Tema 2

PRONOSTICO DE LA DEMANDA

En los ámbitos empresarial, económico y político, la predicción y el pronóstico tienen

diversos significados. En la administración de operaciones se adoptará una definición
más bien específica del pronóstico y se distingue del concepto más amplio de predicción.
El pronóstico es un proceso de estimación de un acontecimiento por realizarse
proyectando hacia el futuro datos del pasado. Los datos del pasado se combinan
sistemáticamente en forma predeterminada para hacer una estimación del futuro.
Pronosticar es realizar un enunciado sobre el valor futuro de una variable de interés,
fundamentado ya sea por el análisis de datos históricos disponibles, por el juicio de
expertos en el tema o por una combinación de ambas cosas.
Los pronósticos se utilizan en la planeación para que los agentes económicos puedan
tomar decisiones que repercutan en ahorro de recursos o bien en beneficios.

2.1 Importancia estratégica del mercado

Los buenos pronósticos son de importancia crucial para todos los aspectos del negocio: El pronóstico
es la única estimación de la demanda hasta que se conoce la demanda real. Por lo tanto, los
pronósticos de la demanda guían las decisiones en muchas áreas. A continuación, se verá el efecto
del pronóstico del producto en tres actividades: (1) recursos humanos; (2) capacidad, y (3)
administración de la cadena de suministro.
❑ Recursos humanos
La contratación, la capacitación y el despido de los trabajadores dependen de la demanda
anticipada. Si el departamento de recursos humanos debe contratar trabajadores adicionales sin
previo aviso, la cantidad de capacitación declina y se afecta la calidad de la fuerza de trabajo. Una
gran fábrica de productos químicos de Louisiana casi perdió a su principal cliente cuando una
expansión súbita a 24 horas de operación condujo al desplome del control de la calidad en el
segundo y tercer turnos.
❑ Capacidad
Cuando la capacidad es inadecuada, los faltantes que resultan pueden significar entregas poco
confiables, pérdida de clientes y pérdida de la participación en el mercado. Esto es exactamente lo
que le pasó a Nabisco cuando subestimó la enorme demanda de sus nuevas galletas bajas en grasa,
Snackwell Devil’s Food Cookies. Incluso con las líneas de producción trabajando tiempo extra,
Nabisco no pudo cubrir la demanda y perdió clientes. Por otro lado, si se construye una capacidad
en exceso, los costos se dispararán.
❑ Administración de la cadena de suministro
Las buenas relaciones con el proveedor y, por ende, las ventajas de precio en materiales y partes
dependen de pronósticos adecuados. Por ejemplo, los fabricantes de automóviles que deseen que
 TRW Corp., les garantice suficiente capacidad de producción de bolsas de aire deben proporcionarle
los pronósticos adecuados que justifiquen la ampliación de su planta.
En el mercado global, donde se manufacturan los costosos componentes de los jet Boeing 787 en
docenas de países, la coordinación impulsada por los pronósticos es crucial. La programación de su
transporte a Seattle para el ensamble final al menor costo posible significa que no habrá sorpresas
de último minuto que puedan dañar los ya bajos márgenes de utilidad.

2.2 Características de la demanda

El punto de inicio en los sistemas de planificación se da a partir de la demanda real o esperada de los
clientes. Sin embargo, en casi todos los casos el tiempo necesario para generar y entregar el producto
que el servicio exceda las expectativas del cliente. Así, la producción deberá iniciar a partir de la
demanda esperada o, en otras palabras, de un pronóstico de la demanda.
❑ Leyes fundamentales de los pronósticos:
▪ Todos los pronósticos están equivocados.
▪ Todos los pronósticos cambian.
▪ Alguien será finalmente responsable por el acierto del pronóstico.
Un pronóstico es una predicción de eventos futuros que se utiliza con propósitos de planificación. Las
cambiantes condiciones de los negocios como resultado de la competencia mundial, el rápido cambio
tecnológico y las crecientes preocupaciones por el medio ambiente han ejercido presiones sobre la
capacidad de una empresa para generar pronósticos precisos.
Tales pronósticos son necesarios como un elemento auxiliar para determinar que recursos se
necesitan, programar los recursos ya existentes y adquirir recursos adicionales. Los pronósticos
precisos permiten que los programadores utilicen de forma eficiente la capacidad de las maquinas,
reduzcan los tiempos de producción y recorten los inventarios.
❑ Características de la demanda
El reto de pronosticar la demanda del cliente es una tarea difícil porque la demanda de bienes y
servicios suele variar considerablemente.
Existen dos tipos de demanda:
▪ Demanda dependiente: Es la demanda de un producto o servicio que se deriva de la
demanda de otros productos o servicios.
▪ Demanda independiente: Esta demanda no se deriva directamente de la de otros
productos.
❑ Enfoques de Pronósticos
Hay dos enfoques generales para pronosticar, de la misma forma que existen dos maneras de
abordar todos los modelos de decisión. Un enfoque es el análisis cuantitativo; el otro es el enfoque
cualitativo.
Los pronósticos cuantitativos utilizan una variedad de modelos matemáticos que se apoyan en datos
históricos y/o en variables causales para pronosticar la demanda. Los pronósticos cualitativos o
subjetivos incorporan factores como la intuición, las emociones, las experiencias personales y el
sistema de valores de quien toma las decisiones para llegar a un pronóstico. Algunas empresas
emplean un enfoque y otras el otro. En la práctica, la combinación de ambos resulta más efectiva
en la mayoría de los casos.
 2.3 Métodos cualitativos para los pronósticos

Son los que no requieren de una abierta manipulación de datos, sino que hacen uso del juicio de quien
pronostica.
▪ No utilizan métodos matemáticos.
▪ Se usan cuando no se tiene disponibilidad de información histórica o los datos son escasos.
❑ Características clave de los datos que provienen de pronósticos cualitativos:
▪ Se basa en un juicio personal o en alguna información cualitativa externa.
▪ Una ventaja de este método radica en que casi siempre permite obtener algunos resultados
con bastante rapidez.
▪ La proyección cualitativa es especialmente importante, ya que puede constituir el único método
disponible.
▪ Suelen utilizarse para productos individuales o familias de productos, y rara vez para
mercados completos.

2.3.1 Consulta a la fuerza de Ventas

Es una técnica cualitativa para pronosticar la demanda por medio de la consulta a cada vendedor
de la estimación de la demanda futura, la cual se debe revisar para que de esta manera esta técnica
suele arrojar estimaciones muy optima o quizás muy conservadores, que también se basa en la
experiencia y percepción de cada vendedor, la estimación de cada vendedor se ajusta al considerar
los de otros vendedores para así de esta manera estimar los costos de la demanda y sus
estimaciones para tener el costo de una fuerza de venta.

