Asignatura: Fundamentos de Organización de Empresas

Profesora: Manuel Doiro Sancho

Parte II
Previsión de la Demanda

TEMA 2
•INTRODUCCIÓN
•COMPONENTES
•MÉTODOS DE PREVISIÓN: CUALITATIVOS Y CUANTITATIVOS
DEMANDA INDEPENDIENTE vs DEMANDA DEPENDIENTE

INDEPENDIENTE:
LA DEMANDA DE LOS DISTINTOS ARTÍCULOS NO ESTA RELACIONADA ENTRE SÍ
(PRODUCTOS FINALES)

DEPENDIENTE:
LAS NECESIDADES DE CADA ARTÍCULO SURGEN DIRECTAMENTE A PARTIR DE LAS
NECESIDADES DEL NIVEL SUPERIOR AL QUE PERTENECE
(A TRAVÉS DE LA Lista de Materiales-se verá en prox. tema)
 CONCEPTO DE DEMANDA
“El volumen total de compras realizado por una determinada
categoría de clientes, en un lugar y en el curso de un período dado,
en unas condiciones de entorno determinada y para un esfuerzo de
marketing previamente definido”

 Producto: Marca concreta, modelo,

línea, gama, producto genérico,…
DIMENSIONES DE
LA DEMANDA Tiempo: Día, mes, año, C/P, M/P, L/P,..

Grupo de Compradores: Individual,

segmento, total.
 ¿ QUÉ ES LA PREVISIÓN DE LA DEMANDA?
La previsión de la demanda en el proceso de planificación comercial
puede definirse como: “conjunto de actividades destinadas a
proporcionar estimaciones cuantitativas o cualitativas de las ventas
futuras de la empresa con objeto de ser utilizadas en los procesos
de decisión y planificación desarrollados por ésta”

Decisiones Reducir la Planificación

incertidumbre

No existe ningún método perfecto de previsión

Siempre será mejor tener una predicción vaga que no tener nada
Necesaria y supone el punto de arranque de la planificación
Todos los departamentos de la empresa depende de ella y
pueden influir en ella
 LA PREVISIÓN: LA BASE DE TODAS LAS DECISIONES
Necesidades Financieras
Plan de Inversiones Necesidades de Personal

PREVISIÓN DE Plan de Marketing

Aprovisionamientos
VENTAS

Programa de
Niveles de Stock
Producción
LA INFLUENCIA DEL CICLO DE VIDA DEL PRODUCTO

Las etapas de introducción

y crecimiento necesitan
un mayor trabajo de
previsión que las de
madurez y declive.
 COMPONENTES DE LA DEMANDA

1. LA TENDENCIA (CRECIENTE, DECRECIENTE, ESTABLE)

2. LA INFLUENCIA ESTACIONAL O ESTACIONALIDAD

3. LOS CICLOS

4. LAS VARIACIONES ALEATORIAS

5. DEMANDA MEDIA DEL PERÍODO

 COMPONENTES DE LA DEMANDA
TENDENCIA
• Es el movimiento gradual de ascenso o descenso de los datos a
lo largo del tiempo.
• Los cambios en la población, ingresos, etc. influyen en la
tendencia.
• Varios años de duración.
 COMPONENTES DE LA DEMANDA

Fuente: Davis et al. (2001): “Fundamentos de Dirección de Operaciones”, McGraw-Hill.

 COMPONENTES DE LA DEMANDA

Estacionalidad
• Muestra de datos de ascenso o descenso que se repite.
• Se puede ver afectada por la climatología, las costumbres, etc.
• Se produce dentro de un periodo anual.

Ciclos
• Movimientos de ascenso o descenso que se repiten.
• Se pueden ver afectados por interacciones de factores que
influyen en la economía.
• Suelen durar de 2 a 10 años.
 COMPONENTES DE LA DEMANDA

Variaciones aleatorias
• Son “saltos” en los datos causados por el azar y situaciones inusuales.
• Son debidas a variaciones aleatorias o a situaciones imprevistas:
– Huelga.
– Fenómeo atípico (Tornado, Ola de calor...
• Son de corta duración y no se repiten.
 COMPONENTES DE LA DEMANDA

Fuente: Davis et al. (2001): “Fundamentos de Dirección de Operaciones”, McGraw-Hill.

