Está en la página 1de 96

1020146946

U N I V E R S I D A D A U T O N O M A DE N U E V O LEON
FACULTAD DE CONTADURIA PUBLICA Y ADMINISTRACION

SARROLLO METODOLOGICO Y TECNICO DE UN PRONOSTICA J E VENTAS PARA UN PRODUCTO CON PATRONES CICLICOS

Por

INC:: ILEANA ELIZONDO GRACIA

C o m e r e q u i s i t o p a r c i a l p a r a o b t e n e r el G r a d o de MAESTRA EN A D M I N I S T R A C I O N DE EMPRESAS con E s p e c i a l i d a d en M e r c a d o t e c n i a

Enero,

2002

j / 3

^ y /

i ri i w i t .dg

FONDO TESIS

DESARROLLO METODOLGICO Y TCNICO DE UN PRONSTICO DE VENTAS PARA UN PRODUCTO CON PATRONES CCLICOS

Aprobacin de la Tesis:

M.E. JOS MANUEL MENDOZA GMEZ Presidente y Asesor de la Tesis

DR. JOSE BARRAGN CODINA Secretario

M.R.H. SALVADORA PEA WARDEN Vocal

MAP. FRANCISCO JAVIER JARDINES GARZA Subdirector de Estudios de Postgrado

A Dios por haberme permitido

este

momento

INTRODUCCIN HIPTESIS

1 NATURALEZA DE LOS PRONSTICOS 1.1 1.2 Mercadotecnia y su funcin en ventas. Los departamentos de la organizacin y el grado en que les afectan los pronsticos. Los pronsticos y la toma de decisiones. Caractersticas inherentes a los pronsticos. Seleccin del mtodo para pronosticar.

1 2 5

1.3 1.4 1.5

7 10 12

2 FUNDAMENTOS TORICOS DE LOS PRONSTICOS DE VENTAS 2.1 Mtodos de pronsticos. 2.1.1 Mtodos cualitativos. 2.1.2 Mtodos cuantitativos.

16 17 21 23

JUSTIFICACIN DEL USO DEL PRONSTICO EN LA EMPRESA 3.1 Los pronsticos y la empresa. 3.2 Realidades y falacias. 3.3 Supuestos del modelo. 3.4 Forma tradicional de resolverlo.

34 35 38 42 44

MODELACIN EMPRICA Y EL MODELO PROPUESTO 4.1 Desarrollo y aplicacin del modelo de pronsticos. 4.2 Anlisis de regresin y correlacin simple. 4.2.1 Clculo de la ecuacin de regresin lineal simple. 4.2.2 Confiabilidad de los estimadores. 4.3 Modelo propuesto. 4.4 Resolucin del pronstico.

47 48 51 53 55 57 67

RESUMEN Y CONCLUSIONES 5.1 Resumen y conclusiones. 5.2 Justificacin de la hiptesis.

70 71 74

BIBLIOGRAFA ANEXOS

76 77

INTRODUCCIN

La idea eentral de presentar este trabajo radica

en el

hecho de qu^.

poca atencin y mucha informalidad existen en general en lo que se refiere a pronsticos de ventas en las Empresas. A veces, se llega al grado de desarrollar un pronstico solamente porque se lo piden a la Divisin Comercial, sin darse cuenta que esas estimaciones afectan gravemente otras Divisiones como Compras, Produccin, Finanzas y otras estrechamente relacionadas directa o indirectamente con las propuestas de Ventas. Se pretende proponer para un caso especial la aplicacin de mtodos cientficos donde la

incertidumbre y variabilidad de los resultados es menor que otras metodologas clsicas.

La Empresa seleccionada ha ofrecido permitir a prueba

los resultados

que arroje este ejercicio con la finalidad de mejorar sustancialmente los pronsticos y darle mayores herramientas as como opciones de anlisis a su Comercialzadora. Por razones obvias, la discrecin y confidencialidad

necesarias para llevar a cabo un proyecto de esta naturaleza deben ser parte integral del proceso de documentacin por lo que se aclara que algunos datos confidenciales incluyendo la identidad de la organizacin han sido omitidos sin comprometer o sacrificar el contenido acadmico y los objetivos que se pretenden alcanzar.

U n a v e z q u e se haya establecido el marco terico de referencia, daremos paso a caracterizar la institucin y el producto de inters antes de entrar de lleno a la metodologa.

El Modelo de pronsticos de venta que esta aplicando la Empresa no cumple con las exigencias de rigor analtico y metodolgico que le garanticen un adecuado nivel de confiabilidad.

Por

lo tanto,

se

ha a

sugerido travs del

la posibilidad

de utilizar de las

modelos ventas,

matemticos

edificados

comportamiento

correlacionndolos con indicadores del comportamiento econmico del pas y edificando la ecuacin de pronsticos con la ayuda de la herramienta estadstica de anlisis de regresin mltiple.

La base de este estudio toma como ejemplo un producto maduro con fuerte presencia en el mercado y mucha fluctuacin en su comportamiento de ventas, lo que permite un estudio crtico y constructivo de la bondad de la metodologa propuesta y visualizando la posible extrapolacin de esta forma de pronosticar a todos los dems productos de la organizacin, principalmente a los nuevos desarrollos, para visualizar el xito relativo de penetracin a corto plazo.

CAPTULO 1

NATURALEZA DE LOS PRONSTICOS

1.1 MERCADOTECNIA Y SU FUNCIN EN VENTAS

La

Mercadotecnia

es

la

funcin

empresarial

que

identifica

las

necesidades y los deseos de los clientes, determina cules mercados pueden atender mejor y disea productos, servicios y programas para servir

apropiadamente a dichos mercados. La mercadotecnia es mucho ms que simplemente una funcin de negocios aislada, es una filosofa que gua a toda la organizacin. La meta de la mercadotecnia es lograr la satisfaccin de los clientes, de manera rentable, desarrollando relaciones de valor con los clientes importantes. El departamento de mercadotecnia no puede lograr esta meta solo, por lo que debe formar equipo con otros departamentos de la compaa as como asociarse con otras organizaciones para lograr dar al cliente un valor superior al de otros competidores.

Uno de los factores importantes en la mercadotecnia es el poder pronosticar cual ser la demanda del producto o productos que ofrece a un determinado segmento de mercado, en base a experiencias pasadas, tomando tambin en cuenta algunas variables que pueden ser econmicas, polticas, culturales, sociales y ambientales, que de alguna forma afectan en la toma de decisiones del consumidor para adquirir dicho producto y as tener los elementos necesarios para presupuestar todos los recursos para llegar a cumplir con las metas y objetivos de la organizacin.

Esto nos conduce a la imperiosa necesidad de anticipar el nivel de demanda que los clientes solicitarn para perodos venideros ya que la disponibilidad de los productos tiene una ligazn directa con la satisfaccin del cliente y el nivel de calidad percibido. En trminos tcnicos, ese mecanismo de anticipacin se le conoce como un pronstico de ventas.

PRONOSTICAR es emitir un enunciado sobre lo que es probable que ocurra en el futuro, basndose en anlisis y en consideraciones de juicio.

El principal propsito de hacer un pronstico es obtener conocimiento sobre eventos inciertos que son importantes en la toma de decisiones presentes.

Pronosticar involucra una mezcla de ciencia y arte. La parte de "Ciencia" consiste en los mtodos desarrollados para tal efecto, generalmente con bases estadsticas.

El "Arte" se aprende por experiencia y esta formado por el juicio e intuicin sobre el marco metodolgico que se va a emplear; incluye conocer el ambiente en que se desarrolla la compaa o la industria, la seleccin de la mejor tcnica para el caso particular, el nmero de datos histricos que debe incluirse, etc.

Cualquier discusin de mtodos de pronsticos debe tratar directamente con los problemas de toma de decisiones y los procesos a los que se aplicarn. Puesto que estos problemas y procesos a menudo se agrupan a lo largo de lneas funcionales (Mercadotecnia, Finanzas, Produccin o Recursos

Humanos), examinemos los requerimientos de los pronsticos que usan los mismos grupos funcionales.

En el rea de Mercadotecnia algunos de los aspectos importantes que se deben estudiar son la determinacin en muchos del tamao casos un del mercado por y sus

caractersticas,

haciendo

desglose

regiones

geogrficas y por tipo de consumidores. Estos pronsticos son el punto de partida de la elaboracin de los presupuestos de la compaa. Especficamente en el rea de mercadotecnia estos pronsticos se usan en la elaboracin de los planes de publicidad, de ventas directas y de otros esfuerzos promocionales.

Otros requerimientos de pronsticos en el rea de Mercadotecnia son cosas tales como participacin en el mercado, tendencia de precios y desarrollo de nuevos productos.

1.2 LOS DEPARTAMENTOS DE LA ORGANIZACIN Y EL GRADO EN QUE LES AFECTAN LOS PRONSTICOS

En el rea de Produccin la mayor necesidad de pronsticos se refiere a la determinacin de ventas desglosada por productos, para que la compaa pueda hacer su programacin de la produccin e inventarios para cubrir la demanda de ventas a un costo razonable.

Otras reas relacionadas con produccin que requieren pronsticos son: tendencia en el costo de materias primas y mano de obra, tendencias en la disponibilidad de materias primas y mano de obra, requerimientos de

mantenimiento y capacidad disponible de la planta para produccin.

Finanzas es un rea en la que los pronsticos son muy valiosos. El departamento debe ser capaz de proyectar sus flujos de efectivo y el monto de gastos diversos e ingresos para conservar la liquidez de la compaa, tambin necesita pronsticos de las tasas de inters para ayudar a planear el tiempo en que se debe adquirir capital nuevo y pronsticos de cuentas de pago atrasadas y aumentos no usuales de capital de trabajo.

An el Departamento de Recursos Humanos requiere de pronsticos para ayudar en la toma de decisiones de planeacin del nmero de

trabajadores en cada categora que deben contratarse y los requerimientos de Droaramas de entrenamiento.

El Gerente de Personal de una empresa requiere pronsticos del nmero de trabajadores y la rotacin de personal en cada categora, as como, tendencias en ausentismo y llegadas tarde, para la mejor planeacin de las actividades de su departamento en busca de la eficiencia de la empresa.

La Alta Gerencia requiere pronsticos de los factores econmicos que sirven en la planeacin estratgica de las expansiones y de las acciones estratgicas. Adems necesita pronsticos de cambios en precios, costos, crecimiento de lneas de productos y del plan estratgico de la compaa.