❑ Objetivo
Conocer las ventajas y desventajas de la utilización de la consulta de ventas para realizar
mejoras en las ventas realizadas por los vendedores de las empresas.
❑ Marco teórico
La fuerza de ventas de una empresa es el conjunto de recursos (humanos o materiales) que se
dedican directamente a tareas íntimamente relacionadas con ella. La fuerza de ventas es el
conjunto de personas responsables de contactar y tratar con los clientes de una organización,
de una empresa, sean estos:
▪ Clientes reales (que ya adquieren los productos o servicios de la organización)
▪ Clientes potenciales (susceptibles de adquirirlos en el futuro)
La fuerza de ventas actúa como punto de enlace entre una empresa y sus clientes actuales y
potenciales. Por un lado, representa a la empresa ante los clientes, brindándoles a éstos últimos
información, asesorándolos y aclarando sus dudas. Mientras que, por otro lado, representa a
los clientes ante la empresa, comunicándole o transmitiéndole a esta última las necesidades,
preferencias, gustos, dudas y preocupaciones de los clientes.
Consulta la fuerza de ventas es una técnica cualitativa para pronosticar la demanda por medio
de la consulta a cada vendedor de la estimación de la demanda futura, ésta técnica suele arrojar
estimaciones muy optimistas o quizás muy conservadoras.
❑ Función de la fuerza de ventas
▪ La primera función es la de la venta propiamente dicha, es decir, la comunicación de las
características y ventajas de utilización del producto y la obtención de pedidos.
▪ La segunda función consiste en mantener y desarrollar las relaciones con los clientes y en
mejorar la imagen y posición de la compañía ante ellos.
▪ La tercera función es la de recoger información y transmitirla a su central. El vendedor está
en disposición de detectar acciones que realiza la competencia, informar sobre lo que
piensan los clientes, los problemas que tienen los productos o servicios, las perspectivas de
futuro que pueda ofrecer el mercado.
❑ El objetivo de la fuerza de ventas
Es conseguir ventas, obtener pedidos, y probablemente éste sea el caso de la mayoría de las
empresas. Se trata de conocer problemas y necesidades de los clientes y ayudarles a encontrar
una solución con los medios a su disposición, poniendo menos énfasis en la venta a corto plazo
como en cimentar una sólida relación con los clientes, que ayude a fidelizar al cliente y garantice
las ventas futuras. [1]
A continuación, se describen las actividades o funciones que comprende la gestión o
administración de la fuerza de ventas:
1. La organización de la fuerza de ventas.
La organización de la fuerza de ventas empieza por diferenciar a la fuerza de ventas interna
(los vendedores que trabajan dentro de las instalaciones de la empresa), de la fuerza de
ventas externa (los vendedores que salen al campo para visitar a los clientes).
En caso de contar con vendedores externos es necesario determinar la estructura que
contará esta fuerza de ventas, si se va a utilizar una estructura por territorio, una estructura
por producto, una estructura por cliente, o una combinación de éstas:
▪ Estructura por territorio: a cada vendedor se le asigna un determinado territorio
geográfico en el que venderá todos los productos o servicios con que cuente la empresa.
▪ Estructura por producto: cada vendedor o grupo de vendedores se especializa en la
venta de determinados productos de la empresa.
▪ Estructura por cliente: cada vendedor se especializa en la venta a determinados
clientes. Esta estructura permite atender a los clientes según su nivel de consumo,
algunos vendedores atenderán a clientes que compren bastante, mientras que otros
atenderán a los compran regular o poco.

2. Selección de ventas
La selección de vendedores empieza por determinar los requisitos que deberá cumplir un
vendedor para que pueda postular al puesto que se está ofreciendo.
Una vez que se ha determinado los requisitos que deberá cumplir un postulante, se procede
a buscar a los vendedores que cumplan con estos requisitos, por ejemplo, a través de
recomendaciones, avisos o anuncios en el periódico o en Internet, agencias de empleo, etc.
 Y luego, una vez que se cuenta con algunos postulantes, se procede a evaluarlos a través
de pruebas y entrevistas, y a seleccionar y contratar a los vendedores que mejor cumplan
con los requisitos que se han solicitado.
3. Capacitación de vendedores
En el caso de los nuevos vendedores se les debe hacer conocer las instalaciones de la
empresa, presentarles a sus supervisores y compañeros, instruirlos sobre el mercado y los
clientes de la empresa y, sobre todo, instruirlos sobre el producto o servicio que venderán
y sobre todo lo relacionado con éstos.
Y luego de esta capacitación inicial, la cual podría tomar unas semanas o incluso meses,
se procede a brindarles a los vendedores una capacitación permanente, por ejemplo, a
través de charlas periódicas, reuniones de ventas, seminarios, cursos.
4. Motivación de vendedores
La motivación juega un papel importante en la administración de la fuerza de ventas, no
sólo ayuda a que los vendedores procuren la mayor cantidad de ventas posible, sino que
evita que éstos puedan sentirse frustrados debido a los constantes rechazos que puedan
tener.
5. Supervisión de vendedores
Los vendedores que suelen contar exclusivamente con una remuneración fija, por lo
general, suelen requerir una mayor supervisión que aquellos que reciben exclusivamente
una remuneración variable.
6. Evaluación de vendedores.
Para la evaluación de los vendedores es posible tomar en cuenta el reporte o informe de
ventas de cada vendedor, el desempeño de las ventas (en donde se compare las ventas
obtenidas con las esperadas), el informe presentado por los jefes o supervisores, las
encuestas realizadas a clientes, las pláticas con otros vendedores. [2]
❑ Ventajas y desventajas de la consulta de fuerza de ventas
✓ Ventajas
▪ Es un método incluyente al solicitar la estimación de los vendedores, lo que puede aumentar
su motivación. Aunque esto se ve maximizado cuando su opinión es solicitada con frecuencia
y sus metas no están fuera de su alcance.
▪ Permite ajustar la meta de la fuerza de ventas, haciendo comparativos entre cada vendedor.

▪ El pronóstico obtenido en una zona puede ser combinado con el de otras zonas para obtener
pronósticos de territorios más grandes.
✓ Desventajas
▪ Considerando que la empresa establece metas para la fuerza de ventas, esta técnica puede
generar datos no confiables si el vendedor entrega una estimación de la demanda menor
para cumplir su meta.
▪ En ocasiones la estimación entregada por los vendedores puede ser muy elevada o muy
discreta. Por ello es necesario que la estimación sea revisada y ajustada para generar datos
confiables o, que sea usada en conjunto con otras técnicas como Delphi o juicio ejecutivo.
[3]
❑ Conclusión
La estructura a la fuerza de ventas es esencial en la vida de la organización en una empresa dado
que define las obligaciones del vendedor, la responsabilidad en el territorio e incrementa el incentivo
de un representante para poder cultivar las ventas y los lazos personales locales y los gastos
relativamente por muy pequeños que sean, cada representante necesita realizar viajes, aunque en
áreas muy pequeñas y se evita la pérdida de tiempo en el trancurso de la venta.
❑ Bibliografía

[1] [En línea]. Available: https://ingenioempresa.com/consulta-fuerza-de-ventas/. [Último acceso: 10

09 2017].

[2] [En línea]. Available: https://www.crecenegocios.com/la-fuerza-de-ventas/. [Último acceso: 10 09

2017].

[3] [En línea]. Available:

https://www.google.com.mx/search?biw=1360&bih=632&tbm=isch&sa=1&q=imagenes+desvent
aja+de. [Último acceso: 10 09 2017].