 CONSIDERACIONES EN LA PREVISIÓN DE LA DEMANDA

1. EXACTITUD AUMENTA PARA GRANDES GRUPOS DE ARTÍCULOS

2. EXACTITUD AUMENTA PARA PERÍODOS CORTOS DE TIEMPO

3. PREVISIÓN DEBE INCLUIR ESTIMACIÓN DEL ERROR

4. VERIFICAR MÉTODO, ANTES DE APLICARLO

 ETAPAS DE LA PREVISIÓN

1. RECOGIDA INFORMACIÓN
HISTÓRICO + INCIDENCIAS
“CORRIENTES DE LA DEMANDA”
2. REALIZACIÓN PREVISIÓN Y ESTIMACIÓN ERROR
MÚLTIPLES TÉCNICAS
NO EXISTE UNA UNIVERSAL
DOS GRANDES GRUPOS
CUALITATIVAS
CUANTITATIVAS
3. COMPARACIÓN PREVISTO/REAL (ERROR)
CON PERIODICIDAD
PERMITE REACCIÓN ANTE EL CAMBIO DE LAS CONDICIONES
PREVISTAS
 TIPOLOGÍA DE LAS TÉCNICAS DE PREVISIÓN
Cualitativas. Incorporan la Cuantitativas. Emplean diversos
intuición, emociones, experiencias modelos matemáticos que utilizan
y sistemas de valores de la persona datos históricos y/o variables
que toma decisiones. causales.
 Se emplean cuando la situación no  Se emplean cuando la situación es
es clara y hay pocos datos: “estable” y existen datos “históricos”:
 Productos nuevos.  Productos existentes.
 Nueva tecnología.  Tecnología actual.

 Requieren intuición y experiencia:  Requieren ténicas matemáticas:

 Por ejemplo, la previsión de las  Por ejemplo, la previsión de las
ventas de móviles 4G. ventas de bicicletas.
 TÉCNICAS CUALITATIVAS
UTILIZAN OPINIONES HUMANAS, JUICIOS SUBJETIVOS Y ESQUEMAS DE
PUNTUACIÓN A FIN DE TRANSFORMAR LA INFORMACIÓN CUALITATIVA EN
CUANTITATIVA

SUELEN UTILIZARSE CUANDO HAY ESCASEZ DE DATOS (P.EJ. PARA PREDECIR

LAS VENTAS DE NUEVOS PRODUCTOS)
OPINIONES DE EXPERTOS
Brainstorming
Herramienta de uso del poder creativo de las personas,
que previamente conocen y han reflexionado sobre el
tema, para generar ideas, de forma ordenada.

Método Proceso de aprendizaje interactivo que engloba a un grupo de expertos

Delphi (no comunicados entre sí) que responden a un cuestionario. Un
moderador recoge los resultados y formula un nuevo cuestionario que
es remitido de nuevo al mismo grupo de expertos. Así sucesivamente,
hasta lograr un resultado homogéneo, suficientemente consensuado.
 TÉCNICAS CUALITATIVAS
ESTUDIOS DE MERCADO
Conjunto de datos recolectados de diferentes formas
(encuestas, entrevistas, etc) para contrastar hipótesis
sobre el mercado. Son utilizados típicamente para
predecir ventas a largo plazo de nuevos productos.
ANALOGÍA HISTÓRICA
Comparación con otro caso similar. Se suele utilizar para
predecir ventas de productos similares a otros vendidos
anteriormente.
INFORMES DE VENDEDORES
Uso de la experiencia (y la intuición) de la fuerza de ventas
para predecir las ventas que pueden producirse en el
futuro. El grado de conocimiento y proximidad al cliente
de los vendedores aporta información muy útil, a veces
insustituible.
 TÉCNICAS CUALITATIVAS
CONTRAS Y PROS:
INEXACTITUD
INHERENTE A LA SUBJETIVIDAD DE LAS PROPIAS PERSONAS
CONDICIONAMIENTO ANTE HECHOS RECIENTES
Nº RELATIVAMENTE PEQUEÑO DE PREVISIONES QUE PUEDE REALIZAR UNA
PERSONA

VENTAJA DE ANTICIPACIÓN
PRESTAN ATENCIÓN A FUTUROS HECHOS CONOCIDOS CON ANTELACIÓN
 TÉCNICAS CUANTITATIVAS

BASE: EXISTENCIA DATOS HISTÓRICOS

HIPÓTESIS: LOS FACTORES QUE CONDICIONARON EL PASADO

SIGUEN SIENDO VÁLIDOS EN EL FUTURO

DIVISIÓN:

MODELOS DE SERIES TEMPORALES

UTILIZAN LOS DATOS DE LA DEMANDA PASADA PARA PREDECIR LA
DEMANDA FUTURA

MODELOS CAUSALES
SUPONEN QUE LA DEMANDA ESTÁ RELACIONADA CON ALGÚN FACTOR O
FACTORES SUBYACENTES EN EL ENTORNO, Y QUE FUNCIONAN LAS
RELACIONES CAUSA-EFECTO
 TÉCNICAS CUANTITATIVAS
SERIE TEMPORAL