Por lo tanto, debera establecerse un sistema de pronsticos que permita relacionar entre los pronsticos hechos por diferentes reas de la

Administracin, ms que hacer pronsticos aislados. Hay un alto grado de interdependencia entre los pronsticos de varias divisiones o departamentos que no pueden ignorarse si se quiere tener xito al pronosticar. Por ejemplo, los errores en las proyecciones de las ventas pueden disparar una serie de reacciones que afectan los pronsticos del presupuesto, de los gastos de operacin, de los flujos de efectivo, de los niveles de inventarios, de la fijacin de precios, etc. Similarmente, errores en el presupuesto al proyectar la cantidad de dinero disponible en cada divisin afectar el desarrollo del producto, la modernizacin del equipo, la contratacin del personal y los gastos de publicidad. Esto a su vez influir, si no es que determinar, los niveles de ventas, los costos de operacin y el flujo de efectivo.

1.3 LOS PRONSTICOS Y LA TOMA DE DECISIONES

Es conveniente analizar la forma en que los pronsticos se integran en las actividades de planeacin y toma de decisiones en una organizacin.

Aunque no hay una definicin generalmente aceptada de planeacin, la mayor parte de los escritores concuerdan en el concepto de que la planeacin trata con alguna forma de toma de decisiones que involucra el futuro. Algunas definiciones de planeacin son las que se muestran a continuacin.

a. Reconocimiento conciente del impacto futuro de nuestras decisiones presentes (Drucker). b. Planeacin es la tarea que se ejecuta antes de tomar decisiones (Ackoff). c. Conjunto bien pensado de decisiones y acciones que cuando se siguen aseguran que en el futuro la organizacin sea afectada por su ambiente en una forma consistente con sus metas y objetivos (Makridakis).

Sin importar cual sea la definicin de planeacin que se adopt, sta siempre trata con eventos futuros. Lo mismo puede decirse de pronosticar, que va encaminada a proveer predicciones sobre el estado de eventos futuros de forma tal que el proceso de planeacin pueda realizarse ms exactamente. Los

pronsticos son de gran utilidad cuando sus resultados se pueden usar para tomar ventaja de oportunidades futuras, mientras que se evitan posibles riesgos. El mero reconocimiento de los eventos futuros no es en s

particularmente valioso, a menos de que se adopten los planes y las acciones que puedan manejar esos eventos.

Puesto que planear y pronosticar tratan con el futuro, es importante integrar estas dos funciones dentro de la organizacin. El conocimiento de las tcnicas de pronsticos es de poco valor a menos que puedan aplicarse efectivamente en el proceso de planeacin de la organizacin.

Por esta razn es importante distinguir entre dos situaciones que se pueden presentar. La primera en donde la persona que hace los pronsticos prepara tambin los planes y toma las decisiones. En la segunda situacin las personas que hacen los pronsticos generalmente son parte de la funcin staff en la organizacin y los que planean y toman decisiones tienen posiciones de lnea en diferentes puestos en la organizacin, tales como mercadotecnia, finanzas, produccin, etc.

En Mxico, donde abundan las pequeas y medianas empresas es ms frecuente encontrar la primera situacin. Desgraciadamente en la mayora de los casos los pronsticos se hacen intuitivamente, sin apoyo en ningn tipo de tcnicas. Para estas situaciones son muy apropiadas las tcnicas poco

sofisticadas,

que al disminuir la incertidumbre sobre el futuro

permiten

estructurar planes y acciones congruentes con los objetivos de la organizacin y permiten tambin tomar acciones correctivas apropiadas y a tiempo cuando ocurren situaciones fuera de lo pronosticado. Este tipo de tcnicas requieren herramientas sencillas tales como calculadoras de escritorio y en el peor de los casos el uso de una microcomputadora. La segunda situacin se presenta en Mxico en las grandes empresas y corporativos, en donde el crecimiento de la organizacin exige la especializacin. El tipo de tcnicas de pronsticos que se utilizan en esta situacin requiere substanciales recursos (informacin,

computadora, programas) y habilidades.

1.4 CARACTERSTICAS INHERENTES A LOS PRONSTICOS

Hay tres elementos que deben hacerse resaltar al hacer un pronstico.

Primero, que todas las situaciones en que se requiere un pronstico, tratan con el futuro y el tiempo esta directamente involucrado. As, debe pronosticarse para un punto especfico en el tiempo y el cambio de ese punto generalmente altera al pronstico.

Otro elemento siempre presente en situaciones de pronsticos es la incertidumbre. Si el administrador tuviera certeza sobre las circunstancias que existirn en un tiempo dado, la preparacin de un pronstico sera trivial.

El tercer elemento, presente en grado variable en todas las situaciones descritas es la confianza de la persona que hace el pronstico sobre la informacin contenida en datos histricos.

El trmino " datos " se usa generalmente para referirse a cualquier nmero o hecho que pueda estar disponible. La cantidad de informacin

contenida en tales datos es una medida de qu tan relevante son los datos para la toma de decisiones. As, se puede tener una cantidad tremenda de datos sin tener mucha informacin de lo que suceder en el futuro y viceversa.

Se deber hacer un anlisis de las variables que pueden incluirse para elaborar el pronstico.

1.5 SELECCIN DEL MTODO PARA PRONOSTICAR

La seleccin de un mtodo de pronsticos depende de muchos factores, entre los que se mencionan.

El contexto del pronstico. La relevancia y disponibilidad de datos histricos. El grado de exactitud deseado. El perodo de tiempo que se va a pronosticar. El anlisis costo - beneficio del pronstico para la compaa. El tiempo disponible para hacer el pronstico, y El punto del ciclo de vida en que se encuentra el producto. El entorno macroeconmico La industria en la cual opera la compaa La estacionalidad del producto El tipo de clientes que se atienden Las tcnicas de pronsticos y la tecnologa de informacin

La persona que hace un pronstico debe escoger una tcnica que haga el mejor uso de los datos disponibles. Si se puede aplicar una tcnica de exactitud relativamente aceptable no debera de tratar de usar una tcnica ms avanzada que ofrece un potencial de exactitud mayor pero que requiere informacin inexistente o informacin que es costosa de obtener. Los

pronsticos deben hacerse en coordinacin entre el gerente que los va a usar y

un especialista en pronsticos, a menos de que se trate de una empresa pequea en donde la persona que hace el pronstico es el mismo gerente que los usa.

Para poder seleccionar el mtodo de pronstico ms apropiado para el caso bajo estudio, es conveniente dar respuesta a las siguientes preguntas.

1.- Cul es el propsito del pronstico? Cmo va a usarse?

La respuesta de esta pregunta determina la exactitud requerida y por lo tanto gobierna la seleccin del mtodo.

Mientras que decidir si se entra en un negocio puede requerir slo de una estimacin gruesa del tamao del mercado, los pronsticos que se utilizan para hacer presupuestos deben ser bastante exactos. Las tcnicas apropiadas en cada caso difieren bastante. Mientras que en el primer caso se trata de un pronstico a largo plazo, la mayor parte de los casos del segundo enfoque se refieren a pronsticos a corto plazo.

Por otra parte, si el pronstico se va a usar para fijar un estndar para evaluar actuacin, el mtodo de pronsticos no debera tomar en cuenta acciones especiales tales como promociones y otras estrategias de mercadotecnia, puesto que estos son medios para cambiar los patrones y las relaciones histricas y por lo tanto parte de la actuacin que va a ser evaluada.
j

Las tcnicas varan en costos, as como en amplitud y exactitud. La administracin debe fijar el nivel de inexactitud que puede tolerar. Esto permite a la persona que hace el pronstico hacer un balance entre costo de la tcnica usada y valor de la exactitud obtenida, al seleccionar una tcnica. Por ejemplo, cuando los pronsticos se usan para tomar decisiones de produccin y control de inventarios, una mayor exactitud es probable que lleve a fijar niveles de inventarios ms bajos. De aqu que el administrador y la persona que hace el pronstico debe ponderar el costo de usar una tcnica ms sofisticada y ms cara en contra de los ahorros potenciales en costo de inventarios.

Una vez que el administrador ha definido el propsito del pronstico, el experto que va a hacerlo debe aconsejarlo sobre qu tan frecuentemente debera de producirse un pronstico. Desde un punto de vista estratgico debera discutirse si la decisin que se va a tomar con base en el pronstico puede cambiarse posteriormente si se encuentra que el pronstico fue inadecuado. Si la decisin puede cambiarse, o pueden tomarse medidas correctivas del plan trazado debera discutirse la utilidad de establecer un sistema para seguir la exactitud del pronstico y la clase de sistema de seguimiento que sera apropiado.

2.- Cul es la dinmica y componentes del sistema para los que se har el pronstico?.

La respuesta

a esto aclara

las relaciones

de las variables

que

interactan. Como ya se mencion, existe un alto grado de interdependencia entre los pronsticos de varios departamentos por lo que el gerente y la persona que hace los pronsticos deberan de elaborar un diagrama de flujo que muestre las posiciones relativas de los diferentes elementos del sistema de distribucin, del sistema de ventas, del sistema de produccin y cualquier otro sistema estudiado.

Debe detectarse aquella parte del sistema sobre el que la compaa tiene control total, para tratar de encontrar las relaciones de causa - efecto que actan en el sistema porque frecuentemente se pueden usar tcnicas de pronstico que hagan uso de estos factores causales.

3.- Qu tan importante es el pasado para estimar el futuro?

Esta respuesta implica conocer si el patrn que ha ocurrido en el pasado se repetir en el futuro. Cuando ha habido o se planea introducir cambios significativos en el sistema, como podra ser la introduccin de un producto

nuevo, o de una nueva estrategia, etc., La importancia del pasado para predecir el futuro decrece. Tambin hay que considerar que los cambios recientemente introducidos es poco probable que afecten al patrn total a corto plazo, pero pueden ser significativos a largo plazo. El administrador y la persona que hace el pronstico deben discutir esto ampliamente.