2.3.2 Jurado de Opinión Ejecutiva

Bajo este método, las opiniones de un grupo de expertos o administradores de alto nivel, a menudo
en combinación con modelos estadísticos, se combinan para llegar a una estimación grupal de la
demanda. Por ejemplo, Bristol-Meyers Squibb Company emplea 220 científicos investigadores
destacados, como jurado de opinión ejecutiva, con el fin de tener una idea de las tendencias futuras
en el mundo de la investigación médica.

2.3.3 Método Delphi

Es una alternativa al método de consenso de un panel, se busca a un grupo de expertos para

realizar pronósticos de forma anónima no debe de existir contacto entre los participantes en una
serie de etapas iterativas. El objetivo de las etapas es retroalimentar a los expertos para disminuir
la variabilidad en los pronósticos y llegar a un consenso. Esta forma de pronóstico es útil cuando
no existen datos históricos sobre los cuales puedan desarrollarse modelos estadísticos y cuando
los gerentes de la empresa no tienen experiencia en la cual fundamentar proyecciones bien
informadas.
Se identifica así tendencias, desarrollo y oportunidades; así como los puntos fuertes y débiles de
la organización.
❑ Características
▪ Anonimato: no debe existir contacto entre los participantes, pero el administrador/gestor de
la encuesta sí puede identificar a cada participante y sus respuestas.
▪ Iteración: se pueden manejar tantas rondas como sean necesarias.
▪ Retroalimentación controlada: los resultados totales de la ronda previa no son entregados
a los participantes, sólo una parte seleccionada de la información circula.
 ▪ Resultados estadísticos: la respuesta del grupo puede ser presentada estadísticamente
(promedios y grado de dispersión).
❑ Desarrollo del método Delphi
1º. Un coordinador envía preguntas a cada uno de los miembros del grupo de expertos, quienes
tal vez ignoran quien está participando.

2o. El coordinador prepara un resumen estadístico de las respuestas, además de un sumario

de los argumentos que vienen a propósito de algunas de ellas.

3o. El informe se envía al mismo grupo para otra ronda de opiniones y los participantes pueden
modificar sus respuestas anteriores si así lo desean.

4o. Las rondas continúan hasta llegar a un consenso.

El método Delphi se usa para elaborar pronósticos a largo plazo de la demanda de productos y
proyecciones de ventas de los nuevos productos.

Ξ Ejemplo de aplicación: Ampliación del centro de ITV de Massalfassar.

Situación: Debido a que hay una gran congestión en los meses junio, julio y agosto que se
viene observando en los últimos 4 años, el consejo de administración de la empresa
que gestiona la estación (Automovilidad – Grupo ATISAE) va a realizar una
ampliación de la estación de ITV. La estación cuenta actualmente con 10 puestos
de revisión y 15 trabajadores. En los meses de verano la utilización de los puestos
es del 99.99% con picos puntuales en viernes y en fines de semana. Sin embargo,
el resto del año la ocupación media de la estación es de un 60%.

Preguntas:
1. ¿Sería conveniente la ampliación de las instalaciones de Massalfassar para el
próximo año?
2. ¿En qué período del año sería más conveniente el inicio de las obras?
3. ¿Cuántos puestos de revisión convendría añadir?
4. ¿Sería necesaria la ampliación de la plantilla? ¿En cuántos trabajadores?

ALGUNAS DE LAS RESPUESTAS DE NUESTROS EXPERTOS:

Experto 1:
1. Si, sería conveniente si se quieren mantener los clientes, pues si las colas aumentan
mucho y el tiempo medio de espera para la revisión se ve incrementado, los
conductores podrían migrar hacia otras estaciones.
2. En los meses de invierno, pues se debe intentar que las obras afecten lo menos
posible al funcionamiento normal de la estación.
3. Dos sería un buen número, ya que no interesa realizar una ampliación muy alta si
sólo vamos a necesitar todos los puntos de revisión durante 3 meses al año. Por
otro lado, con dos puntos de revisión adicionales el tiempo de espera medio para la
revisión se puede ver reducido de forma considerable.
 4. En principio, se podría mantener la plantilla actual y en los meses me más trabajo
contratar a más trabajadores. Pues el número actual de trabajadores de la central
ya es bastante elevado.

Experto 2:
1. ¡Sí, claro! Así podríamos ofrecer una calidad mucho mejor al cliente, sin retrasos,
esperas, ni exageradas aglomeraciones.
2. En septiembre/octubre, ya que son los meses posteriores a la avalancha y son lo
3. suficientemente tranquilos para que el funcionamiento no perjudicado.
4. Con 3 o 4 puestos más se podría dar un servicio mucho mejor.
5. La verdad es que en los meses de verano sí que se debería contratar a más
trabajadores ya que apenas damos abasto en esos días, pero para el resto del año
no haría falta.
Experto 3:
1. Para mi es conveniente, ya que agilizaría el proceso de revisión de los vehículos
2. reduciendo la espera y esto para los clientes es siempre importante. Por lo tanto,
esta ampliación atraerá nuevos clientes por la rapidez del servicio.
3. Los inicios de las obras deberían de ser justo al finalizar los meses de verano, para
que estén operativos los nuevos puestos para el próximo verano.
4. Una ampliación de 3 nuevos puestos de revisión serían suficientes.
5. Sería conveniente la ampliación de la plantilla. Además de unos 5 trabajadores.

Resultados del método:

Con respecto a las cuestiones enunciadas las respuestas se pueden resumir en lo siguiente:

1. Según los expertos sería necesaria la ampliación de la central de Massalfassar, ya que

supondría una inversión de cara a aumentar la satisfacción de los clientes y por lo tanto
aumentar su fidelidad y las perspectivas de negocio, atrayendo también a nuevos clientes.
2. Según nuestros expertos, se ha llegado a la conclusión de que las obras deberían comenzar
inmediatamente después de los meses de verano, cuando se produce la avalancha, de este
modo el impacto de las obras sería mínimo y la ampliación estaría concluida antes para la
campaña siguiente.
3. Según las respuestas, se ha llegado a la conclusión de que se haría una ampliación de 3
puestos, lo que supondría un aumento de la eficiencia y rapidez en la atención al cliente.
4. El aumento de la plantilla será necesario, sobre todo en los meses de verano. Falta por ver
sí las contrataciones serían de carácter temporal o fijo.
5. Con los resultados obtenidos al aplicar el método Delphi la empresa ha decidido tomar las
siguientes medidas:

Conclusiones:
▪ Se decide ampliar la central de Massalfassar con tres cadenas de revisión más.
 ▪ El inicio de las obras se realizará a finales de octubre, con lo que se espera que estén
concluidas a principios de abril.
▪ Se ha decidido contratar a 2 operadores más con contratación fija y 2 más con contrato
temporal en los meses de verano.

Hemos realizado el método de la experiencia Delphi y hemos observado algunas ventajas

significativas como el mantener el anonimato de los expertos haciendo que la influencia entre
los componentes del grupo sea mínima y la facilidad de la comunicación entre expertos, ya que,
al utilizar las herramientas de Internet, no es necesario que el grupo se reúna físicamente,
facilitando que los expertos den su opinión más rápidamente desde cualquier lugar y en el
momento que quieran. Por otro lado, con este método se consiguen mejores soluciones al
problema, ya que el sistema de realimentación hace que los expertos conozcan las ideas del
resto de expertos y puedan usarlas para reflexionar y elaborar sus propias conclusiones.

