Gestin de Recursos FI UBA:

Pronsticos
Ing. Roger Cohen

Qu es y para qu sirve pronosticar? Pronosticar es el arte y ciencia de predecir acontecimientos futuros. Las decisiones empresariales siempre se toman con informacin insuficiente y con un margen de incertidumbre mayor o menor, dependiendo del tiempo y los recursos que se destinan a la bsqueda y el anlisis de la informacin. Debemos entonces establecer algunas suposiciones y actuar. Sabemos que nunca ocurrir exactamente lo pronosticado; entonces, para qu pronosticar? Porque necesitamos una cierta base -aunque sea mnima-, un criterio, una justificacin para el curso de accin que decidimos tomar. Porque a partir del pronstico que generemos, estaremos decidiendo dnde alocar nuestros recursos financieros, tecnolgicos y humanos.

Dependencia de la demanda Se suele decir que la demanda es dependiente cuando la necesidad de un determinado producto depende de la de otro producto que lo utiliza. Esto entonces se da en los semielaborados, ingredientes, materiales de empaque, servicios especficos para un determinado tipo de bien o servicio. Tambin se debe analizar la dependencia respecto a productos complementarios. Por el otro lado, los bienes y servicios cuya dependencia respecto a otro producto es desestimable, se los suele denominar de demanda independiente. Es importante notar que en realidad nunca es del todo independiente, ya que ningn producto est desligado del nivel de ingreso o el crecimiento poblacional, los precios relativos, los cambios en el comportamiento de la sociedad, etc.. Como ingenieros qumicos, muchas veces nos vamos a encontrar trabajando sobre un producto que es utilizado como materia prima en diferentes productos terminados, o algunos que inclusive se venden tambin al pblico comn. En estos casos, se debe realizar lo que se denomina un anlisis de usos finales: realizar un pronstico de la demanda para cada uno de los productos que utilizan nuestro producto, e inferir su pronstico de demanda teniendo en cuenta la proporcin en la cual participa en la composicin de cada uno de los productos terminados. Por ejemplo, el azcar se vende a la poblacin en bolsas de 1kg, a fraccionadores para producir sobres para confiteras, en bolsas de 25 o 50kg hasta en big bags para fbricas de diferentes productos alimenticios. Deber analizar la proyeccin de la demanda de cada uno de estos usos finales, y en el caso de los productos alimenticios estimar la proporcin de azcar que llevan en sus frmulas y hasta la posible sustitucin por productos dietticos.

Horizonte temporal Si bien no hay lmites precisos, podemos definir tres horizontes temporales sobre los cuales se pronostica: corto plazo, mediano plazo y largo plazo. Para una empresa, proyecto o incluso momento en particular, se podra considerar al mediano plazo como entre 2 y 4 aos, mientras que para otro caso se entiende por mediano plazo al horizonte entre 6 meses y 1 ao... Las decisiones que se toman en cada uno de los horizontes es diferente, pero acarrean consecuencias para los otros. Por ejemplo, si hace 1 ao establecimos, a partir del pronstico de la

UBA - Gestin de Recursos

Pgina 1 de 9

Pronsticos

demanda, que para esta altura estaramos necesitando slo 100 empleados y se redujo la cantidad empleados, si hoy vemos que en realidad la demanda es superior, esa decisin hoy implica contratar empleados en forma urgente, cubrir en horas extras, o peor an, perder ventas... Pronstico a largo plazo: Planificacin de nuevos productos, localizacin de instalaciones... Pronstico a mediano plazo: Planificacin de las ventas, de la produccin y del presupuesto. Pronstico a corto plazo: Programacin de trabajos, asignacin de tareas. El error de previsin puede compensarse posteriormente, o tambin se pueden tomar medidas preventivas sobre-cubrindose, pero cada una de las alternativas tiene sus costos:
Horizonte temporal Qu se define? Localizacin Largo Plazo Mquinas Productos Ventas Mediano Produccin Plazo Presupuesto Materiales Compras urgentes Stocks de seguridad Maquinaria Ejemplos de Restricciones que se generan Compensacin si se subestim la demanda Tercerizacin Trabajo 24x7 sin tiempo para descansos ni mantenimiento... Capacidad en exceso Sobrecobertura