CAPTULO 2

FUNDAMENTOS TERICOS DE LOS PRONSTICOS DE VENTAS

2.1 MTODOS DE PRONSTICOS

Los diferentes mtodos de pronsticos de uso ms frecuente pueden clasificarse en dos grandes grupos: tcnicas cualitativas y tcnicas

cuantitativas. Las tcnicas cuantitativas a su vez se clasifican en anlisis de series de tiempo y modelos causales. Esto se representa en la figura 2.1a

Cualitativos Mtodos de Pronsticos Cuantitativos Anlisis de Series de Tiempo Modelos Causales

Figura 2.1a

Las tcnicas cualitativas se usan cuando los datos son escasos, por ejemplo cuando se introduce un producto nuevo al mercado. Estas tcnicas usan el criterio de la persona y ciertas relaciones para transformar informacin cualitativa en estimados cuantitativos.

En contraste, las tcnicas cuantitativas hacen uso de informacin histrica que puede cuantificarse. Las tcnicas cuantitativas se usan cuando existen estas tres condiciones.

1. Hay informacin sobre el pasado. 2. Esta informacin puede cuantificarse en forma de datos. 3. Puede suponerse que el patrn del pasado se repetir en el futuro.

Esta ltima condicin se conoce como suposicin de consistencia y es la premisa bsica de todas las tcnicas cuantitativas y muchos de los mtodos de pronsticos tecnolgicos.

Est suposicin es ms probable que sea correcta a corto plazo ms que a largo plazo.

Los mtodos de anlisis de series de tiempo generalmente no pueden predecir cuando la tasa de crecimiento de una tendencia variar

significativamente. Tales puntos son llamados puntos de cambio. Estos puntos son de enorme consecuencia para el administrador, y por lo tanto la persona que hace los pronsticos debe usar diferentes herramientas de estadstica para predecir cuando ocurrirn dichos puntos.

Las tcnicas clasificadas en el grupo de anlisis de series de tiempo se usan cuando se dispone de datos de varios aos sobre un producto o una lnea

de productos y cuando las relaciones y tendencias son claras y relativamente estables. El objetivo de estos mtodos es descubrir el patrn subyacente en la serie de datos histricos y extrapolar ese patrn al futuro.

Por otra parte los modelos causales asumen que el factor que va a ser pronosticado exhibe una relacin causa - efecto con una o ms variables independientes. Por ejemplo, puede suponerse y debe probarse que en una determinada situacin las ventas son una funcin del ingreso, del precio, de los gastos de publicidad, de la competencia, etc.

El propsito de los modelos causales es descubrir la forma de la relacin entre las variables y usarla para predecir valores futuros de la variable dependiente. Existen numerosos mtodos para hacer pronsticos, que pueden clasificarse atendiendo a la disponibilidad de datos histricos en mtodos cualitativos y cuantitativos, o atendiendo a la estructura de los modelos en modelos de series de tiempo y modelos causales. En la figura 2.1b se clasifican los mtodos ms comunes.

Cualitativos

Mtodo Delphi Estudios de Mercados Consenso de un Panel Pronstico Visionario Analoga Histrica

Mtodos de Pronsticos

Anfisis de Series de Tiempo

Mtodos de Suavizacin Descomposicin de Series de Tiempo Metodologa Box - Jenkins

Cuantitativos

Modelos Causales

Modelos de Regresin Modelos Economtricos Encuestas de intenciones de compra y anticipaciones Modelos de Insumo Producto

Figura 2.1b

CLASIFICACIN DE LOS MTODOS DE PRONSTICOS

2.1.1 MTODOS CUALITATIVOS

Dentro de esta clasificacin los mtodos de uso ms frecuente son:

MTODO DELPHI, ESTUDIOS DE MERCADOS, CONSENSO DE UN PANEL, PRONSTICO VISIONARIO Y ANALOGA HISTRICA.

MTODO DELPHI en este mtodo se selecciona un panel de expertos y un coordinador del panel. El coordinador enva a los expertos una secuencia de cuestionarios preguntando sobre el tema de estudio. Las respuestas del primer cuestionario se usan para producir el siguiente cuestionario. Se pasa tambin a cada uno de los participantes un resumen de la informacin obtenida en el cuestionario anterior, permitiendo de esta forma que todos los expertos tengan acceso a toda la informacin. Est tcnica elimina el efecto de dejarse influir por la mayora de las opiniones, puesto que no hay contacto cara a cara.

Se usa para pronsticos a largo plazo, pronsticos de ventas de productos nuevos y pronsticos tecnolgicos.

Tiempo de estimado para hacer un pronstico: Su exactitud es de regular a muy buena.

Ms de 2 meses.

INVESTIGACIN DE MERCADOS es un procedimiento sistemtico y formal para evaluar y probar hiptesis acerca de mercados reales. Se necesita

recolectar considerable informacin mediante encuestas usando cuestionarios apropiadamente diseados y hacer anlisis estadstico de las variables del mercado.

Tiempo de ejecucin:

Ms de 3 meses.

Su exactitud puede ser excelente, dependiendo del cuidado que se haya puesto en el trabajo y la profundidad del mismo.

CONSENSO DE UN PANEL est tcnica se base en la suposicin de que varios expertos puedan llegar a un mejor pronstico que una persona. La informacin del panel de expertos se presenta abiertamente en las juntas hasta llegar a un consenso. Se requiere un mnimo de dos reportes durante el tiempo que dura el ejercicio, no hay secreto entre las opiniones de cada uno de los expertos, y se favorece la comunicacin. Los pronsticos pueden estar influenciados por factores sociales y puede ser que no reflejen el verdadero consenso.

Tiene ios mismos usos que el Mtodo Delphi. Tiempo para efectuar el pronstico: Su exactitud: De baja a regular Ms de 2 semanas.

PRONSTICO VISIONARIO consiste en hacer una profeca usando intuicin personal, juicio y cuando es posible hechos acerca de diferentes

escenarios del futuro. Se caracteriza porque es una tcnica muy subjetiva e imaginativa. Los mtodos utilizados no son cientficos.

Exactitud: Mala.

ANALOGA HISTRICA es un anlisis comparativo de la introduccin y crecimiento de productos nuevos parecidos o dirigidos a cumplir las mismas funciones, basando el pronstico en patrones similares. Se requieren datos histricos de uno o ms productos.

Exactitud: De buena a regular. Tiempo para hacer el pronstico: Ms de 1 mes.

2.1.2 MTODOS CUANTITATIVOS

Estos mtodos pueden subclasificarse en anlisis de series de tiempo y modelos causales.

ANLISIS DE SERIES DE TIEMPO una serie de tiempo es un conjunto ordenado de observaciones cuantitativas tomadas en puntos sucesivos en el tiempo. La variable independiente es el tiempo. El anlisis consiste en encontrar el patrn del pasado y proyectarlo al futuro.

Un paso importante para seleccionar un mtodo apropiado para hacer un anlisis de una serie de tiempo es considerar los diferentes patrones que puede seguir una serie de tiempo. Hay 4 patrones bsicos que son: Horizontal (o estacionario), Tendencia, Estacional y Cclico.

El Patrn Horizontal.

Existe cuando los datos fluctan alrededor de un

valor constante. (Se dice que la serie es " estacionaria" en su promedio).

El Patrn Tendencia. Existe cuando hay un aumento o disminucin a largo plazo en los datos. Ejemplo: Las ventas de muchas compaas, el producto interno bruto, etc.

El Patrn Estacional.

Existe cuando una serie tiene fluctuaciones

peridicas debidas a factores fsicos, econmicos o de mercadotecnia. Ejemplo: ventas de anticongelantes, trajes de bao, regalos el da de las madres, etc.

El Patrn Cclico. Son fluctuaciones que ocurren en la serie de tiempo que no se presentan con un perodo fijo. Son debidas a fluctuaciones econmicas a largo plazo y a factores polticos.

En la figura 2.1.2 se representa grficamente cada uno de estos patrones.

(Ventas)

(Ventas)

(tiempo)

(tiempo)

PATRN HORIZONTAL

PATRN TENDENCIA

(Ventas)

(Ventas)

(tiempo)

(tiempo)

PATRN ESTACIONAL

PATRN CICLICO

Figura 2.1.2 PATRONES BSICOS

Una serie de tiempo real puede estar integrada por uno o ms de estos patrones. Adems siempre existen fluctuaciones al azar.

Dentro de los mtodos de anlisis de series de tiempo existen dos tipos generales: aquellos mtodos que tratan de encontrar el patrn total de los datos para proyectarlo al futuro {PROMEDIOS MVILES, SUAVIZACIN

EXPONENCIAL Y BOX - JENKINS)

y aquellos que consisten en separar la

serie de tiempo en sus componentes, identificar el patrn de cada componente, para despus hacer el pronstico con la integracin de los patrones

(DESCOMPOSICIN DE SERIES DE TIEMPO).

MTODO DE PROMEDIOS MVILES.

Esta tcnica consiste en tomar

un conjunto de valores observados, encontrar su promedio y usar este promedio como el pronstico del siguiente periodo. Debe especificarse el nmero de observaciones incluidas en el promedio. Se usa el trmino de promedios mviles porque cada vez que est disponible una nueva observacin puede calcularse un promedio nuevo, eliminando la observacin antigua e incluyendo la ms reciente. Este nuevo promedio se usa como el pronstico del siguiente perodo. En esta forma el nmero de datos que incluye el promedio es siempre constante e incluye las observaciones ms recientes. El nmero de valores incluidos en el promedio (N) se escoge de forma que las variaciones estacionales o al azar se eliminen. Si N es pequea, el pronstico seguir el patrn de la serie retardado unos ciertos perodos. Si N es grande, el pronstico ser casi una lnea horizontal.

Este tipo de tcnicas se usa para pronsticos a corto plazo, muy frecuentemente en control de inventarios cuando el nmero de artculos que maneja la empresa es muy grande.

La frmula general usada para pronsticos mediante el mtodo de promedios mviles es:

P t+ i = (X, + Xm +

+X,.n+1)/N

donde

Pt+i = Pronstico para el perodo t+1

Xt

= Valor de la serie en el perodo t

= Nmero de observaciones incluidos en el promedio

Cuando una serie de datos muestra tendencia, existen modificaciones a este mtodo para considerar la tendencia. El mtodo se conoce como mtodo de promedios mviles lineales o cuadrticos.

MTODO DE SUAVIZACIN EXPONENCIAL. La tcnica es similar a la de promedios mviles excepto que a los datos ms recientes se les da mayor

ponderacin. En este mtodo de pronstico nuevo es igual al pronstico del perodo anterior ms una correccin proporcional al ltimo error observado.