2.3.5 Investigación de Mercado

Se puede definir como la recopilación y el análisis de información, en lo que respecta al mundo de

la empresa y del mercado, realizados de forma sistemática o expresa, para poder tomar decisiones
dentro del campo del marketing estratégico y operativo. Se trata, en definitiva, de una potente
herramienta, que debe permitir a la empresa obtener la información necesaria para establecer las
diferentes políticas, objetivos, planes y estrategias más adecuadas a sus intereses.

La American Marketing Association (AMA) la define como: «la recopilación sistemática, el registro
y el análisis de los datos acerca de los problemas relacionados con el mercado de bienes y
servicios».

El sector de la investigación en España continúa cayendo. En 2013 la cifra neta de negocios se

redujo un 5,5 % y alcanzó 438,2 millones de euros. Por el contrario, el mercado mundial de la
investigación se incrementó en un 3,2 % hasta situarse en 39’084 millones de dólares, según los
últimos datos de la Asociación de Empresas de Investigación de Mercados y Opinión (Aneimo) y
la Asociación Española de Estudios de Mercado, Marketing y Opinión (Aedemo).

Aunque no se pueden echar las campanas al vuelo, la disminución del 5,5 % de la facturación se
ve como «una nota optimista a pesar de seguir en negativo». Y no es para menos, ya que en 2013
el sector ha empleado más de 11.000 personas.

En cuanto al método de investigación destaca la inversión cuantitativa (83,6 %) frente al 11 % en

inversión cualitativa. En cuanto al desglose de la inversión por tipo de cliente destacan la industria
manufacturera con el 45,2 % y los servicios con el 44 %, muy de lejos se encuentran el sector
público con un 7,2 %, empresas sin ánimo de lucro 2,3 % y otros 1,3 %.

Europa, con una cuota del 40 % de la facturación, se sitúa como el principal mercado, seguido de
Norteamérica que reafirma el camino hacia su recuperación económica con tres años de
crecimiento continuado. Asia Pacífico ha sido desbancada por Latinoamérica como zona de
máximo crecimiento, aunque obtiene la mayor subida de los últimos cinco años, motivada por el
incremento de Japón, que deja atrás dos años de pérdidas económicas. La región con mayor
crecimiento porcentual fue Latinoamérica (11,7 %), siendo Brasil el que destaca con luz propia. El
desarrollo de este país se refleja también en términos de investigación de mercado y de facturación
en el sector de la investigación. Resaltamos también el incremento del 11 % de Argentina. Oriente
Medio ha sido la zona que más ha sufrido la desinversión en investigación de mercados, y por
contra, África creció un 11,8 %, motivado principalmente por el comportamiento de Sudáfrica.

Pero el sector debe reinventarse, ya que el mercado está demandando a los institutos de opinión
nuevas soluciones basadas, principalmente, en:

▪ Velocidad. Los clientes necesitan que la información fluya con rapidez para poder tomar
decisiones rápidas y lo más acertadas posibles.
▪ Talento. Los clientes piden ideas que generen valor. Les da igual de dónde provenga el
conocimiento, porque lo que quieren es información concreta, independientemente, de cuál
sea la fuente de origen o la metodología empleada para su obtención.
▪ Nuevas fuentes. La investigación más tradicional dejará paso a otra basada en la minería de
datos, análisis semióticos, neurociencia, estudios etnográficos...
▪ Mensajes concretos. Los clientes piden una comunicación más clara y directa, con
conclusiones concisas y divulgativas, es decir, utilizar un lenguaje que hable en titulares y a
continuación sea informada.
▪ Mayor conexión con las nuevas tecnologías. Internet y las redes sociales deben tener un
mayor protagonismo en los estudios de opinión.
▪ En la rentabilidad de la empresa. Básicamente contribuye al aumento del beneficio
empresarial pues:
o Permite adaptar mejor los productos a las condiciones de la demanda.

o Perfecciona los métodos de promoción.

o Hace más eficaz el sistema de ventas y el rendimiento de los vendedores, así como
reduce el coste de ventas.
o Impulsa a los directivos a la reevaluación de los objetivos previstos.

o Estimula al personal, al saber que su empresa tiene un conocimiento completo de su

situación en el mercado y que se dirige hacia unos objetivos bien seleccionados.

❑ Aplicaciones de la investigación de mercados

Si esquematizamos las aplicaciones que tiene para las empresas, se detectan las siguientes
utilidades:
▪ Análisis del consumidor:
o Usos y actitudes.
o Análisis de motivaciones.
o Posicionamiento e imagen de marcas.
o Tipologías y estilos de vida.
o Satisfacción de la clientela.
o Potencia de compra por internet, a través del e-commerce.
▪ Efectividad publicitaria:
o Pretest publicitario.
o Postest de campañas.
o Seguimiento (tracking) de la publicidad.
 o Efectividad promocional.
o Análisis de las herramientas internet.

▪ Análisis de producto:
o Test de concepto.
o Análisis multiconcepto-multiatributo.
o Análisis de sensibilidad al precio.
o Test de producto.
o Test de envase y/o etiqueta.
o Test de marca.
▪ Estudios comerciales:
o Áreas de influencia de establecimientos comerciales.
o Imagen de establecimientos comerciales.
o Comportamiento del comprador en punto de venta.
o Posibilidades de e-commerce.
▪ Estudios de distribución:
o Auditoría de establecimientos detallistas.
o Comportamiento y actitudes de la distribución.
o Publicidad en punto de venta.
o Internet como canal de distribución.
▪ Medios de comunicación:
o Audiencia de medios.
o Efectividad de soportes.
o Análisis de formatos y contenidos.
o Social media y redes sociales.
▪ Estudios sociológicos y de opinión pública:
o Sondeos electorales.
o Estudios de movilidad y transporte.
o Investigación sociológica.
o Estudios institucionales.

❑ REFERENCIAS
o Norman, G. (2002). Administración de producción y operaciones. México, D.F.:
EDAMSA.
o http://usjb.blogspot.mx/2013/01/produccion.html

2.3.6 Analogía del Ciclo de Vida

Se utiliza a la hora de lanzar un producto nuevo y se basa en el hecho de que casi todos los
productos y servicios tienen un ciclo de vida bien definido, éste método tiene una aplicación muy
especial. Generalmente las ventas presentan un crecimiento durante la etapa temprana que sigue
a la introducción del producto en el mercado. En cierto punto, el producto o servicio madura, lo que
implica un bajo o nulo crecimiento adicional, hasta que, en un momento dado, la demanda va
bajando hasta el punto donde ya no es ofertado (observe la figura 2.2.1).