Corto Plazo

Carga de trabajo

Gente

Seleccin rpida e incorporacin sin capacitacin Horas Extra

Sobredotacin y luego suspensin / despido

Al pasar el tiempo, se vuelven a realizar pronsticos corriendo el horizonte temporal. La fecha que antes se pronosticaba como un largo plazo, pasa a ser un plazo mediano y posteriormente un corto plazo; en general, al acercarse el momento, se cuenta con informacin ms certera. Los pronsticos agrupados en familias de productos son ms precisos que las previsiones de productos individuales (denominados por sus siglas en ingls SKU = Stock Keeping Units unidades de almacenamiento en stock). Por ejemplo, tendr menos error el pronstico de venta de automviles Fiat Uno que el de Fiat-Uno blanco 3 puertas 1.3. Por tal motivo, se suele postergar la apertura de los pronsticos en los productos individuales y dejarlo para los horizontes temporales ms cercanos.

Cmo se expresan los pronsticos Podemos expresar el pronstico como un solo valor para cada perodo de tiempo que se desee estimar, o como un conjunto de datos. A su vez, este conjunto podra expresarse como un rango de mayor probabilidad de ocurrencia, o con dos o tres valores posibles, denominados escenarios. Por ejemplo, puedo plantear un escenario pesimista, al cual le atribuyo una probabilidad de

UBA - Gestin de Recursos

Pgina 2 de 9

Pronsticos

ocurrencia del 10%, un escenario neutro con una probabilidad del 70% y un escenario optimista con un 20% de probabilidad. La expresin de la probabilidad asignada a cada escenario es importante, ya que de no platearlo terminaramos promediando con el mismo peso tanto valores extremos poco probables como lo que esperamos que ocurra ms probablemente. Se utiliza tambin un planteo de escenarios cuando la proyeccin se considera dependiente de alguna variable que la empresa puede manejar, como ser el precio de venta al pblico. Ac ya no hay probabilidades para cada escenario, sino que directamente planteo dos ms caminos posibles, entre los cuales se deber optar por uno.

Mtodos Bsicamente podemos clasificar los mtodos de pronstico en dos grandes grupos: cualitativos y cuantitativos. Se emplean varias metodologas en diferentes empresas o an en una misma empresa en funcin del horizonte temporal, la urgencia en la toma de decisiones y la informacin disponible. Cuando la situacin no es clara y hay pocos datos, como por ejemplo al estudiar el lanzamiento de un producto innovador o una nueva tecnologa, se recurre a mtodos cualitativos, donde prevalece la intuicin. Por el contrario, cuando la situacin es ms estable y existen datos histricos, se suelen utilizar los mtodos cualitativos. Muchas veces se termina utilizando en la prctica una mezcla de varios mtodos, tanto cuanti como cualitativos.

Mtodos Cualitativos Jurado de opinin ejecutiva: Se agrupan las opiniones de un grupo de expertos de alto nivel o de directivos, a menudo en combinacin con modelos estadsticos. Hay que tener en mente las desventajas de la interaccin grupal en este sentido: que haya mucha gente no garantiza que haya opiniones conocedoras realmente del tema; las posiciones muy probablemente escondan intereses personales o simplemente no sean enunciadas por miedo a contrariar a la mayora; hay gran vulnerabilidad a la posicin y personalidad de algunos de los individuos, sea por sus aptitudes de manejo de grupos o simplemente por la jerarqua organizacional... Es clave entonces la correcta eleccin de los participantes. Mtodo Delphi: Es un proceso iterativo grupal, con ciertas reglas y metodologa, mediante el cual se pretende maximizar las ventajas que presentan los mtodos basados en grupos de expertos y minimizar sus inconvenientes. Ello se logra mediante el anonimato (ningn experto conoce la identidad de los otros que componen el grupo de debate, evitando la influencia y permitiendo que uno se anime a modificar su postura inicial), una iteracin con retroalimentacin controlada, y la expresin de los resultados mediante una distribucin estadstica. Proposicin de personal comercial: Se agrupan y revisan estimacin de ventas esperadas por los vendedores, y luego se obtiene un pronstico global. Tener cuidado con los intereses que pueden tener, ya que normalmente van a subestimar sobreestimar en funcin de la metodologa de incentivos por ventas que se encuentre
UBA - Gestin de Recursos Pgina 3 de 9