La frmula general es:

Pt+i = a Xt + (1 - a) P t

Pm =Pt

+a(Xt-P,).

donde a puede tomar valores entre 0 y 1.

En esta frmula es evidente que cuando a tiene un valor cercano a 1, el pronstico nuevo incluir un ajuste substancial por el error en la observacin previa. Inversamente cuando a est cercana a 0, el pronstico nuevo incluir muy poco ajuste.

Un valor grande de

a { 0.9 ) produce muy poca suavizacin del

pronstico, mientras que a pequea ( 0.1 ) produce considerable suavizacin.

La ventaja de este mtodo con relacin a promedios mviles es que requiere mucho menor espacio en memoria cuando se usa una computadora para los clculos y la desventaja es que la nica forma para calcular el valor de a que produce el menor error de pronstico es por prueba y error.

Hay muchas variaciones de los mtodos de suavizacin exponencial: algunos son ms verstiles que otros, requieren ms tiempo de computacin o son ms complejos computacionalmente. Una versin de suavizacin

exponencial (el mtodo de Winters) puede manejar una serie de tiempo que presente variacin estacional, cosa que no pueden hacer los mtodos de promedios mviles.

MTODO DE BOX-JENKINS. El mtodo de suavizacin exponencial es un caso especial de la tcnica de Box-Jenkins. En este mtodo a la serie de tiempo se le ajusta un modelo matemtico que es ptimo en el sentido de que asigna errores ms pequeos que cualquier otro mtodo a los datos histricos. El tipo de modelo que va a usarse debe identificarse y posteriormente calcular sus parmetros.

Esta es una de las tcnicas ms exactas que se usan actualmente, pero tambin es una de las ms complejas matemticamente y que consumen mucho tiempo de computadora. Esto significa que es una tcnica cara, tanto por el tiempo de computadora requerido, como por la necesidad de personal altamente especializado.

DESCOMPOSICIN DE SERIES DE TIEMPO. Este mtodo consiste en romper una serie de tiempo en sus componentes. Cada componente se analiza por separado en un intento de aislar el patrn de comportamiento y su influencia resultante sobre la variable que se va a pronosticar.

Debido a que a menudo se encuentra que cada componente se comporta en forma diferente a travs del tiempo, en muchos casos el hacer anlisis separados de cada uno de esos componentes aumenta la exactitud del pronstico.

La tcnica general para descomponer series de tiempo es:

1. Determinar el componente estacional y eliminar su efecto de los datos originales (desestacionalizar la serie). 2. Calcular la tendencia y eliminar su efecto de los datos

desestacional izados. 3. Analizar el componente cclico.

MODELOS CAUSALES como ya se mencion, los modelos causales asumen que la variable que se va a pronosticar guarda una relacin causa efecto con una o ms variables independientes. El propsito de los modelos causales es descubrir la forma de la relacin entre las variables y usarla para predecir valores futuros de la variable dependiente.

Los modelos de ms uso son los MODELOS

DE

REGRESIN,

MODELOS ECONOMTRICOS, ENCUESTAS DE INTENCIN DE COMPRA Y ANTICIPACIN, MODELO DE INSUMO - PRODUCTO Y ANLISIS DEL CICLO DE VIDA. Enseguida una descripcin breve de cada uno de ellos.

MODELOS DE REGRESIN.

En estos modelos se trata de encontrar la

relacin que existe entre una variable dependiente (generalmente ventas) y una o ms variables independientes.

La herramienta que es til para descubrir relaciones es el anlisis de regresin y correlacin.

Anlisis de regresin. Se refiere a las tcnicas usadas para derivar una ecuacin mediante la cual una de las variables (la variable dependiente) puede estimarse a partir de otras variables (variables independientes).

MODELOS ECONMETRICOS. Un modelo economtrico es un sistema de ecuaciones de regresin interdependientes que describe algn sector de actividades econmicas, ventas o utilidades. Los parmetros de las ecuaciones de regresin generalmente se estiman simultneamente.

Como

regla

general

estos

modelos

son

relativamente

caros

de

desarrollar y de mantener. Sin embargo, debido al sistema de ecuaciones inherentes en estos modelos, se pueden expresar mejor que las ecuaciones de regresin en cualquier contingencia, y por lo tanto son mucho ms exactos para predecir puntos de cambio.

El tiempo para desarrollar un buen modelo economtrico es largo. Se usan ms para planeacin que para pronsticos.

ENCUESTAS DE INTENCIONES DE COMPRA Y ANTICIPACIONES. Estas encuestas que se hacen al pblico en general determinan:

a. Las intenciones de compra de ciertos productos. b. Derivan un ndice que mide el sentimiento general sobre el consumo presente y futuro y estiman como afectarn estos sentimientos o los hbitos de compra.

Este enfoque para hacer pronsticos es ms til que otras tcnicas para seguir el desarrollo de la demanda y para sealar puntos de peligro. El problema principal al usuario es que puede sealar en forma incorrecta los puntos de cambio.

MODELO DE INSUMO - PRODUCTO.

Es el mtodo de anlisis que

determina el flujo de bienes y servicios interindustrial o interdepartamental en la economa o en una compaa y su mercado. Muestra flujos de insumos que deben ocurrir para obtener ciertos productos. Debe hacerse un esfuerzo considerable antes de usar propiamente estos modelos cuando se aplican a empresas particulares.

Son modelos que generalmente se refieren a la economa total de un pas o de una regin.

La necesidad imperiosa de un Pronstico de Ventas acertado en el Departamento de Mercadotecnia de cualquier compaa hace que la seleccin de alguno de los Mtodos de Pronsticos antes mencionados sea cautelosa y cuidadosa de todas las variables que se involucren para la toma de decisiones adecuada, la persona o personas involucradas en el estudio debern escoger el mtodo ms apropiado para poder pronosticar acertadamente y as reducir la incertidumbre que rodea al evento en cuestin, ya que todos los departamentos involucrados en la fabricacin de un determinado producto necesitan hacer sus estimaciones para lograr cumplir en conjunto con los objetivos y metas de la organizacin.

Siempre se deber tener en cuenta que al seleccionar un mtodo de pronstico el resultado sea siempre superior al costo incurrido en obtener e pronstico. Lo cual deber tomarse en cuenta siempre que se considere una tcnica para obtener un pronstico acertado.

Algunas de estas tcnicas para pronsticos se pueden realizar slo con ayuda de una calculadora de escritorio, tales como promedios mviles, regresin simple, etc., hasta las tcnicas ms sofisticadas que requieren computadora y conocimientos bastante especializados, como podra ser

regresin mltiple o la metodologa Box-Jenkins.

CAPTULO 3

JUSTIFICACIN DEL USO DEL PRONSTICO EN LA EMPRESA

3.1 LOS PRONSTICOS Y LA EMPRESA

La organizacin que accedi a permitir sus datos a fin de realizar un estudio y aplicacin de la metodologa, es una institucin con ms de 50 aos de existir. Desde sus inicios, su especialidad siempre han sido productos de limpieza para el mercado domstico, aunque en ocasiones ha incursionado con productos de especialidad en el sector industrial. En los ltimos aos, dicho inters ha disminuido por la fuerte competencia que presentan empresas internacionales que aprovechan el beneficio del Tratado de Libre Comercio; esto obligo a la Alta Direccin a concentrarse una vez mas en su mercado de inters primordial ya que prcticamente todos sus productos son de uso y aplicacin casera.

La empresa se inicia alrededor de (948 formulando dos tipos de santizantes para pisos: uno altamente clorinado y el otro con esencia de aroma. Ambos entran y se posesionan en el merado regional desplazando otros productos provenientes del extranjero y para mediados de la dcada de I950's los dos productos alcanzan un liderazgo a nivel nacional que desde entonces a la fecha no han perdido. Actualmente sus competidores mas cercanos son dos Transnacionales Norteamericanas con larga tradicin y presencia en Mxico: Colgate y Procter and Gamble. Ambas organizaciones tambin tienen sus productos lderes que constantemente asedian el porcentaje de participacin

de los productos que la compaa de inters tiene, generndose continuamente

una guerra de precios en favor del consumidor y obviamente un constante monitorear de la calidad de los productos.

Asimismo,

utilizando

las

mismas

tcticas

que

sus

competidores

transnacionales, la empresa ha iniciado una integracin vertical con el fin de eliminar abastecimientos de materias primas extranjeras, y se han edificado tres plantas de manufactura, una comercializadora y una empresa de servicios para poder darle ms flexibilidad y podero a la operacin del negocio. Tambin se desarroll una estrategia de investigacin y desarrollo de nuevos productos que han salido a competir contra los mismos productos campeones con la intencin de alcanzar un nicho del mercado con alguna novedad e impidiendo a la competencia ganar terreno en ciertos segmentos.

Estos dos productos campeones tienen en la actualidad ms de 10 presentaciones, cada una de ellas sirviendo un propsito especfico dentro de las exigencias del ama de casa, de las grandes distribuidoras y de los abarrotes de barrio. A pesar de contar actualmente con ms de 15 lneas de productos, estos dos productos en particular representan de su totalidad ms del 60 % de las ventas totales de la organizacin por lo que es de vital importancia mantener un seguimiento y vigilancia del comportamiento tanto de la competencia como de los mercados objetivo.

Por solicitud explcita de la empresa, su identidad y algunos datos que la refieren a ella sern omitidos en el transcurso de este trabajo. Solamente

informacin que se utilice

en los modelos a estudiar ser presentada y

manipulada para efectos acadmicos de esta tesis.

3.2 REALIDADES Y FALACIAS

Despus de la crisis econmica que nuestro pas sufri a fines de 1994 y que se extendi a lo largo de 1995, una serie de cambios y lecciones se suscitaron que han obligado a muchas empresas a retomar direccin de una manera ms estratgica y profesional. Responder al mercado nacional ya no es igual desde que el Tratado de Libre Comercio se firm y a medida que pasa el tiempo, se va acentuando la necesidad de responder al mercado en forma anticipada. Esto no es fcil ya que la administracin de los recursos, y en particular de los inventarios as como de la planeacin de la produccin, necesitan de metodologa basada en conocimiento cientfico ms que intuicin, sentido comn, experiencia y corazonadas de altos directivos que muchas veces presentan un pronstico de ventas solamente porque alguien se los solicit.

