DIRECCION TACTICA DE LAS OPERACIONES

Sesión II:
Técnicas de Pronósticos

Percy John Ruíz Gómez

Previsión de la
Demanda
Proceso de la gestión de Operaciones
 Previsión de la Demanda
(Pronóstico de la demanda)

Consiste en estimar la demanda futura de un

producto a partir de su demanda histórica.
Proceso de estimación de un suceso futuro
basándose en consideraciones subjetivas.
Base de todas las decisiones empresariales:
– Producción.
– Logística.
– Administración (presupuesto).
– Contabilidad
– Finanzas. 4
 Tipos de horizontes temporales
de la previsión
Previsión a corto plazo:
– Cobertura generalmente inferior a los tres meses.
– Programación de la producción, asignación de tareas.
Previsión a medio plazo:
– Entre tres meses y tres años. Generalmente un año.
– Planificación de las ventas, de la producción y del
presupuesto.
Previsiones a largo plazo:
– Periodos superiores a tres años.
– Planificación de nuevos productos, localización de las
instalaciones.
5
 Previsiones a corto plazo frente a
previsiones a largo plazo
 Las previsiones a medio y largo plazo tratan de
asuntos más extensos, y apoyan las decisiones
de gestión que conciernen a la planificación y
los productos, las plantas y los procesos.

 Las previsiones a corto plazo normalmente

emplean metodologías diferentes a las
utilizadas en las previsiones a largo plazo. Uso
en la programación.

 Las previsiones a corto plazo tienden a ser más

exactas que las realizadas a largo plazo.
7 Etapas en el Sistema de Previsión
1. Determinar la utilización de la previsión.
2. Seleccionar los artículos en los que se va
a realizar la previsión.
3. Determinar el horizonte temporal de la
previsión.
4. Seleccionar el (los) modelo(s) de
previsión.
5. Recogida de datos.
6. Realizar la previsión.
7. Validar e implementar los resultados.
Realidades sobre la Previsión
• Raras veces las previsiones son
perfectas.
• La mayoría de las técnicas de previsión
asumen que existe cierta estabilidad
sostenida al sistema.
• Las previsiones de familias de
productos (previsiones agregado) son
más precisas que las previsiones de
productos individuales.
 Técnicas de la Previsión

• Métodos Cualitativos

• Métodos Cuantitativos

9
Técnicas de la Previsión

10
Pronósticos: Métodos cualitativos

I. Jurado de opinión ejecutiva.

II. Proposición de personal comercial.
III. Método Delphi.
IV. Estudio de mercado del
consumidor

11
I. Jurado de Opinión Ejecutiva
 Requiere un pequeño grupo de directivos:
– El grupo establece una estimación conjunta de la
demanda.
 Combina la experiencia directiva con modelos
estadísticos.
 Es bastante rápido.
 Desventaja del “pensamiento en grupo”.

12
II. Proposición de Personal Comercial

Cada vendedor estima las ventas que hará.

 Se combinan con las previsiones a niveles de
distritos y con las nacionales.
 El representante de ventas conoce las
necesidades de los consumidores.
 Tiende a ser bastante optimista.

13
III. Método Delphi
 Proceso de grupo iterativo. Oculta la
identidad de los individuos que
participan.
 Los ejecutivos responden
anónimamente a una serie de
preguntas.
 Cada respuesta se retroalimenta en
cada sesión.
 Hasta seis sesiones hasta alcanzar el
consenso.
 Reduce el “pensamiento en grupo”.
 Estudio de Mercado
Preguntar a los consumidores sobre
sus futuros planes de compra.
Lo que dicen los consumidores y lo que
luego hacen suele diferir.
A veces es difícil contestar a las
preguntas del estudio.

15
Pronósticos: Métodos
cuantitativos

16
Métodos de previsión cuantitativos
(no simples)

17
Patrones de Demanda

18
 Exploración de patrones de
datos
I. Jurado de opinión ejecutiva.
II. Proposición de personal comercial.
III. Método Delphi.
IV. Estudio de mercado del
consumidor

19
 Exploración de patrones de
datos
• El patrón de los datos se explora mediante
el coeficiente de autocorrelación

n-k

∑ (Y - Ῡ)(Y t t-k - Ῡ)
r=
k
t=1

∑ (Y - Ῡ)2 t
t=1
 Datos Aleatorios

Datos aleatorios:
Una serie de datos es aleatoria si la
autocorrelación entre Yt e Y t-1 es
cercana a cero y los valores sucesivos de
la serie de tiempo no guardan relación
entre si.
 Datos con tendencia
(no estacionaria)
Si una serie tiene tendencia, Yt e Y t-1 están
altamente Autocorrelacionados y es típico
que los coeficientes de autocorrelación
sean diferentes de cero de manera
significativa para varios de los primeros
periodos de desfasameinto y caigan
gradualmente hacia cero al incrementarse
el número de periodos.
 Datos Estacionarios
 Una serie estacionaria es aquella cuyo
valor promedio no cambia a través del
tiempo.
 Los coeficientes de autocorrelación en
datos estacionarios caen a cero
después del segundo o tercer periodo
de desfasamiento.
 Datos Estacionales
• Si una serie tiene patrón estacional,
se presentará un coeficiente de
autocorrelación significativo en el
periodo de desfasamiento
correspondiente: cuatro en los datos
trimestrales o doce en los datos
mensuales.
Patrones de Demanda

25
 Práctica:
Previsión de la demanda
(Métodos de Pronósticos)