Figura 2.2.1 Analogía de ciclo Vida

Un claro ejemplo se da con los productos relacionados con una “moda” por ejemplo los restaurants
de comida rápida (McDonald’s, Burger King, KFC, etc) lanzan nuevas promociones que incluyen
productos relacionados con la película de Disney que ha sido recientemente estrenada o está
próxima a serlo, durante la fase temprana la demanda va creciendo hasta alcanzar la madurez, en
la que la demanda no varía mucho para decaer posteriormente cuando la película comienza a
pasar de moda o sale una nueva.
Los siguientes conceptos son importantes a la hora de considerar el ciclo de vida:
▪ Marco de tiempo y duración del crecimiento y la madurez.
▪ Velocidad del crecimiento y decadencia.
▪ Tamaño de la demanda global, sobre todo durante la fase de madurez.
El ACV de un producto típico tiene en cuenta el suministro de las materias primas necesarias para
fabricarlo, transporte de materias primas hasta el centro de producción, la fabricación de
intermedios y, por último, el propio producto, incluyendo envase, la utilización del producto y los
residuos generados por su uso, y su fin de vida (posibilidad de reutilización o reciclaje, etc.). El
ciclo de vida de un producto (como un ladrillo) o una actividad, está formado por dos tipos de
sistemas, que revisten un interés especial para los evaluadores ambientales.
El ACV no es una evaluación de riesgo y esto se debe a que ACV no tiene en cuenta la exposición,
que es un factor esencial para evaluar el riesgo. El ACV cuantifica las emisiones, pero el impacto
real de esas emisiones depende de cuándo, dónde y cómo se liberen en el ambiente. ACV es una
de las herramientas con las que se cuenta para evaluar los productos, envases y procesos y se
utiliza, por ejemplo, en la elaboración de Declaraciones ambientales de producto o huellas
ambientales (principalmente de carbono o agua). Las otras herramientas se comentan en otras
secciones y entre ellas figuran:
▪ Evaluación de riesgos ambientales
▪ Gestión de riesgos para el ambiente
▪ Análisis de riesgo comparativo
▪ Análisis del impacto socioeconómico
El ACV se utiliza para responder a preguntas específicas como:

▪ ¿Qué diferencia existe entre dos procesos diferentes de fabricación del mismo producto,
en términos de utilización de recursos y emisiones?
▪ ¿Qué diferencia existe entre una ventana de aluminio, respecto de una de madera o de
PVC, en términos de utilización de recursos y emisiones?
▪ ¿Cuáles son las contribuciones relativas de las diferentes etapas del ciclo de vida de
este producto a las emisiones totales?
▪ Análisis del impacto socioeconómico
▪ ¿Qué diferencia existe entre el posible impacto ambiental de un producto nuevo y otros
productos ya existentes en el mercado?
En otras palabras, la evaluación del ciclo de vida trata de incrementar la eficiencia. Y dado que
tiene en cuenta cada una de las fases en la vida de un producto, se identifican y logran realizar
mejoras.
❑ Fases del ciclo de vida
Conforme a las normas internacionales ISO 14040 e 14044, un ACV se realiza en 4 fases que
generalmente están interrelacionados.
❑ Definición del objetivo y el alcance
El ACV comienza con la declaración del objetivo y el alcance del estudio, que incluye el modo
en que los resultados se pretenden comunicar. El objetivo y el alcance deben ser coherentes
con la aplicación prevista del ACV e incluye información técnica, como por ejemplo la unidad
funcional, es decir el desempeño cuantificado del sistema de producto para su uso como unidad
de referencia. Es necesario definir también otros elementos como los límites del sistema y las
hipótesis empleadas.

❑ Inventario del ciclo de vida

En el análisis del inventario del ciclo de vida (ICV) se recopilan y cuantifican las entradas y
salidas (flujos) y los resultados de un sistema del producto durante su ciclo de vida. Los datos
se refieren a la unidad funcional definida anteriormente.

❑ Evaluación del impacto del ciclo de vida

La fase de evaluación del impacto del ciclo de vida (EICV) busca evaluar la significancia
potencial de los impactos basados en los resultados del ICV. Esta fase contiene habitualmente
los siguientes elementos obligatorios:

▪ Selección de las categorías de impacto, los indicadores de categoría y los modelos de

caracterización.
▪ Clasificación: asignación de resultados del ICV a las categorías de impacto seleccionadas; y
▪ Medición del impacto (caracterización): cálculo de los resultados de indicadores de categoría.
Además de los elementos adicionales, es posible incluir algunos adicionales como:
▪ Normalización;
▪ Agrupación;
▪ Ponderación;
 ▪ Análisis de la calidad de los datos.
❑ Interpretación del ciclo de vida
La interpretación del ciclo de vida es una técnica sistemática para identificar, cuantificar,
comprobar y evaluar la información de los resultados del ICV y/o de la EICV. Esta fase incluye
los siguientes elementos:

▪ Identificación de los asuntos significativos basados en los resultados del ICV y la EICV;
▪ Una evaluación del estudio que considere su integridad, sensibilidad y coherencia;
▪ Conclusiones, limitaciones y recomendaciones.

2.4 Métodos cuantitativos para los pronósticos

Un elemento fundamental de una buena planeación de la comercialización consiste en pronosticar con
la mayor exactitud la demanda de un producto. El pronóstico de la demanda es estimar las ventas de
un producto durante determinado periodo futuro.
Los métodos cuantitativos aplican una variedad de modelos matemáticos que utilizan datos históricos
(series de tiempo) y/o variables causales (datos asociativos) para pronosticar la demanda. Se
consideran dentro de los pronósticos a corto plazo Este pronóstico tiene una extensión de tiempo de
hasta 1 año, pero casi siempre es menor a 3 meses. Se usa para planear las compras, programar el
trabajo, determinar niveles de mano de obra, asignar el trabajo, y decidir los niveles de producción.

❑ Siete pasos en el sistema de pronóstico

El pronóstico sigue siete pasos básicos. Usaremos a Disney World, el centro de atención del Perfil
global de una compañía en este capítulo, como ejemplo de cada paso.
1. Determinar el uso del pronóstico: Disney usa los pronósticos de la asistencia al parque para
dirigir el personal, las horas de entrada, la disponibilidad de paseos y los suministros de
comida.
2. Seleccionar los aspectos que se deben pronosticar: Para Disney World hay seis parques
principales. La cifra primordial que determina la mano de obra, el mantenimiento y la
programación es la asistencia diaria.
3. Determinar el horizonte de tiempo del pronóstico: ¿Es a corto, mediano o largo plazos? Disney
desarrolla pronósticos diarios, semanales, mensuales, anuales y quinquenales.
4. Seleccionar los modelos de pronóstico: Disney usa una variedad de modelos estadísticos que
analizaremos, incluyendo promedios móviles, suavizamiento exponencial y análisis de
regresión. También emplea modelos de juicio, o no cuantitativos.
5. Recopilar los datos necesarios para elaborar el pronóstico: El equipo de pronósticos de Disney
emplea a 35 analistas y 70 trabajadores de campo para encuestar a 1 millón de personas y/o
negocios cada año. También utiliza una compañía llamada Global Insights para elaborar los
pronósticos de la industria de los viajes y recopilar datos sobre tasas de cambio, llegadas a
Estados Unidos, ofertas de aerolíneas, tendencias en Wall Street, y programas vacacionales
en las escuelas.
6. Realizar el pronóstico.
 7. Validar e implementar los resultados: En Disney, los pronósticos se revisan diariamente a los
niveles más altos para asegurar la validez del modelo, de los supuestos y de los datos. Se
aplican las medidas de error, y después se usan los pronósticos en la programación del
personal a intervalos de 15 minutos.
Estos siete pasos presentan una forma sistemática para iniciar, diseñar e implementar un sistema
de pronósticos. Cuando el sistema se va a usar para generar pronósticos regulares a lo largo del
tiempo, la recopilación de datos debe ser rutinaria. Los cálculos reales casi siempre se realizan por
computadora.
Sin importar qué sistema usen las empresas como Disney, cada compañía enfrenta varias
realidades:
1. Los pronósticos casi nunca son perfectos. Esto significa que factores externos no predecibles
o controlables suelen afectar el pronóstico. Las compañías deben admitir esta realidad.
2. La mayoría de las técnicas de pronóstico suponen la existencia de cierta estabilidad
subyacente en el sistema. En consecuencia, algunas empresas automatizan sus predicciones
a través de software para pronósticos computarizados y después sólo vigilan de cerca aquellos
productos cuya demanda es errática.
3. Tanto los pronósticos de familias de productos como los de productos agregados son más
precisos que los pronósticos para productos individuales. Disney, por ejemplo, agrega los
pronósticos de asistencia diaria por parque. Este enfoque ayuda a contrarrestar la sobre o
subestimación de cada una de las seis atracciones.