En muchos casos, aunque exista la capacidad de producir

lo que se

requiera, se tiene la limitante de los canales de distribucin y los almacenes disponibles para guardar el producto en forma transitoria. Los productos de limpieza, como muchas otras formulaciones qumicas, son inestables y no pueden durar mucho tiempo en almacn; adems pueden romper la emulsin si durante el almacenamiento se experimentan cambios bruscos en la temperatura y humedad ambientales. Lo ms sano en estos das es procurar producir bajo una filosofa del tipo " Just in Time " en donde debe existir una fuerte coordinacin y comunicacin entre cliente y proveedor. Desafortunadamente, el

mercado de los productos de limpieza no llena estas caractersticas por un sinnmero de razones como son:

a) Los clientes de esta empresa son grandes distribuidoras las cuales sirven como intermediarios para que el ltimo consumidor pueda accesarlo. Estas distribuidoras estn acostumbradas a tener un centro de compras a nivel nacional y de ah abastecer diferentes puntos estratgicos de la Repblica. Los motivadores de compra que impulsan a estos centros de abastecimiento a adquirir producto no estn en funcin de los hbitos del consumo de su comprador.

b) La guerra de precios entre las distribuidoras y las manufactureras es tan fuerte que en ocasiones las necesidades especficas del consumidor quedan a nivel de prioridad secundaria, complicando as la planeacin de la produccin.

c) Aunque parezca increble y a pesar de tener suficiente informacin, las grandes distribuidoras no hacen anlisis del mercado y si lo llegaran hacer, la informacin que de ah se deriva no est a disposicin de las empresas de manufactura. Esto origina que las organizaciones manufactureras lleven a cabo sus propias investigaciones de mercado con el fin de tener un seguimiento ms preciso de lo que sucede con sus productos.

d) En un supermercado, et negocio radica en las frutas, la verdura y las carnes. El departamento de latera, los artculos de limpieza y del hogar as como otros artculos que tpicamente uno encuentra en esos lugares, dejan un margen tan pequeo a dichas organizaciones, que generalmente no le prestan la debida atencin y solamente los facilitan al pblico por conveniencia.

Como se puede observar, la empresa necesita de mayor informacin que la que actualmente tiene disponible, para poder generar predicciones sobre las ventas y sofisticar su planeacin de la produccin. La falta de dlares aunado a muchos productos fraudulentos que aparecieron en el mercado nacional dirigieron la atencin del consumidor promedio a productos nacionales ya conocidos lo que origin un crecimiento explosivo no contemplado de los dos productos principales que tiene esta empresa. Esto se complic al

desbalancearse la proporcin de compra de otros productos que son del mismo giro conduciendo en algunos casos a un exceso de produccin que origin improvisaciones en el almacenamiento y la distribucin y en otros casos reclamaciones e insatisfaccin por no haber suficiente producto para abastecer una demanda en constante crecimiento.

A pesar de tener ms de medio siglo de existencia en el mercado estos dos productos volvieron a rejuvenecerse al grado tal que experimentaron una alza de crecimiento despus de la crisis de 1995 sin precedente. Adems de tomar por sorpresa a la organizacin, no se nota ningn patrn definido que pudiera permitir la aplicacin sistemtica de alguna metodologa conocida para

poder anticipar al mercado y desarrollar una planificacin de la produccin adecuada. Esto condujo a un nivel de tensin crtico cuando la comercializadora y la direccin de produccin rompen comunicacin por falta de entendimiento y tolerancia mutuos. De ah la desesperacin y bsqueda por parte de la

Direccin General de asesoramiento externo para desarrollar el modelo de pronstico de ventas propio de la empresa.

3.3 SUPUESTOS DEL MODELO

En funcin de datos histricos, as como de ciertos elementos bien conocidos respecto a los hbitos de consumo de un comprador promedio, se pretende desarrollar un Modelo de Pronstico de Ventas que sea confiable y que permita estar dentro de un 10 % de incertidumbre o error de prediccin. Para ello, se ha de utilizar la base de datos que la comercializadora tiene almacenada, su nivel de entendimiento respecto al comportamiento del

mercado y usando como ejemplo el producto desinfectante para pisos que contiene un aromatizante.

Para llevar a cabo este desarrollo, se generarn dos modelos en paralelo: el primero para la presentacin de un litro y el segundo para la venta total del mismo producto en todas sus presentaciones. Para evitar factores de ruido que distorsionen el resultado que arroje el modelo, se utilizarn datos nicamente de 1996 en adelante ya que la etapa de crisis econmica tpicamente produce comportamientos aleatorios que no necesariamente

concuerdan con una metodologa tradicional ya establecida.

Alguna

informacin

preliminar

proporcionada

por

los expertos

en

mercadotecnia de la empresa ser necesario puntualizar para tenerla presente en el desarrollo del modelo. Estas observaciones han sido consistentes en los ltimos aos y por eso se debe prestarles atencin y ponderarlas en su debido momento. Primero, cuando se observa que el ciudadano promedio tiene

estabilidad econmica, hay un declive en las ventas de este producto en particular. Esto tal vez se deba a que el fcil acceso a dlares permita a la gente importar productos extranjeros y experimentar con otros aromas no muy comunes en nuestro medio. En segundo trmino, el comportamiento de las ventas de este producto inicia el ao a un nivel bajo y comienzan las ventas a ascender gradualmente hasta alcanzar un valor mximo generalmente uno o dos meses antes de terminado el ao para despus declinar y alcanzar un mnimo en el primer trimestre del siguiente ao; as el patrn se repite una y otra vez de acuerdo con entrevistas realizadas principalmente con el director de la comercializadora y el gerente de la marca.

En estas circunstancias, es necesario primero entender la mecnica de pronstico de ventas que realiza la comercializadora a fin de familiarizarse con las premisas y las hiptesis que ah se establecen as como las razones por las cuales se aplican para la prediccin de ventas. Posteriormente se tratar de identificar algn Modelo que la literatura cientfica propone a fin de aprovechar sus bondades y acondicionarlo a la problemtica especfica de este producto en cuestin.

3.4 FORMA TRADICIONAL DE RESOLVERLO

De acuerdo con el departamento de anlisis de mercados de la comercializadora de esta empresa, hay una serie de factores econmicos, sociales y culturales que se tienen que considerar para llevar a cabo un diagnstico o prediccin de ventas de un producto especfico. Todos estos factores se traducen en indicadores numricos que son publicados por organizaciones como A.C. Nelsen y que sirven de base para llevar a cabo una evaluacin que eventualmente arroje una serie de nmeros que pudieran considerarse las ventas esperadas.

El

primer

paso

es

la

ponderacin

intuitiva

de esos

indicadores

econmicos que conducen a un comparativo global entre el total de ventas del ao anterior y el nivel de ventas posible para el ao siguiente. Una vez establecido ese valor, se reparte mensualmente en funcin de fluctuaciones ya conocidas, para finalmente desglosar cada total mensual esperado en

proporciones para cada presentacin (medio litro, un litro, un galn, etc.), lo cual era desarrollado en base al porcentaje promedio observado el ao anterior.

Para cada uno de los productos, mensualmente se lleva a cabo una revisin lo que pudiera conducir a un ajuste ya sea por promocin, descuentos, publicidad, etc. Esta revisin la desarrollan el Director de la Comercializadora con el Director de Investigacin de Mercados y el correspondiente Gerente de Marca; la mecnica es la siguiente:

Del total de utilidades esperadas en el ao, se hace una reparticin mensual acumulada y se compara tanto grficamente como analticamente con la utilidad acumulada reportada hasta ese mes por ese producto. En caso de haber excedente, generalmente no se catalizaba ninguna accin correctiva o ajuste al respecto. Por el contrario, si haba un dficit de inmediato se analizaban todas las opciones disponibles para poder recuperarse el siguiente mes (ver Figura 3.4).

Utilidad Acumulada

Utilidad Anual Acumulada Esperada

Enero

Feb.

Mzo.

Dic.

Figura 3.4

Este tipo de ajustes originaban fuertes distorsiones a la planeacin normal de la produccin ya que cualquier accin correctiva generaba una demanda adicional a veces no contemplada y a otros productos se les dejaba de prestar atencin temporalmente. Esta metodologa result adecuada por un cierto tiempo hasta que el nivel de distorsin gener un caos financiero producido por todo lo que implicaba la recuperacin de un producto especfico sacndolo de la rutina normal.

La variabilidad observada en la planeacin de las actividades de otros departamentos (produccin, abastecimientos, distribucin, etc.) comparado con los ajustes que se tenan que llevar a cabo para que el departamento de ventas cumpliera con la utilidad prometida condujo eventualmente a un enfrentamiento e incredibilidad hacia la divisin de mercadotecnia y sus pronsticos ya que se tema que dichos nmeros eran el resultado de un proceso aleatorio y no un ejercicio de reflexin bien calculado. Para mediados del ao de 1998, el Director General de la Empresa, solicit ayuda externa con la intencin de formalizar el proceso de desarrollo de los pronsticos de ventas con metodologa

fundamentada en base cientfica. El siguiente captulo describe en detalle dicha metodologa que fue la que se propuso para esta organizacin.

CAPTULO 4

MODELACIN EMPRICA Y EL MODELO PROPUESTO

4.1 DESARROLLO Y APLICACIN DEL MODELO DE PRONSTICOS

Dentro

de

los

mtodos

clasificados

como

modelos

causales,

el

pronstico se expresar como funcin de cierto nmero de factores, los cuales determinan el resultado. El pronstico no necesariamente depender del tiempo. El desarrollar un modelo explicativo o causal facilita un mejor

entendimiento de la situacin y permite hacer experimentacin con diferentes valores de las variables de entrada y estudiar su efecto sobre el pronstico. Debido a la formulacin bsica de los modelos causales, stos son enfocados hacia la intervencin, influenciando el futuro a travs de decisiones tomadas hoy. Puesto que el efecto de muchas decisiones sobre las variables

independientes no son evidentes durante algn tiempo, los mtodos causales son ms apropiados para hacer pronsticos para horizontes ms lejanos, de 3 meses a 1 ao.

En forma funcional la relacin entre dos variables se expresa como:

Y = f(x)

en cuyo caso tenemos una relacin simple entre dos variables, o

Y = f(Xi, X2,

X3,

X)

en cuyo caso tenemos una relacin mltiple.

La variable del lado izquierdo de la ecuacin se acostumbra llamar variable dependiente (Y), y la(s) del lado derecho de la ecuacin variable(s) independiente(s) (X).

