Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cada una de las técnicas de proyección tiene una aplicación de carácter especial que hace de su
selección un problema decisional influido por diversos factores, como por ejemplo, la validez y
disponibilidad de los datos históricos, la precisión deseada del pronóstico, el costo del
procedimiento, los beneficios del resultado, los periodos futuros que se desee pronosticar y el
tiempo disponible para hacer el estudio, entre otros. Tan importante como éstos es la etapa del
ciclo de vida en que se encuentra el producto cuyo comportamiento se desea pronosticar.
a medida que el dinamismo y complejidad, más necesaria se torna la proyección de las variables
del mercado. La dificultad mayor de pronosticar comportamientos radica en la posibilidad de la
ocurrencia de eventos que no hayan ocurrido anteriormente, como el desarrollo de nuevas
tecnologías, la incorporación de competidores con sistemas comerciales no tradicionales, las
variaciones en las políticas económicas gubernamentales, etcétera. Los antecedentes históricos
serán, por tanto, variables referenciales para el analista de proyecto, quien debería usar los
métodos de proyección como técnicas complementarias antes que como alternativas estimativas
certeras.
obliga al analista a tomar en consideración un conjunto de elementos de cada método, con el fin
de seleccionar y aplicar correctamente aquel que sea más adecuado para cada situación particular.
Para que el producto resultante de la proyección permita su uso óptimo, la información deberá
expresarse de la manera que sea más valiosa para el preparador del proyecto. por ejemplo, en
algunos casos la información deberá expresarse desglosada por zona geográfica, o en función de
algún atributo de los clientes, como sexo o edad.
La elección del método correcto dependerá principalmente tanto de la cantidad y calidad de los
antecedentes disponibles, como de los resultados esperados. La efectividad del método elegido se
evaluará en función de su precisión, sensibilidad y objetividad.
Precisión, porque cualquier error en su pronóstico tendrá asociado un costo. Aunque obviamente
no podrá exigirse una certeza total a alguno de los métodos, sí podrá exigírsele que garantice una
reducción al mínimo del costo del error en su proyección.
Sensibilidad, porque al situarse en un medio cambiante, debe ser lo suficientemente estable para
enfrentar una situación de cambios lentos, así como dinámica para enfrentar cambios agudos.
Objetividad, porque la información que se tome como base de la proyección debe garantizar su
validez y oportunidad en una situación histórica.
Los resultados que se obtienen sólo son indicadores de referencia para una estimación definitiva,
la cual, aunque difícilmente será exacta, deberá complementarse con el juicio y las apreciaciones
cualitativas del análisis, por parte de quien probablemente trabajará con más de un método en la
búsqueda de la estimación más certera.
5.2 Métodos de proyección
Una manera de clasificar las técnicas de proyección consiste en hacerlo en función de su carácter,
esto es, aplicando métodos de carácter cualitativo, modelos causales y modelos de series de
tiempo.
Los modelos de pronóstico causales parten del presupuesto de que el grado de influencia de las
variables que afectan el comportamiento del mercado permanece estable, para luego construir un
modelo que relacione ese comportamiento con las variables que se estima son las causantes de
los cambios que se observan en el mercado. Dervitsiotis1 señala tres etapas para el diseño de un
modelo de proyección causal: a) la identificación de una o más variables respecto a las que se
pueda presumir que influyen sobre la demanda, como, por ejemplo, el producto nacional bruto, la
renta disponible, la tasa de natalidad o los permisos de construcción; b) la selección de la relación
que vincule a las variables causales con el comportamiento del mercado, normalmente en la forma
de una ecuación matemática de primer grado, y c) la validación del modelo de pronósticos, de
manera que satisfaga tanto el sentido común como las pruebas estadísticas, mediante la
representación adecuada del proceso que describa.
Los modelos de series de tiempo se utilizan cuando el comportamiento que asume el mercado a
futuro puede determinarse en gran medida por lo sucedido en el pasado, y siempre que esté
disponible la información histórica de manera confiable y completa. Cualquier cambio en las
variables que caracterizaron un determinado contexto en el pasado, como una recesión
económica, una nueva tecnología o un nuevo producto sustituto de las materias primas, entre
otros, hace que los modelos de este tipo pierdan validez. Sin embargo, es posible ajustar, con
algún criterio lógico, una serie cronológica para incluir aquellos hechos no reflejados en datos
históricos.
El método Delphi se fundamenta en que el grupo es capaz de lograr un razonamiento mejor que el
de una sola persona, aunque ésta sea experta en el tema. Con el objetivo de no inhibir a los
participantes en el panel, el cuestionario se contesta anónimamente.
Este proceso interactivo se repite hasta lograr la convergencia de opiniones de todos los expertos.
El procedimiento del método evita las distorsiones que producen la presencia de individuos
dominantes, la existencia de comunicaciones irrelevantes y la presión por parte del grupo para
llegar a un consenso forzado, entre otros factores.