SECUENCIA CRONOLÓGICA DE OBSERVACIONES SOBRE UNA VARIABLE DETERMINADA

COMPONENTES

TENDENCIA (cambio serie a largo plazo)

ESTACIONALIDAD (oscilaciones periódicas)
VARIACIONES IRREGULARES (eventos imprevisibles)

COMPLEJIDAD MODELO (Y EXACTITUD) Nº COMPONENTES CONSIDERADOS

COMPONENTES CONSIDERADOS TÉCNICAS

MEDIAS
VAR. ALEATORIAS
ALISADO EXPONENCIAL SIMPLE
V.I. + TENDENCIA ALISADO. EXP. CON TENDENCIA
V.I. + TEND. + ESTAC. AL. EXP. CON T. Y ESTAC. (WINTERS)
V.I. + TEND. + ESTACIONALIDAD +
RELACIÓN ENTRE ELLOS BOX-JENKINS (ARIMA)
 MEDIAS (I)
MEDIA ARITMÉTICA p = previsión
d = demanda / ventas
CONSIDERA TODOS DATOS HISTÓRICOS DISPONIBLES
1 1 i=t
p t +1 = [ d 1 + d 2 + ---- + d t ] = di
t i=1 t
No refleja bien las variaciones de tendencia, pero amortigua bien las variaciones aleatorias,
ya que las demandas altas de unos períodos se compensan con las demandas bajas de otros

MEDIA MÓVIL SIMPLE p = previsión

d = demanda / ventas
CONSIDERA UN NÚMERO FIJO (n) DE PERÍODOS (t) DE LOS QUE SE TENGA REGISTRO HISTÓRICO

1 1 i=t-n+1
p t +1 = [ d t + d t - 1 + ---- + d t-n+1 ] = di
n n i=t

UNIFORMIZA VARIACIONES IRREGULARES

n
SI EXISTE TENDENCIA   DESFASE
 MEDIAS (II)
MEDIA MÓVIL PONDERADA
SE ASIGNAN PESOS A CADA UNO DE LOS ELEMENTOS
i=t-n+1
p t +1 =  cidi
i=t

 ci=1 c = coeficiente de ponderación o peso

PRESENTA LA VENTAJA FRENTE A LA M.M.S. DE QUE PERMITE ASIGNAR

DISTINTA IMPORTANCIA A LOS DATOS, EN FUNCIÓN DE SU ANTIGÜEDAD.
(Normalmente, los datos más recientes tienden a ser más indicativos del futuro que aquellos
del pasado más lejano.)

EL PRINCIPAL INCONVENIENTE ES QUE HAY QUE DETERMINAR BIEN LOS PESOS

QUE DEBEN USARSE.
CÁLCULO ci EXPERIENCIA
SIMULACIÓN
 ALISADO EXPONENCIAL (I)

• Es una técnica de previsión de media móvil

ponderada:
– Las ponderaciones disminuyen exponencialmente.
– Se ponderan más los datos más recientes.
• Se necesita una constante de alisado ( ):
– Toma valores entre 0 y 1.
– Se escoge de forma subjetiva (experiencia).
• Necesita una cantidad reducida de datos
históricos.
 ALISADO EXPONENCIAL SIMPLE (II)
p t +1 =  d t + (1 - ) p t = p t +  (d t - p t )
error en t
: CONSTANTE DE ALISADO
01
DATOS NECESARIOS: pt, dt, 
INICIALIZACIÓN: ESTIMACIÓN DE pt PARA t = 0 (p0)

Es un caso particular de media ponderada, en la que:

•Se incluyen todas las observaciones anteriores (dt, dt-1, dt-2, …)
•Todos los pesos son <1
•Se da más peso a los datos recientes que a los antiguos (se basa en que hechos más
recientes son más orientativos)
•La suma de los pesos es la unidad
•La reducción de los pesos se produce de forma exponencial, con un factor de disminución
de (1-α)
 ALISADO EXPONENCIAL SIMPLE (III)

INCONVENIENTES:

Necesita una previsión inicial pt

Necesita una constante de alisado α apropiada, que es arbitraria:



α si no hay grandes variaciones (aleatorias)


α si hay variaciones importantes (cambios en el patrón de demanda)

CALCULO DE α : SIMULACIÓN; EXPERIENCIA

 ALISADO EXPONENCIAL SIMPLE (IV)
El A.E.S. es un método que amortigua bien las variaciones aleatorias,
pero no responde bien a los cambios de tendencia ni a las variaciones
estacionales.
Previsión según Alisado Exponencial Simple
115