Pronsticos

en vigencia. Si cobran un porcentual sobre las ventas, sobreestimarn la demanda con tal de que no les falta producto para vender. Si cobran en funcin al grado en el cual superan un objetivo, subestimarn la demanda, para negociar un objetivo menor y as superarlo ms ampliamente o con menor esfuerzo. Estudio de mercado: Requiere informacin de los clientes sobre sus intenciones futuras de compra. Esto incluye tanto sus preferencias, experiencia con el producto, y necesidades, como una definicin del precio mximo que estaran dispuestos a pagar la cantidad que demandaran a un determinado precio. Hay que tener en mente que no siempre coincide lo que el cliente dice con lo que realmente hace. Es slo una herramienta ms, pero no debe tomarse como la verdad.

UBA - Gestin de Recursos

Pgina 4 de 9

Pronsticos

Mtodos Cuantitativos Enfoque Simple Supone que la demanda en el prximo periodo ser igual a la demanda del periodo ms reciente. Es la mejor prediccin para los precios de insumos, acciones, etc.. que cotizan. Porque si el mercado realmente creyera que en un tiempo valdr ms, comprara tanto hoy que hara llevar el precio a ese valor esperado. Por ejemplo, si hoy la accin de Microsoft cotiza a U$S 20, cunto predice que va a valer maana?: U$S 20. Y si en realidad maana vale U$S 25, cunto dira que vale pasado maana?: U$S 25 Series de Tiempo Es una secuencia de datos uniformemente espaciada. Se obtiene observando las variables en periodos de tiempo regulares. Se trata de una pronstico basado en los datos pasados; es decir que supone que los factores que han influido en el pasado lo seguirn haciendo en el futuro. Se pueden descomponer en tendencia, estacionalidad y variacin aleatoria.
Componente de Tendencia Picos estacionales Demanda real

Demanda del producto

Demanda media en cuatro aos Variacin aleatoria

Primer ao Segundo ao Tercer ao Cuarto ao

La Tendencia es el movimiento gradual de ascenso o descenso de los datos a lo largo del tiempo. Los cambios en la poblacin, ingresos, etc. influyen en la tendencia. La Estacionalidad es la existencia de un patrn peridico de comportamiento de los datos. Se puede deber a la climatologa, las costumbres, etc. y producirse dentro de un periodo diario, semanal, mensual, anual... Por ejemplo, los Subterrneos tienen dos claros picos de demanda durante las horas de flujo de pasajeros hacia y desde los trabajos; a su vez, durante los meses de verano tienen menor demanda que durante el resto del ao, debido a la reduccin de poblacin en poca de vacaciones. Las Variaciones Aleatorias, que son saltos en los datos causados por el azar y situaciones inusuales. Son de corta duracin y no se repiten, o al menos no lo hacen con una frecuencia determinada. Al ser aleatorias, no se pueden predecir.

Media Simple Luego del mtodo de enfoque simple, le sigue en simpleza la media simple. En este mtodo pronosticamos un valor futuro similar al promedio de todos los valores pasados. Dentro de las ventajas del mtodo tenemos que es muy amortiguado, por lo cual no encontramos grandes saltos, y es muy simple de comprender por cualquier persona. El problema es que al tener

UBA - Gestin de Recursos

Pgina 5 de 9

Pronsticos

en cuenta todos los datos histricos, llega un momento donde los valores reales que se agregan prcticamente no modifican el pronstico futuro. An as, en algunas ocasiones se utiliza.