Dentro de los métodos cuantitativos para los pronósticos existen dos tipos, los cuales son:
▪ Series de tiempo
▪ Asociativos (Relaciones Causales)

2.4.1 Series de Tiempos

Un modelo de serie de tiempo es apropiado cuando los datos históricos están restringidos a valores
pasados de la variable que se está pronosticando. Una serie de tiempo se basa en una secuencia
de datos puntuales igualmente espaciados (semanales, mensuales, trimestrales, etc.). Los
ejemplos incluyen las ventas semanales de Nike Air Jordans, los informes de ingresos trimestrales
en Microsoft, los embarques diarios de cerveza Corona, y los índices anuales de precios al
consumidor. Los datos para pronósticos de series de tiempo implican que los valores futuros se
predicen solamente a partir de los valores pasados y que se pueden ignorar otras variables, sin
importar qué tan potencialmente valiosas sean.

❑ Descomposición de una serie de tiempo

Analizar una serie de tiempo significa desglosar los datos históricos en componentes y después
proyectarlos al futuro. Una serie de tiempo tiene cuatro componentes:
▪ Componente de Tendencia: cambio gradual de la serie de tiempo generalmente resultado
de factores a largo plazo tales como cambios en la población, características demográficas,
tecnología y preferencias del consumidor.
▪ Componente Estacional: Representa la variabilidad de los datos debido a influencias
estacionales, como clima y festividades, entre otros. Existen seis patrones comunes de
estacionalidad:
Número de “estaciones”
Periodo del patrón Longitud de la “estación”
en el patrón
Semana Día 7
Mes Semana 4 – 4.5
Mes Día 28 -31
Año Trimestre 4
Año Mes 12
Año Semana 52

Los restaurantes y las peluquerías, por ejemplo, experimentan estaciones semanales, donde
los sábados son el pico del negocio. Los distribuidores de cerveza pronostican patrones
anuales, con estaciones mensuales. Cada una de las tres “estaciones” —mayo, julio y
septiembre— contiene un día festivo en el que se ingiere mucha cerveza.

▪ Componente Irregular: También llamadas “variaciones aleatorias”. son “señales”

generadas en los datos por casualidad o por situaciones inusuales. No siguen ningún patrón
discernible y, por lo tanto, no se pueden predecir. Explica la variabilidad aleatoria que afecta
en la serie de tiempo.

▪ Componente Cíclico: Explica el comportamiento periódico de una serie de tiempo, a

veces, por encima de la tendencia y a veces por debajo, en lapsos de tiempo mayores a un
año.
En la siguiente figura se ilustra una demanda en un periodo de 4 años. Se muestra el promedio,
la tendencia, las componentes estacionales y las variaciones aleatorias alrededor de la curva
de demanda. La demanda promedio es la suma de la demanda medida en cada periodo y
dividida entre el número de periodos con datos.
Al aislar estos componentes y medir sus efectos aparentes pueden pronosticarse los valores
futuros de la serie de tiempo. Los métodos de series de tiempo son:

▪ Enfoque Simple o Intuitivo

▪ Promedios Móviles: Promedio Móvil simple, Promedios Móviles ponderados
▪ Suavización Exponencial.
▪ Proyección de Tendencia Lineal
▪ Proyección de Tendencia ajustada para influencia estacional.

A continuación, se estudiarán los métodos de suavización uno a la vez.

Enfoque Simple o intuitivo

El Enfoque intuitivo es una Técnica de pronósticos que supone que en el siguiente periodo
la demanda será igual a la del periodo más reciente. En otras palabras, si las ventas de un
producto —digamos, teléfonos celulares Nokia— fueron de 68 unidades en enero, podemos
pronosticar que en febrero las ventas también serán de 68 teléfonos. ¿Tiene esto algún
sentido? Resulta que, para algunas líneas de productos, este enfoque intuitivo es el modelo
de pronóstico más efectivo en costos y más eficiente con respecto al objetivo. Al menos
ofrece un punto de partida contra el cual comparar otros modelos más sofisticados que se
utilicen después.

Promedio Móvil:
El enfoque de promedios móviles consiste en calcular un promedio de valores pasados y
luego usar este promedio como el pronóstico para el siguiente periodo.
El pronóstico de promedios móviles usa un número de valores de datos históricos reales para
generar un pronóstico. Los promedios móviles son útiles si podemos suponer que la
demanda del mercado permanecerá relativamente estable en el tiempo. Un promedio móvil
de 4 meses se encuentra simplemente al sumar la demanda medida durante los últimos 4
meses y dividiéndola entre cuatro. Al concluir cada mes, los datos del mes más reciente se
agregan a la suma de los 3 meses previos y se elimina el dato del mes más antiguo. Esta
práctica tiende a suavizar las irregularidades del corto plazo en las series de datos.
Matemáticamente, el promedio móvil simple (que sirve como estimación de la demanda del
siguiente periodo) se expresa como:

∑ 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑒𝑛 𝑙𝑜𝑠 𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠 𝑝𝑟𝑒𝑣𝑖𝑜𝑠

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑚ó𝑣𝑖𝑙 =
𝑛

donde 𝑛 es el número de periodos incluidos en el promedio móvil, por ejemplo, 4, 5 o 6

meses, respectivamente, para un promedio móvil de 4, 5 o 6 periodos.
En el ejemplo 2.1 se muestra cómo calcular los promedios móviles.

 Ejemplo 2.4.1
La tienda de suministros para jardín de Donna quiere hacer un pronóstico con el promedio
móvil de 3 meses, incluyendo un pronóstico para las ventas de cobertizos el próximo
enero.
Las ventas de cobertizos para almacenamiento se muestran en la columna media de la
tabla 2.4.1.1
 Ventas reales
Mes Promedio móvil de tres meses
de cobertizos
Enero 10
Febrero 12
Marzo 13
Abril 16 ( 10+12+13 ) / 3 = 11 2/3
Mayo 19 (12+13+16)/3=13 2/3
Junio 23
Julio 26
Agosto 30
Septiembre 28
Octubre 18
Noviembre 16
Diciembre 14

2
El pronóstico para diciembre es de 20 . Para proyectar la demanda de cobertizos en el
3
próximo enero, sumamos las ventas de octubre, noviembre y diciembre y dividimos entre
3: pronóstico de enero = (18 + 16 + 14) / 3 = 16

Ahora la administración tiene un pronóstico que promedia las ventas para los últimos 3
meses. Es fácil de usar y entender.