Una técnica similar al método Delphi es la conocida como consenso de panel, que se diferencia de
aquélla en que no existen secretos sobre la identidad del emisor de las opiniones, y en que no hay
retroalimentación dirigida desde el exterior.
El peligro del método reside en la posibilidad de que emerja un grupo dominante que anule la
interacción adecuada y se logre un consenso por su capacidad de argumentación y no por la
validez de la misma.
Un método más sistemático y objetivo, que se vale del método científico, es la investigación de
mercado, la cual se utiliza principalmente en la recolección de información relevante para ayudar
a la toma de decisiones o para aprobar o refutar hipótesis sobre un mercado específico, mediante
encuestas, experimentos, mercados-prueba u otra forma.
La principal característica del método es su flexibilidad para seleccionar e incluso para diseñar la
metodología que más se adecue al problema en estudio, requiriendo una investigación
exploratoria, descriptiva o explicativa.
El peligro del método está en que depende mucho de las variables de contexto; si éstas son
dinámicas, las condiciones imperantes pueden llevar a modificar la intención de compra de la
unidad de análisis o quizá sus respuestas a las encuestas, aun cuando ello no afecte la decisión,
induciendo a conclusiones erróneas
n= σ 2 Z 2
e2
Aun cuando este método presenta ventajas obvias respecto a costo y rapidez, sin requerir
destrezas especiales, presenta algunas insuficiencias derivadas de la influencia dominante de las
experiencias más recientes y de la falta de unidades de medida que den exactitud a la estimación.
Con base en la suposición de que el mercado del proyecto que se estudia puede tener un
comportamiento similar al de otros mercados en el pasado, el método de la analogía histórica
aparece como el último de los métodos cualitativos analizados.
Los modelos causales de uso más frecuente son el modelo de regresión, el modelo econométrico
y el modelo de insumo-producto, llamado también método de los coeficientes técnicos.
Existen dos modelos básicos de regresión: el modelo de regresión simple o de dos variables, y el
modelo de regresión múltiple. El primero indica que la variable dependiente se predice sobre la
base de una variable independiente, mientras que el segundo indica que la medición se basa en
dos o más variables independientes. En ambos casos, aunque los valores de la variable
independiente pueden ser asignados, es decir, que están dados para el analista, los de la variable
dependiente deben obtenerse por medio del proceso de muestreo
y (x) = a + bx
El modelo de regresión múltiple, como se señaló, se aplica cuando hay dos o más variables
independientes que deben usarse para calcular el valor de la variable dependiente. En este caso, la
expresión asume la forma:
Qo = Qd + triangulo “s” + X – M
Los modelos de series de tiempo se refieren a la medición de valores de una variable en el tiempo
a intervalos espaciados uniformemente. El objetivo de la identificación de la información histórica
es determinar un patrón básico en su comportamiento, que posibilite la proyección futura de la
variable deseada. En un análisis de series de tiempo pueden distinguirse cuatro componentes
básicos que se refieren a: una tendencia, un factor cíclico, fluctuaciones estacionales y variaciones
no sistemáticas.
Aun cuando es posible definir una tendencia de largo plazo para la variable, pueden darse
divergencias significativas entre la línea de tendencia proyectada y el valor real que exhiba la
variable. Esta divergencia se conoce como el componente cíclico y se admite entre sus causas el
comportamiento del efecto combinado de fuerzas económicas, sociales, políticas, tecnológicas,
culturales y otras existentes en el mercado que permiten identificar periodos de expansión y
contracción de la variable en estudio, para este caso la demanda.
La mayoría de estos ciclos no tiene patrones constantes que permitan prever su ocurrencia,
magnitud y duración. Contrarios a los componentes cíclicos, existen otros componentes llamados
estacionales, que exhiben fluctuaciones que se repiten periódicamente y que normalmente
dependen de factores como el clima (ropa de verano), la tradición (tarjetas de Navidad), entre
otros. Aunque se conozcan los tres componentes señalados, una variable puede tener todavía un
comportamiento real distinto del previsible por su línea de tendencia y por los factores cíclicos y
estacionales. A esta desviación se le asigna el carácter de no sistemática y corresponde al llamado
componente aleatorio. En el gráfico 5.2 se muestran los cuatro componentes de una serie
cronológica. A largo plazo, los componentes estacionales y aleatorios son menos relevantes que el
Dervitsiotis11 plantea dos modelos que podrían explicar la forma de interacción de los
componentes de las series de tiempo: a) el aditivo, que permite calcular el comportamiento de
una variable (demanda, por ejemplo) como la suma de los cuatro componentes, y b) el
multiplicativo, que dice que la variable puede expresarse como el producto de los componentes de
la serie de tiempo. Existen diversos métodos que permiten estimar el comportamiento de una
variable y que aíslan, en general, el efecto tendencia. Éstos son: el método de los promedios
móviles, el de afinamiento exponencial y el de ajuste lineal por el criterio de los mínimos
cuadrados a que ya se hizo referencia. Una serie cronológica con fuerte efecto estacional hace
recomendable el uso de un promedio móvil simple de un número determinado de periodos,