Media Mvil Consiste simplemente en tomar el promedio aritmtico de los ltimos n perodos. El valor de n se elige en funcin a la influencia que queramos que tenga la historia ms antigua en la prediccin de los valores futuros. Un valor de n muy chico, har que los pronsticos sigan ms de cerca a los ltimos valores reales, mientras que un valor de n ms grande, se traduce en una curva ms amortiguada aunque, por el mismo motivo, tambin de una menor velocidad de cambio. Se utiliza si no hay tendencia o si sta es escasa. Se suele utilizar para alisar la curva, facilitando una lectura general de los datos.
MM= demanda de n periodos previos n

Casos particulares: Si slo considerramos 1 perodo previo para el clculo de la media mvil, estaramos utilizando la Estimacin Simple.

Media Mvil Ponderada Se utiliza cuando se presenta una tendencia. Los datos anteriores pierden importancia relativa. Las ponderaciones se basan en la intuicin. Ante cambios importantes de la demanda, puede seguir siendo muy lenta la respuesta.
Media mvil ponderada =
(ponderacin para el periodo n) (demanda en el periodo n)
ponderaciones

Casos particulares:: Si le asignramos el mismo peso (factor de ponderacin) a cada uno de los n perodos elegidos, estaramos utilizando la Media Mvil.

Suavizacin Exponencial Es un caso especial de pronstico de media mvil ponderada, donde ahora los factores de ponderacin disminuyen exponencialmente, dndole ms peso a los perodos ms recientes. Se necesita una constante de alisado (), que toma valores entre 0 y 1, eligindola de forma subjetiva. Ventaja: necesita una cantidad reducida de datos histricos. F t = Ft-1 + (A t-1 - F t-1)
donde Ft = Pronstico At = Valor real = Constante de alisado

UBA - Gestin de Recursos

Pgina 6 de 9

Pronsticos

Viendo la frmula uno podra preguntarse por qu tener en cuenta para un pronstico un valor pronosticado en el pasado en lugar de utilizar el valor real. Para encontrar la respuesta, basta con abrir la expresin reemplazando progresivamente las expresiones de Ft-i, y se obtiene: Ft = At - 1 + (1-)At - 2 + (1- )2At - 3 + (1- )3At - 4 + ... + (1- )t-1A0 En esta expresin se puede ver entonces que en realidad lo que se est haciendo es ponderando los valores reales anteriores, en forma suavizada. O sea que en Ft-1 est contenida toda la informacin real histrica. Casos particulares: Si =1, tenemos que Ft = At - 1, o sea que llegamos al Enfoque Simple. Si =0, tenemos que Ft = cte, o sea que llegamos al Enfoque Terco (esta denominacin no existe; lo decimos simplemente para visualizar que estara pronosticando siempre un mismo valor, constante, sin mirar siquiera qu viene sucediendo).

Suavizacin Exponencial con Ajuste de Tendencia Es un refinamiento del mtodo anterior, donde se le suma al pronstico suavizado exponencialmente (Ft), una tendencia tambin suavizada exponencialmente (Tt) FIT t = F t + T t Estos trminos se calculan de la siguiente manera: F t = (A t-1) + (1- ) (F t-1 + T t-1) T t = (F t - F t-1) + (1- )Tt-1

Anlisis de Regresin Lineal Supone relacin lineal entre las dos variables (demanda vs tiempo, demanda vs PBI, u otra variable independiente). Se calcula mediante el mtodo de cuadrados mnimos. No vamos a ahondar en el tema en la materia ya que se ve en otras materias de la carrera, y hoy en da es muy simple su utilizacin desde Excel. Slo queremos recordarles un punto importante que se suele pasar por alto: el coeficiente de correlacin r, o el r2 slo indican un mayor o menor grado de correlacin lineal. O sea, que un valor cercano a cero no significa que no haya correlacin, sino que lo que no hay es una fuerte correlacin lineal, pero puede tranquilamente haber una cuadrtica, o de algn otro grado.