 Ejercicio: Si las ventas reales en diciembre fueran de 18 (en vez de 14), ¿cuál es el
nuevo pronóstico para enero?

Promedio Móvil Ponderado:

Cuando se presenta una tendencia o un patrón localizable, pueden utilizarse ponderaciones
para dar más énfasis a los valores recientes. Esta práctica permite que las técnicas de
pronóstico respondan más rápido a los cambios, puesto que puede darse mayor peso a los
periodos más recientes. La elección de las ponderaciones es un tanto arbitraria porque no
existe una fórmula establecida para determinarlas. Por lo tanto, decidir qué ponderaciones
emplear requiere cierta experiencia. Por ejemplo, si el último mes o periodo se pondera
demasiado alto, el pronóstico puede reflejar un cambio grande inusual, demasiado rápido en
el patrón de demanda o de ventas.
Permite la posibilidad de pesos desiguales para los datos; por tanto, el método de promedios
móviles es un caso especial del método de promedios móviles ponderados en el que todos
los pesos son iguales. Se seleccionan diferentes pesos para cada valor de datos y luego se
calcula un promedio ponderado de los valores de los "n" datos más recientes.

Un promedio móvil ponderado puede expresarse matemáticamente como:

𝑷𝒓𝒐𝒎𝒆𝒅𝒊𝒐 𝒎ó𝒗𝒊𝒍 𝑷𝒐𝒏𝒅𝒆𝒓𝒂𝒅𝒐 =

∑(𝑃𝑜𝑛𝑑𝑒𝑟𝑎𝑐𝑖ó𝑛 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑛)(𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑛)

∑ 𝑃𝑜𝑛𝑑𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠
 Ejemplo 2.4.2
La tienda de suministros para jardín de Donna (vea el ejemplo 2.1) quiere pronosticar las
ventas de cobertizos ponderando los últimos 3 meses, dando más peso a los datos
recientes para hacerlos más significativos.

Solución: Se asigna más ponderación a los datos recientes, de la siguiente manera:

Ponderación aplicada Periodo

3 Último mes
2 Hace dos meses
1 Hace tres meses
6 Suma de ponderaciones

Pronóstico para este mes =

𝟑(𝑉𝑒𝑛𝑡𝑎𝑠 𝑑𝑒𝑙 ú𝑙𝑡𝑖𝑚𝑜 𝑚𝑒𝑠) + 𝟐(𝑉𝑒𝑛𝑡𝑎𝑠 𝑑𝑒 ℎ𝑎𝑐𝑒 2 𝑚𝑒𝑠𝑒𝑠) + 𝟏(𝑉𝑒𝑛𝑡𝑎𝑠 𝑑𝑒 ℎ𝑎𝑐𝑒 3 𝑚𝑒𝑠𝑒𝑠)
𝑆𝑢𝑚𝑎 𝑑𝑒 𝑝𝑜𝑛𝑑𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠

Los resultados de este pronóstico de promedio ponderado son los siguientes:

Ventas reales Promedio móvil ponderado de tres

Mes
de cobertizos meses
Enero 10 +
Febrero 12
Marzo 13
Abril 16 [(3x13) + (2x12) + 1(10)] / 6 = 12 1⁄6
Mayo 19
Junio 23
Julio 26
Agosto 30
Septiembre 28
Octubre 18
Noviembre 16
Diciembre 14

Nota: En esta situación particular de pronóstico, se observa que cuanto más se pondera
el último mes, la proyección que se obtiene es mucho más precisa.

 Ejercicio: Si las ponderaciones asignadas fueran 4, 2 y 1 (en lugar de 3, 2 y 1), ¿cuál es

el pronóstico para enero con el promedio móvil ponderado?
Tanto los promedios móviles simples como los ponderados, son efectivos para suavizar las
fluctuaciones repentinas en el patrón de la demanda, con el fin de obtener estimaciones
estables. Sin embargo, los promedios móviles presentan tres problemas:
1. Aumentar el tamaño de n (el número de periodos promediados) suaviza de mejor manera
las fluctuaciones, pero resta sensibilidad al método ante cambios reales en los datos.
2. Los promedios móviles no reflejan muy bien las tendencias porque son promedios;
siempre se quedarán en niveles pasados, no predicen los cambios hacia niveles más altos
ni más bajos. Es decir, retrasan los valores reales.
3. Los promedios móviles requieren amplios registros de datos históricos.

Suavizamiento exponencial
Es una Técnica de pronóstico de promedios móviles ponderados donde los datos se
ponderan mediante una función exponencial. Implica mantener muy pocos registros de datos
históricos.
La fórmula básica para el suavizamiento exponencial se expresa como sigue:
𝑁𝑢𝑒𝑣𝑜 𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 = 𝑝𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑑𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟

+ ∝ (𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑟𝑒𝑎𝑙 𝑑𝑒𝑙 𝑚𝑒𝑠 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 − 𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑑𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟)

donde ∝ es la ponderación, o constante de suavizamiento, elegida por quien pronostica, que

tiene un valor de entre 0 y 1. La ecuación anterior también puede escribirse matemáticamente
como:
𝐹𝑡 = 𝐹𝑡−1 + ∝ ( 𝐴𝑡−1 − 𝐹𝑡−1 )
Donde:
𝐹𝑡 = Nuevo Pronóstico
𝐹𝑡−1 = Pronóstico del periodo anterior
∝ = Constante de suavizamiento
𝐴𝑡−1 = Demanda real del periodo

El concepto no es complicado. La última estimación de la demanda es igual a la estimación

anterior ajustada por una fracción de la diferencia entre la demanda real del último periodo y
la estimación anterior. En el ejemplo 2.3 se muestra cómo usar el suavizamiento exponencial
para obtener un pronóstico.

 Ejemplo 2.4.3
En enero, un vendedor de automóviles predijo que la demanda para febrero sería de 142
Ford Mustang. La demanda real en febrero fue de 153 automóviles. Usando la constante
de suavizamiento que eligió la administración de α = 0.20, el vendedor quiere pronosticar
la demanda para marzo usando el modelo de suavizamiento exponencial.