Como ejemplo:

Relacin simple Relacin mltiple

Ventas = f (precio) Ventas = f (Precio, producto interno bruto, gastos de publicidad, nmero de habitantes, precio de productos sustitutos).

La meta de los modelos causales es predecir la variable dependiente descubriendo cmo sta relacionada con una o ms variables independientes. Es importante considerar que las relaciones encontradas por la regresin son relaciones de asociacin, pero no necesariamente relaciones de causa y efecto. A menos que se tengan razones especficas para creer que los valores de la variable dependiente son causados por los valores que toman las variables independientes, no debe inferirse causalidad de las relaciones encontradas por la ecuacin de regresin.

Una vez que se ha hecho el supuesto de que existe relacin entre fas variables dependiente y la(s) vanable(s) independiente(s) deben seguirse tres pasos para hacerse el pronstico.

1. Determinar la forma de la relacin entre las variables 2. Estimar los parmetros de la relacin 3. Probar que la relacin encontrada con sus parmetros

correspondientes se ajustan a los datos observados.

El procedimiento mediante el cual se determina la relacin funcional entre las variables y se estiman los parmetros de la relacin se conoce como Anlisis de Regresin. Esto equivale a decir que se calcula una ecuacin de regresin. Aunque la relacin funcional entre las variables puede ser cualquiera (lineal, exponencial, cuadrtica, etc.), el anlisis de regresin exige que la relacin sea lineal, lo cual no es limitante, puesto que se pueden hacer ciertas modificaciones para transformar en lineal una relacin que no lo es.

Para medir que tan bien sirve la ecuacin de regresin para expresar la relacin entre las variables, se usa el Anlisis de Correlacin.

Mediante este anlisis se determinan ciertos coeficientes que nos miden la relacin entre las variables y se hacen ciertas pruebas de hiptesis para determinar si existe fundamentacin estadstica para esa relacin.

Cuando se est trabajando con una sola variable independiente se dice que se hace anlisis de regresin y correlacin simple, mientras que cuando se usa ms de una variable independiente tenemos el caso de anlisis de regresin y correlacin mltiple. Ambos son fundamentalmente lo mismo.

4.2 ANLISIS DE REGRESIN Y CORRELACIN SIMPLE

En un anlisis de regresin simple se intenta desarrollar un modelo lineal mediante el cul la variable dependiente (respuesta) pueda ser predicha basndose en valores particulares de la variable independiente. Para

desarrollar el modelo, se supone que se cuenta con n pares independientes de observaciones (Xi, Yi), (X2, Y2), (Xn, Y n ). Con el objeto de determinar la

relacin entre las variables, se recomienda graficar los pares de observaciones en un diagrama de dispersin. En la figura 4.2 se muestran algunas relaciones que se pueden encontrar entre las variables.

El diagrama de dispersin es una ayuda para seleccionar el modelo de regresin, puesto que de l se puede inferir la relacin matemtica que puede existir entre X y Y.

14694E

a.- Relacin lineal positiva fuerte

b.- Relacin lineal positiva

a.- Relacin lineal negativa perfecta'

b.- Relacin parablica perfecta

a.- Relacin curvilnea negativa

b.- Ninguna relacin entre las variables

Figura 4.2 EJEMPLOS DE TIPOS DE RELACIONES QUE SE PUEDEN ENCONTRAR

En un modelo de regresin expresarse como

simple,

la relacin funcional

puede

f(X)

t
Datos Observados

t
Modelo +

t
Residual

donde cualquier valor observado Y en la poblacin sera una funcin del valor del modelo matemtico f (X) ms algn residual o error e. El trmino e representa la dispersin arriba y debajo de la ecuacin de regresin.

4.2.1 CLCULO DE LA ECUACIN DE REGRESIN LINEAL SIMPLE

Si el diagrama de dispersin indica una posible relacin lineal entre X y Y, el modelo de regresin de la poblacin puede re - expresarse como

Y = p 0 + PX + e

donde se necesitan determinar los dos parmetros desconocidos Po y P. Est ecuacin se llama tambin modelo de regresin probabilstico. En este modelo Po es la verdadera interseccin con el eje Y de la lnea recta. podemos Como no se y Pi es la verdadera pendiente la poblacin el total, no de

tiene acceso a po y pi y

calcular los parmetros

obtener

modelo

regresin de la poblacin. El objetivo es entonces obtener estimados bo (para 0o) y bi (para pi) a partir de una muestra de forma de obtener el modelo para estimaciones

Y = b 0 + bi X

Existen varios mtodos para estimar los parmetros de esta ecuacin de regresin. El ms usado es el mtodo de mnimos cuadrados, el cual consiste en ajustar una lnea recta a una muestra de datos de tal forma que el error cuadrado medio (ECM) sea mnimo. Al usar el mtodo de mnimos cuadrados se desarrollan las dos siguientes ecuaciones normales:

Y IXY

= nbo + b i X = boSX + b i Z X 2

y resolviendo simultneamente para bo y b! se obtiene

b0=

X2

Z Y - ZX

SXY

n I X 2 - (X) 2

b1 =

"SXY -

SY

n I X 2 - (LX) 2

b 0 puede calcularse tambin mediante la ecuacin

b0 =

- b! X

4.2.2 CONFIABILIDAD DE LOS ESTIMADORES

Una vez que se ha supuesto una relacin funcional entre las variables y se han estimado los parmetros de esa relacin, debe probarse la adecuacin de la ecuacin de regresin calculada a partir de los datos mustrales, para poder determinar si se puede usar para hacer pronsticos y cul es la confiabilidad de esos pronsticos. Dos de las medidas que se acostumbra usar para estos pronsticos son el coeficiente de determinacin y el coeficiente de correlacin.

COEFICIENTE DE DETERMINACIN. Como ya se mencion es una medida para determinar la adecuacin de la ecuacin de regresin a los datos observados. Este coeficiente mide el porcentaje de la variacin total de la variable dependiente que es explicado por la variable independiente. Su valor est entre 0 y 1. Si el coeficiente de determinacin es cero, significa que no hay relacin entre la variable dependiente y la independiente, mientras que un valor 1 significa que la relacin es perfecta, esto es, que todos los valores observados caen exactamente sobre la lnea que representa la ecuacin de regresin.

COEFICIENTE DE CORRELACIN.

Otra medida de la relacin entre

las variables bajo estudio es el coeficiente de correlacin, el cual no es sino la raz cuadrada del coeficiente de determinacin. El coeficiente de correlacin toma valores entre - 1 y 1. El signo del coeficiente de correlacin est determinado por el signo de bi de la ecuacin de regresin. Un valor negativo significa que existe una relacin inversa entre la variable independiente y la variable dependiente, mientras que un valor positivo indica relacin directa entre las variables.

Mientras ms cercano a uno o a menos uno sea el valor del coeficiente de correlacin, menor ser la dispersin de los datos alrededor de la ecuacin de regresin. Un valor cercano a cero indica que no hay relacin entre las

4.3 MODELO PROPUESTO

En base a los objetivos que se fijaron para el desarrollo de esta tesis y la descripcin de los modelos de Regresin, se plantearon dos modelos de pronsticos del promedio de ventas mensual del prximo trimestre para el producto en presentacin de un litro y para el mismo producto pero para pronosticar el consumo total en todas sus presentaciones.

El modelo que se propuso para este caso es en base a una regresin lineal multivariable de la forma:

Y = otiXi + (X2X2 + 1x3X3 + (X4X4

Dnde la variable dependiente ventas (Y) est en funcin de las siguientes variables independientes, a la primera de ellas se le llam Factor de Memoria la cual fue representada por la variable (Xi), y las otras 3 variables fueron tomadas de Sectores del Producto Interno Bruto que son: el Sector de la Industria Manufacturera representado por la variable (X2), el Sector de la Construccin que fue representado por la variable (X3) y el Sector relacionado con Comercio, Restaurantes y Hoteles se represent por la variable (X4) y cada una de stas esta relacionada en la ecuacin de regresin en mayor o menor grado de intensidad dependiendo de su coeficiente a.

Ahora bien, cada una de las variables exgenas que se utilizaron en el modelo estn definidas como sigue:

Xi

Factor de Memoria.

Esta variable nos mide el porcentaje de

incremento o decremento que se suscit al trimestre previo y el actual pero del ao anterior. Nos recuerda el factor cclico de las ventas.

X2

Puntos porcentuales de ms o de menos en el porcentaje de cambio

del PIB del Sector de la Manufactura.

X3 Puntos porcentuales de ms o de menos en el porcentaje de cambio del PIB del Sector de la Construccin.

X4 Puntos porcentuales de ms o de menos en el porcentaje de cambio del PIB del Sector relacionado a Comercio, Restaurantes y Hoteles.

Es un coeficiente que nos indica la incidencia o importancia de ese

factor en el modelo predictor (estos coeficientes se calcularon para cada una de las variables).

Es el porcentaje de cambio () en el promedio de ventas trimestral

con respecto al trimestre actual. (% de incremento o decremento)

La variable Xi se consider debido a la insistencia del personal de mercadotecnia de la empresa por que se deba incluir una variable que nos recordara el comportamiento de ese trimestre pero el ao anterior (en el sentido de saber si haba sido un trimestre alto o bajo en ventas).

Las variables X2, X3 y X4 son variables que se consideraron como ya se mencion de 3 Sectores del Producto Interno Bruto el cual como

recordaremos es el valor de los bienes y servicios que produce el pas a precios de mercado restndole el consumo intermedio. O tambin, al PIB se le conoce como valor agregado y se le considera como uno de los indicadores ms importantes para evaluar la actividad econmica, ya sea de un sector en especial o de toda la economa.

Definimos tambin lo que es el consumo, como la adquisicin de bienes y servicios de la administracin pblica y de los hogares destinados a la satisfaccin de sus necesidades inmediatas.

Los factores de consumo de la industria de la manufactura y de la construccin nos indican que a mayor producto interno bruto se amplia la capacidad productiva de bienes, mayor ingreso fluye a la sociedad ya sea para la adquisicin de otros bienes o directamente en pago a los factores productivos y esto genera mayor demanda del producto.

En lo que se refiere al Producto Interno Bruto del sector de comercio, restaurantes y hoteles, s presenta un incremento este sector el efecto que tendr ser mayor en las ventas, ya que son consumidores directos del producto y se esperara una relacin positiva entre este factor de consumo y las ventas.