Modelo Estacional Multiplicativo Cuando nos encontramos con un caso con una marcada estacionalidad, se debe utilizar un mtodo que lo contemple, como por ejemplo ste. Los pasos a seguir son: 1. Encontrar la demanda estacional media (sumando la demanda de esa estacin cada ao y dividindola entre el nmero de aos de datos disponibles)

UBA - Gestin de Recursos

Pgina 7 de 9

Pronsticos

2. Calcular la demanda total media -a lo largo de todas las estaciones- (dividiendo la demanda media anual entre el nmero de datos anual) 3. Calcular un ndice estacional (dividiendo la demanda estacional media de esa estacin calculado en 1- por la demanda total media calculado en 2-). 4. Estimar la demanda anual de todo el ao prximo. 5. Calcular el pronstico para cada estacin (dividiendo esta estimacin de la demanda anual total entre el nmero de estaciones y entonces multiplicarla por el ndice estacional de esa estacin)

Cmo elegir el Mtodo de Pronstico? Habiendo introducido esta variedad de mtodos, creemos necesario ayudarlos a establecer algunos criterios para la eleccin del mtodo ms apropiado. Lo primero que debemos preguntarnos es para qu lo utilizaremos? Si se trata de un fundamento para la toma de una decisin poco importante, probablemente lo mejor sea utilizar los mtodos ms simples y que requieran de la menor cantidad de informacin. Pero si ser la base de una decisin compartida o que deba ser evaluada por otros, habr que buscar un equilibrio entre un mtodo sofisticado y ms preciso, y uno ms simple pero ms fcilmente entendible por todos. Presentamos a continuacin dos maneras cuantitativas de evaluar un mtodo en funcin al error (es decir, la diferencia entre el valor real y el que se haba pronosticado), partiendo de la base que buscamos obtener los menores errores posibles. Simplemente calculamos el valor para los dos mtodos que comparemos, y elegimos el de menor valor. Los dos se independizan del signo del error, ya que de lo contrario estaran cancelndose los valores muy negativos con los muy positivos, cuando esto no debera dejar de indicar un mtodo poco certero: Error Cuadrtico Medio (ECM):
ECM =
i =1

y (y i i ) 2 n

errores = n

donde n es la cantidad de datos disponibles desde el inicio del clculo del pronstico.

Desviacin absoluta media (DAM):

DAM = i =1

| y i yi |

|errores|

donde n es la cantidad de datos disponibles desde el inicio del clculo del pronstico.

UBA - Gestin de Recursos

Pgina 8 de 9

Pronsticos

Por ltimo, veamos un indicador adicional, que nos permite detectar cuando un mtodo est dejando de ser confiable. Si los errores se dieran en forma aleatoria, deberamos ver un comportamiento que graficado se vera as: Error
0
Tiempo

Si en cambio, el mtodo se va alejando cada vez ms de los valores reales, obtendramos una curva como la siguiente:
Error 0
Tiempo

Esto, lo podemos detectar utilizando la Seal de Rastreo cada perodo.

Seal de rastreo =

errores ( |errores | / n )

Si en cualquier perodo se obtiene un valor absoluto superior a 3,75, esto indica que el mtodo de pronstico debe ser descartado, ya que estadsticamente la probabilidad de que esto ocurra aleatoriamente es de slo el 0,3% (equivale al concepto de 3 desvos standard para cada lado de la media). Notar que el denominador es el DAM, mientras que el numerador es la suma de los errores con sus correspondientes signos.
Seal que supera el lmite Lmite de control superior Seal de rastreo

+
DAM

0 -

Intervalo aceptable

Lmite de control inferior Tiempo

UBA - Gestin de Recursos

Pgina 9 de 9

Pronsticos