termina resultando conveniente efectuar pronsticos segn diversos mtodos para
acordar en base a todos ellos una cifra final de pronstico.-
21