113
112

110

106
105 105
Ventas reales
Unidades

A.E.S. con alfa=0,1

102 102
A.E.S. con alfa=0,3
101
100 100 100 A.E.S. con alfa=0,5
99

97

95

93

90
1 2 3 4 5 6 7 8 9 10 11 12

Período
Una tendencia hacia arriba o hacia abajo en los datos reales de la
demanda provoca que la previsión exponencial siempre vaya “a
remolque” respecto al dato real.
 ERROR EN LA PREVISIÓN
EL ERROR ES, ESENCIALMENTE, LA DIFERENCIA ENTRE EL VALOR PREVISTO Y EL
OBTENIDO REALMENTE.
DOS TIPOS:

ERRORES DE SESGO
Fallo repetitivo. P.ej., la previsión es siempre demasiado alta.
Posibles causas:
a) Fallo en incluir las variables correctas
b) Usar relaciones equivocadas entre las variables
c) Emplear una línea de tendencia equivocada
d) Cambiar la demanda estacional de donde ocurre normalmente
e) Existencia de alguna tendencia no detectada

ERRORES ALEATORIOS
Son simplemente los que no pueden ser explicados por el modelo de
previsión que se está usando.
También se denominan “RUIDO”.
 MEDICIÓN DEL ERROR
ERROR DE PREVISIÓN
d = demanda
et = dt - pt p = previsión
DESVIACIÓN ABSOLUTA O ERROR ABSOLUTO

et  = dt - pt

ERROR CUADRADO (CUADRÁTICO)

(et )2 = (dt - pt)2

DESVIACIÓN ABSOLUTA MEDIA = MAD
“MEAN ABSOLUTE DEVIATION”
 et  Promedio de los errores absolutos de todas las previsiones
MAD = n
ERROR CUADRÁTICO MEDIO = MSE
“MEAN SQUARED ERROR”
 (et )2
MSE = n
 MEDICIÓN DEL ERROR
DMA Y DESVIACIÓN TÍPICA:

CUANDO LOS ERRORES OCURRIDOS EN LA PREVISIÓN SE

DISTRIBUYEN NORMALMENTE (CASO FRECUENTE), LA
DESVIACIÓN MEDIA ABSOLUTA SE RELACIONA CON LA
DESVIACIÓN TIPICA DE LA SIGUIENTE FORMA:

    DMA
Desviación Típica = 2

LC= +/- 3 Desviaciones típicas => 99,7% errores dentro de L.C

O bien +/- 3,75 DMA.
 MEDICIÓN DEL ERROR
SEÑAL DE RASTEO ó TRACKING:

ES UNA MEDIDA QUE INDICA SI LA MEDIA DE LA PREVISIÓN REACCIONA A

CUALQUIER CAMBIO EN LA DEMANDA HACIA ARRIBA O HACIA ABAJO
SE CALCULA USANDO LA SUMA ARITMÉTICA DE DESVIACIONES DE LA PREVISIÓN EN
RELACIÓN A LA DESVIACIÓN MEDIA ABSOLUTA

Σ et
SR = DMA ó MAD

0
 ELECCIÓN MÉTODO DE PREVISIÓN
FACTORES

NÚMERO Y TIPO DE PRODUCTOS A PREDECIR

IMPORTANCIA Y EXISTENCIA DATOS HISTÓRICOS
COSTE / BENEFICIO (VALOR) DE LA PREVISIÓN
TIEMPO DISPONIBLE PARA REALIZAR ANÁLISIS
GRADO EXACTITUD DESEADA
HORIZONTE TEMPORAL DE LA PREVISIÓN
FACILIDAD DE COMPRENSIÓN Y APLICACIÓN
COSTE

COSTE TOTAL

MODELOS CAUSALES MODELOS CUANTITATIVOS

SOFISTICADOS
MODELOS CUANTIT. SENCILLOS

INEXACTITUD
 ELECCIÓN MÉTODO DE PREVISIÓN

CUANTITATIVO + CUALITATIVO

DATOS HISTÓRICOS

PREVISIÓN CUANTITATIVA

EVALUACIÓN PREVISIÓN VERIFICACIÓN

ESTIMACIÓN ERROR
PREVISIÓN CUALITATIVA
ANÁLISIS

JUICIOS HUMANOS

SOPORTE INFORMÁTICO
 RESUMEN

¿EXACTITUD?

HASTA UN CIERTO NIVEL

TOTAL EXACTITUD  IMPOSIBLE

EL SISTEMA PRODUCTIVO Y LOGÍSTICO DEBE ESTAR CAPACITADO PARA PROPORCIONAR LA

RESPUESTA ADECUADA A LA SITUACIÓN EXISTENTE Y A LOS ERRORES DE PREVISIÓN

FLEXIBILIDAD

GESTIÓN DE DESVIACIONES