Para el desarrollo del modelo a continuacin se presenta en la siguiente tabla el reporte que publica el INEGI por trimestres del Producto Interno Bruto Total, de los Sectores de la Industria Manufacturera, de la Construccin y del Sector relacionado a Comercio, Restaurantes y Hoteles.

PRODUCTO INTERNO BRUTO REPORTADO POR TRIMESTRE

Trimestre

Total

Industria Comercio, Restaurantes Manufacturera Construccin y Hoteles

1995/03 1995/04 1996/01 1996/02 1996/03 1996/04 1997/01 1997/02 1997/03 1997/04 1998/01 1998/02 1998/03

1165580.2 1275557.5 1273411.2 1287671.8 1248864.3 1366659.3 1335407.3 1398121.7 1347608.0 1458160.9 1423550.9 1457829.1 1415610.2

211592.7 223575.0 235259.4 238388.9 240226.5 251668.0 252121.6 267115.3 265842.7 274742.1 278937.9 282730.7 284292.6

43019.5 47716.0 45645.8 48697.2 52536.0 54915.6 49966.4 54516.1 58506.1 59314.0 55075.7 55927.6 61216.2

223559.9 231880.0 223205.0 235949.5 239349.3 252912.9 234644.7 261724.7 268881.6 280486.5 256875.1 276362.2 280478.6

De la Tabla I se calcul el porcentaje de cambio en el Producto Interno Bruto con respecto al trimestre anterior (ver Tabla II).

PORCENTAJE DE CAMBIO EN EL PIB CON RESPECTO AL TRIMESTRE ANTERIOR

Trimestre 1 2 3 4 5 6 7 8 9 10 11 12

Total

Industria Manufacturera Construccin

Comercio, Restaurantes y Hoteles

9.44 -0.17 1.12 -3.01 9.43 -2.29 4.70 -3.61 8.20 -2.37 2.41 -2.90

5.66 5.23 1.33 0.77 4.76 0.18 5.95 -0.48 3.35 1.53 1.36 0.55

10.92 -4.34 6.68 7.88 4.53 -9.01 9.11 7.32 1.38 -7.15 1.55 9.46

3.72 -3.74 5.71 1.44 5.67 -7.22 11.54 2.73 4.32 -8.42 7.59 1.49

Aqu se puede observar la aceleracin o desaceleracin econmica de cada uno de estos sectores del Producto Interno Bruto.

Una vez hecho lo anterior se procedi a calcular tambin el promedio de ventas mensuales por trimestre en miles de litros (ver Anexo 2), as como el porcentaje de cambio entre un trimestre y el anterior para la presentacin de un litro de producto (ver Tabla III).

PRESENTACIN DE UN LITRO DE PRODUCTO


Promedio de Ventas Mensuales por Trimestre (Miles de Litros) Porcentaje de cambio entre un trimestre y el anterior

Trimestre

1o. de 1995 2o. de 1995 3o. de 1995


4o. de 1995

17.655 15.968 18.819 19.834 14.846 18.859 21.579 19.560 16.210 18.757 23.101 22.157 16.802 25.638

-10.53 -9.55 17.85 5.39 -25.15 27.03 14.43 -9.36 -17.13 15.72 23.16 -4.09 -24.17 52.59

V . de 1996 * 2o. de 1996 3o. de 1996 4o. de 1996 1o. de 1997


2a. de 1997

3 o . de 1997 4o. de 1997 1o. de 1998 2o. de 1998

Una vez que se han calculado estos porcentajes de cambio tanto en las ventas promedio mensuales por trimestre como en los sectores del PIB de inters, se calcula la velocidad de cambio entre un trimestre y el anterior para saber el aumento o decremento que hubo entre esos trimestres (ver Tabla IV) y as poder calcular los coeficientes de a para cada una de las variables a utilizar en el modelo para la presentacin de un litro de producto.

VELOCIDAD DE CAMBIO ENTRE UN TRIMESTRE Y EL ANTERIOR No. 1 2 3 4 5 6 7 8 9 10 X, -10.53 -9.55 17.85 5.39 -25.15 27.03 14.43 -9.36 -17.13 15.72 X2 -0.43 -3.90 -0.56 3.99 -4.58 5.77 -6.43 3.83 -1.82 -0.17 X3 -15.26 11.02 1.20 -3.35 -13.54 18.12 -1.79 -5.94 -8.53 9.10 X4 -7.46 9.45 -4.27 4.23 -12.89 18.76 -8.81 1.59 -12.74 16.01 Y -25.15 27.03 14.43 -9.36 -17.13 15.72 23.16 -4.09 -24.17 52.59

Ya que se ha construido esta matriz se procesa en un software estadstico (llamado NCSS) que resuelve ecuaciones lineales y no lineales; el criterio que se utiliz para probar estos coeficientes fue el criterio del coeficiente de determinacin que tambin lo arroja el mismo programa y que bsicamente calcula el porcentaje de variabilidad que el modelo matemtico absorbe.

Los resultados de los coeficientes de a calculados para cada una de las variables son como sigue:

cu = 0.714

Para la variable Factor de Memoria

ct2 = -5.063 oc3 = -0.513 ot4 = 2.263

Para la variable PIB - Industria de la Manufactura Para la variable PIB - Construccin Para la variable PIB - Comercio, Restaurantes y Hoteles

Con un coeficiente de determinacin del 90 % para la presentacin de un litro del producto.

En el caso de los clculos para los coeficientes de las a's a utilizar en el modelo para el consumo total de todas las presentaciones se siguieron los mismo pasos y se lleg a la matriz (ver Tabla V) con la cual se calcularon los diferentes coeficientes para cada una de las variables. Los anexos 1, 3 y sirven como apoyo para estos clculos. 4

VELOCIDAD DE CAMBIO ENTRE UN TRIMESTRE Y EL ANTERIOR No. 1 2 3 4 5 6 7 8 9 10 X1 -1.9 -16.63 13.22 6.01 -22.41 23.05 16.82 -11.6 -10.69 15.11 x2 -0.43 -3.90 -0.56 3.9 9 -4.58 5.77 -6.43 3.83 -1.82 -0.17
X3

X4 -7.46 9.45 -4.27 4.23 -12.89 18.76 -8.81 1.59 -12.74 16.01

Y -22.41 23.05 16.82 -11.6 -10.69 15.11 21.27 -7.19 -22.58 49.1

-15.26 11.02 1.20 -3.35 -13.54 18.12 -1.79 -5.94 -8.53 9.10

En dnde la respuesta est dada por:

a i = 0.549 ct2 = -4.64 0 C 3 = -0.013 014 = 1.88

Para la variable Factor de Memoria Para la variable PIB - Industria de la Manufactura Para la variable PIB - Construccin Para la variable PIB - Comercio, Restaurantes y Hoteles

Con un coeficiente de determinacin de un 85 % para todas las presentaciones.

4.4 RESOLUCIN DEL PRONSTICO

De ahora en adelante, dado un fin de trimestre y la necesidad de pronosticar el promedio de ventas mensuales para el prximo trimestre, se recopilan los datos de Xi, X2, X3 y X4; se aplica el modelo matemtico y se determina Y = % de Cambio del promedio de ventas trimestral.

Entonces,

Promedio de Ventas Mensual del Prximo Trimestre V /"* A Ventas Promedio Mensuales del Trimestre Actual
1 + Y

100

Como ejemplo para validar el modelo matemtico propuesto para la presentacin de un litro de producto se tomo el tercer trimestre de 1998.

Dnde al sustituir en la ecuacin de regresin mltiple los valores tanto de las variables X1, X 2 , X3 y X4 para el prximo trimestre as como los valores de los coeficientes a's calculados para cada variable tenemos:

Sustituyendo en la Ecuacin

Y = a i X i + O2X2 + <23X3 + 04X4

La ecuacin de regresin mltiple queda ahora como

Y = (.714)<23.16) + (-5.063X-0.81) + (-0.513)(7.91) + (2.263)(-6.1) Y = 16.53 + 4.10 - 4.05 -13.80 Y = 2.78

Est ecuacin es til para pronosticar el porcentaje de cambio de las ventas promedio mensual por trimestre.

Ahora sustituyendo en

Promedio de Ventas Mensual del Prximo Trimestr Ventas Promedio Mensuales del Trimestre Actual y X 1 + Y 100

Tenemos:

Promedio de Ventas Mensual del 3er. Trimestre '98 V.


/ - *

25.638

2.78 100

= 26.35

El promedio de ventas mensual que se pronostic con el modelo matemtico para el tercer trimestre de 1998 fue de 2,635,000 litros del producto para la presentacin de un litro, con un porcentaje de error de 3.7 % despus de compararlo con la cifra proporcionada por la empresa de sus ventas promedio mensuales del trimestre.

r
Porcentaje de Error V. Prediccin - Valor Real Valor Real
X 100

r
Porcentaje de Error J 26.35 - 25.395 25.395 x 100 = 3.7 %

CAPTULO 5

RESUMEN Y CONCLUSIONES

5.1 RESUMEN Y CONCLUSIONES

Cuando los directivos de las organizaciones enfrentan la necesidad de tomar decisiones en una atmsfera de incertidumbre, los diferentes tipos de pronsticos que tienen disponibles les ayudan a hacer predicciones a largo o corto plazo; a largo plazo son del inters de la alta direccin y a corto plazo de los gerentes de nivel medio y de primer nivel.

Los procedimientos

de pronstico pueden tambin clasificarse

de

acuerdo con su tendencia a ser ms cuantitativos o cualitativos. En una tcnica cualitativa no se requiere de una manipulacin abierta de datos, slo se

utiliza " buen juicio, intuicin, sentido comn y experiencia " de la persona que hace el pronstico, y lo realiza mentalmente manipulando los datos histricos recopilados. As era como llevaba a cabo el gerente de la comercializadora los pronsticos de ventas en la empresa. Era una persona con mucha experiencia, ya que haba trabajado ms de 25 aos en la venta de productos de este tipo, y conoca como se mova en el mercado, los ciclos en que el producto alcanza mayor volumen de ventas y hacia qu perodo del ao el producto iba a menos en sus ventas.

Pero esto empez a mortificar a la alta direccin ya que en ocasiones se quedaban con mucho inventario de una presentacin del producto que no se venda y provocaba prdidas a corto plazo ya que en ocasiones se

contrataban empleados para trabajar tiempo extra o se terminaban algunas

materias primas en la elaboracin de esa presentacin y adems se perda tiempo al ajustar las mquinas que hacen el envase, quedando mucho producto terminado en almacn por un mal pronstico de ventas que afectaba el plan de produccin, por lo que se tom la decisin de que se hiciera un pronstico de ventas cuantitativo que pudiera ayudar a la mejor toma de decisiones prediciendo lo ms acertadamente posible las ventas promedio del trimestre.

Una vez desarrollado el modelo se encontr que la variabilidad que absorbe el modelo para la presentacin de un litro de producto era de 90 % y para el consumo total de todas las presentaciones era de 85 % y como el

criterio para aceptarlos como buenos pronsticos era de 85 % o ms fueron aceptados.

Este criterio fue el que la gente de mercadotecnia de la empresa y el asesor estadstico sugirieron como bueno para ser aceptados.

Las consideraciones que se tomaron en cuenta para la seleccin de las variables del modelo matemtico, una vez que se haba tenido varias

entrevistas con personal del rea de mercadotecnia que se encargaba de hacer los pronsticos para la venta de este producto, fueron que ya se tena corazonadas de que haba una correlacin entre algunos factores del PIB y las ventas de este producto que es de consumo bsico (sin ser alimentos pero va en la lnea de la limpieza).

Y entonces se descubri que en realidad existan factores del PIB como la Industria de la Manufactura y la Construccin que jugaban un papel opuesto de ah que sus coeficientes a tienen signo negativo lo que corrobora que cuando haba bonanza sus ventas bajaban (en la empresa la persona encargada de la comercializadora ya lo saba, pero no lo poda demostrar matemticamente). Por otro lado, el coeficiente de ai relacionado con la variable X^ (Factor de Memoria) influye mucho y se correlaciona con los ciclos que se repiten cada ao, mientras que el coeficiente 04 que esta relacionado con el Sector de Comercio, Restaurantes y Hoteles nos indica que si hay mucha actividad en este sector, hay ms consumo de este tipo de productos para la limpieza en las diferentes reas de aplicacin.

Finalmente, se concluye que el modelo propuesto ayudar a la mejor toma de decisiones de las personas involucradas en la venta de este producto en el mercado. Que s es posible generar pronsticos de ventas ms acertados as como tambin es posible combinar ciertos elementos del entorno econmico y del historial del producto para determinar cunto se puede vender en un perodo de tiempo determinado y que la modelacin matemtica para la toma de decisiones en las empresas es una excelente manera de preveer.

5.2 JUSTIFICACIN DE LA HIPTESIS

Cuando el Gerente de la Comercialzadora y el Gerente de Marca hacan sus pronsticos de ventas para el producto, ellos tomaban como base las ventas del ao anterior para hacer su prediccin, repartiendo la cantidad a vender primero por cada trimestre y luego por mes, considerando que haba trimestres en que su producto era de mayor consumo sobre todo hacia los meses en donde hace ms calor y hacia finales de ao el producto bajaba su nivel de ventas.

Cada 15 das el Gerente de la Comercialzadora y el Gerente de Marca revisaban sus ventas para ver como iban y si se observaba que no iban a alcanzar el nivel de ventas que haban pronosticado, hacan ajustes en su pronstico, metiendo algunas promociones, tanto en la televisin como con los distribuidores, pero esto en muchas ocasiones causaba problemas en otras reas como suceda en Produccin, en Distribucin, en Finanzas, en Recursos Humanos y otras reas que estuvieran involucradas.

Ahora,

con

el

modelo

propuesto,

ellos

podrn

predecir

ms

acertadamente el nivel de ventas promedio por trimestre y as hacer su planeacin de ventas y logstica con anticipacin. Adems, tienen capacidad de prevenir con anticipacin a las reas involucradas en el proceso para que estn preparadas a fin de cumplir con las exigencias del mercado. Tambin la

empresa podr estar preparada con los niveles de inventario, de materia prima, personal y el equipo para cumplir con todos sus pedidos.

BIBLIOGRAFA

Ackoff R.L. "A Concept of Corporate Planning" John Wiley & Sons, (1970) Chambers J.C., S.K. Mullicky D.S. Smith "How to Choose the Rigth Forecasting Technique" Harvard Business Review, Pg. 45 - 74 (Jul - Ago 1971) David L. Loudon, Albert J. Delia Bitta. "Comportamiento del Consumidor" conceptos y aplicaciones. Cuarta edicin, Ed. Me Graw Hill Drucker, P.F. "Long Range Planning" Management Science, Vol. 5, pp 239 - 39, Abril 1959 John E. Hanke, Arthur G. Reitsch. "Pronsticos en los Negocios" Quinta edicin, Ed. Prentice Hall Hispanoamrica, S.A. John Neter, William Wasserman, Michael H. Kutner. "Applied Linear Regression Models" ISBN 0-256-02547-9 Library of Congress Catalog Card No. 82-82121 Makridakis S y S.C. Wheelwrigth, "Forcasting Methods and Applications", John Wiley & Sons, (1978).

ANEXOS

PRODUCTO INTERNO BRUTO TRIMESTRAL


A precios de 1993 Por Gran Divisin de Actividad Econmica Valores Absolutos PERIODO Total a/ 3 Industria Manufacturera 4 Construccin a/ 54,378.0 53,769.1 55,725.0 57,644.0 57,703.7 61,622.6 60,322.4 60,542.1 48,375.9 44,722.0 43,019.5 47,716.0 45,645.8 48,697.2 52,536.0 54,915.6 49,966.4 54,516.1 58,506.1 59,314.0 55,075.7 55,927.6 61,216.2 6 Comercio, Restaurantes y Hoteles a/ 244,005.7 252,292.9 251,427.9 258,788.3 251,749.0 269,850.9 272,155.7 281,028.8 234,859.4 217,539.3 223,559.9 231,880.0 223,205.0 235,949.5 239,349.3 252,912.9 234,644.7 261,724.7 268,881.6 280,486.5 256,875.1 276,362.2 280,478.6

al
1993/01 p / 1993/02 1993/03 1993/04 1994/01 1994/02 1994/03 1994/04 1995/01 1995/02 1995/03 1995/04 1996/01 1996/02 1996/03 1996/04 1997/01 1997/02 1997/03 1997/04 1998/01 1998/02 1998/03 1,248,725.3 1,260,352.0 1,211,579.7 1,304,126.9 1,277,838.0 1,331,435.1 1,267,386.3 1,372,142.3 1,272,241.6 1,209,052.7 1,165,580.2 1,275,557.5 1,273,411.2 1,287,671.8 1,248,864.3 1,366,659.3 1,335,407.3 1,398,121.7 1,347,608.0 1,458,160.9 1,423,550.9 1,457,829.1 1,415,610.2 219,983.3 221,356.9 215,687.6 222,708.5 220,115.5 233,181.5 229,090.3 233,179.2 223,889.4 211,269.7 211,592.7 223,575.0 235,259.4 238,388.9 240,226.5 251,668.0 252,121.6 267,115.3 265,842.7 274,742.1 278,937.9 282,730.7 284,292.6

a/ Las cifras estn referidas al ao base d e 1993 como nuevo periodo de referencia para los clculos a precios constantes. As la nueva base de ponderaciones (1993 = 100) sustituye a la q u e se vena utilizando y cuya referencia era el ao de 1980. p/ Cifras preliminares a partir de la fecha q u e se indica F U E N T E : INEGI. Sistema d e Cuentas Nacionales de Mxico.

VENTAS EN MILLONES DE LITROS PARA LA PRESENTACIN DE 1 LITRO DE PRODUCTO

Ao 1994

Mes Octubre Noviembre Diciembre

Litros 2150280 1977030 1792875 1935840 1476030 1884855 1127250 2195550 1467870 1834785 2109645 1701330 1908120 2058555 1983572 1261935 1348710 1843185 1511178 2081661 2064810 2370015 1797135

1995

Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre

1996

Enero Febrero Marzo Abril Mayo Junio Julio Agosto

VENTAS EN MILLONES DE LITROS PARA LA PRESENTACIN DE 1 LITRO DE PRODUCTO

Ao 1996

Mes Septiembre Octubre Noviembre Diciembre

Litros 2306685 1847205 2516640 1504200 1396845 1465125 2000895 1655520 1957095 2014515 2430030 2446170 2054235 2374050 2012655 2260275 1349985 1871220 1819470 2271105 2530050 2890215 2476530 2676855 2465355

1997

Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre

1998

Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre

VENTAS EN MILLONES DE LITROS PARA TODAS LAS PRESENTACIONES

Ao 1994

Mes Octubre Noviembre Diciembre

Mili, de Litros 5.207 4.616 4.459 5.517 3.673 4.820 2.756 5.403 3.522 3.797 4.894 4.534 4.622 4.928 4.469 3.205 3.174 4.499 3.609 4.822 4.953 5.790 4.258

1995

Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre

1996

Enero Febrero Marzo Abril Mayo Junio Julio Agosto

VENTAS EN MILLONES DE LITROS PARA TODAS LAS PRESENTACIONES

Ao 1996

Mes Septiembre Octubre Noviembre Diciembre

Mili, de Litros 5.587 4.278 6.078 3.466 3.762 3.741 4.842 4.226 4.939 5.045 5.926 6.332 4.975 5.521 4.871 5.601 3.566 4.302 4.514 5.363 5.963 7.136 5.656 6.559 5.957

1997

Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre

1998

Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre

CONSUMO TOTAL DE TODAS LAS PRESENTACIONES

Trimestre 1 o . de 1995 2 o . de 1995 3 o . de 1995 4 o . de 1995 1 o . de 1996 2 o . de 1996 3 o . de 1996 4 o . de 1996 1 . de 1997 2 o . de 1997 3 o . de 1997 4 o . de 1997 1 o . de 1998 2 o . de 1998
o

Promedio de Ventas Mensuales por Trimestre (Millones de Litros) 4.670 3.894 4.408 4.673 3.626 4.462 5.212 4.607 4.115 4.737 5.744 5.331 4.127 6.154

Porcentaje de cambio entre un trimestre y el anterior -1.90 -16.63 13.22 6.01 -22.41 23.05 16.82 -11.60 -10.69 15.11 21.27 -7.19 -22.58 49.10

También podría gustarte