 Método:
Se puede aplicar el modelo de suavizamiento exponencial de la ecuación
𝐹𝑡 = 𝐹𝑡−1 + ∝ ( 𝐴𝑡−1 − 𝐹𝑡−1 )

 Solución:
Al sustituir en la fórmula los datos de la muestra, se obtiene:
 Nuevo pronóstico (para la demanda de marzo) = 142 + 0.2 (153-142)
= 142 + 2.2 = 144.2
Así, el pronóstico de la demanda de marzo para los Ford Mustang se redondea a 144.
Nota: Usando sólo dos elementos de datos, el pronóstico y la demanda real, más una
constante de suavizamiento, se desarrolló un pronóstico de 144 Ford Mustang para marzo.
 Ejercicio:
Si la constante de suavizamiento se cambia a 0.30, ¿Cuál es el nuevo pronóstico? .17,
4.18, 4.37, 4.43, 4.47, 4.49
La constante de suavizamiento, 𝛼 , se encuentra generalmente en un intervalo de .05 a .50
para aplicaciones de negocios. Puede cambiarse para dar más peso a datos recientes (cuando
𝛼 es alta) o más peso a datos anteriores (si 𝛼 es baja). Cuando 𝛼 llega al extremo de 1.0,
entonces en la ecuación (4.4), 𝐹𝑡 = 1.0 𝐴𝑡−1 . Todos los valores anteriores se desechan y el
pronóstico se vuelve idéntico al modelo intuitivo el cual se mencionó anteriormente en este
capítulo. Es decir, el pronóstico para el siguiente periodo es considerar exactamente la misma
demanda del periodo actual.
La tabla siguiente ayuda a ilustrar este concepto. Por ejemplo, cuando 𝛼 = .5, podemos ver
que el nuevo pronóstico se basa casi por completo en la demanda de los últimos tres o cuatro
periodos.
Cuando 𝛼 = .1, el pronóstico pone poco peso en la demanda reciente y toma en cuenta los
valores históricos de muchos periodos (casi 19).
Ponderación Asignada
Tercer Cuarto Quinto
Segundo
periodo periodo periodo
Constante de Periodo más periodo más
más más más
suavizamiento reciente (𝛼 ) reciente
reciente reciente reciente
𝛼(1- 𝛼) 2
𝛼(1- 𝛼) 𝛼(1- 𝛼)3 𝛼(1- 𝛼)4
𝛼 .1 .09 .081 .073 .066
𝛼 .5 .25 .125 .063 .031

Medición del error de pronóstico

La exactitud general de cualquier modelo de pronóstico (promedios móviles, suavizamiento
exponencial u otro) puede determinarse al comparar los valores pronosticados con los valores
reales u observados. Si 𝐹𝑡 denota el pronóstico en el periodo 𝑡, y 𝐴𝑡 denota la demanda real
del periodo 𝑡, el error de pronóstico (o desviación) se define como:
𝐸𝑟𝑟𝑜𝑟 𝑑𝑒 𝑝𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 = 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑅𝑒𝑎𝑙 − 𝑉𝑎𝑙𝑜𝑟 𝑝𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑎𝑑𝑜
𝐴𝑡 − 𝐹𝑡
En la práctica se usan varias medidas para calcular el error global de pronóstico. Estas
medidas pueden usarse para comparar distintos modelos de pronóstico, así como para vigilar
los pronósticos y asegurar su buen desempeño. Las tres medidas más populares son la MAD
(mean absolute deviation; desviación absoluta media), el MSE (mean squared error; error
cuadrático medio), y el MAPE (mean absolute percent error; error porcentual absoluto medio).
A continuación, se describen estas medidas y se da un ejemplo de cada una.
 ▪ Desviación absoluta media
La primera medición del error global de pronóstico para un modelo es la desviación
absoluta media (MAD). Su valor se calcula sumando los valores absolutos de los errores
individuales del pronóstico y dividiendo el resultado entre el número de periodos con datos
(n):
∑ |𝑅𝑒𝑎𝑙 − 𝑝𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜|
𝑀𝐴𝐷 =
𝑛

En el siguiente ejemplo se aplica la MAD, como una medida global del error de pronóstico, al
probar dos valores de 𝛼.

 Ejemplo 2.4.4
Durante los últimos 8 trimestres, en el puerto de Baltimore se han descargado de los
barcos grandes cantidades de grano. El administrador de operaciones del puerto quiere
probar el uso de suavizamiento exponencial para ver qué tan bien funciona la técnica para
predecir el tonelaje descargado. Supone que el pronóstico de grano descargado durante
el primer trimestre fue de 175 toneladas. Se examinan dos valores de 𝛼 : 𝛼 = 0.10 y 𝛼 =
0.50.
Método:
Compare los datos reales con los pronosticados (usando cada uno de los dos valores de
𝛼) y después encuentre la desviación absoluta y las MAD.
Solución:
La tabla siguiente muestra los cálculos detallados sólo para 𝛼 = 0.10:
Tonelaje real Pronóstico con
Trimestre Pronóstico con 𝜶 = 𝟎. 𝟏𝟎
descargado 𝜶 = 𝟎. 𝟓𝟎
1 180 175 175
2 168 175.50 = 175+.10(180-175) 177.50
3 159 174.75 = 175.5 + .10(168-175.50) 172.75
4 175 173.18 = 174.75 + .10(159-174.75) 165.88
5 190 173.36 = 173.18 + .10(175-173.18) 170.44
6 205 175.02 = 173.36 + .10(190-173.36) 180.22
7 180 178.02 = 175.02 + .10(205-175.02) 192.61
8 182 178.22 = 178.02 + .10(180-178.02) 186.30
9 ? 178.59 = 178.22 + .10(182-178.22) 184.15

Para evaluar la exactitud de cada constante de suavizamiento, podemos calcular los

errores de pronóstico en términos de desviaciones absolutas y MAD.
Desviación Desviación
Tonelaje real Pronóstico Pronóstico
Trimestre absoluta con absoluta con
descargado con 𝛼 = 0.10 con 𝛼 = .50
𝛼 = .10 𝛼 = .50
1 180 175 5.00 175 5.00
2 168 175.5 7.50 177.5 9.50
3 159 174.75 15.75 172.75 13.75
4 175 173.18 1.82 165.88 9.12
5 190 173.36 16.64 170.44 19.56
 6 205 175.02 29.98 180.22 24.78
7 180 178.02 1.98 192.61 12.61
8 182 178.22 3.78 186.30 4.30
Suma de desviaciones absolutas: 82.45 98.62
𝛴|𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖𝑜𝑛𝑒𝑠| 12.33
𝑀𝐴𝐷 = 10.31
𝑛
Razonamiento:
Con base en esta comparación de las dos MAD, se prefiere una constante de
suavizamiento 𝛼 = 0.10 en lugar de una 𝛼 = 0.50 porque su MAD es más pequeña.
 Ejercicio:
Si la constante de suavizamiento se cambia a 0.30, ¿Cuál es el nuevo pronóstico?
Repuesta: 10.21

2.4.1.4 Tendencia Lineal

El último método de pronósticos de series de tiempo que analizaremos es la proyección

de la tendencia. Esta técnica ajusta una recta de tendencia a una serie de datos
puntuales históricos, y después proyecta dicha recta al futuro para obtener pronósticos
de mediano y largo plazos. Se pueden desarrollar varias ecuaciones matemáticas (por
ejemplo, exponencial y cuadrática), pero en esta sección veremos sólo tendencias
lineales (en línea recta).

Si decidimos desarrollar una recta de tendencia lineal mediante un método estadístico

preciso, podemos aplicar el método de mínimos cuadrados. Este enfoque resulta en una
línea recta que minimiza la suma de los cuadrados de las diferencias verticales o
desviaciones de la recta hacia cada una de las observaciones reales. En la siguiente
figura se ilustra el método de mínimos cuadrados.
 Una recta de mínimos cuadrados se describe en términos de su intersección con el
eje 𝑦 (la altura a la cual cruza al eje y) y su pendiente (el ángulo de la recta). Si
podemos calcular la intersección con el eje 𝑦 y la pendiente, podremos expresar la
recta con la siguiente ecuación:
𝑦̂ = 𝑎 + 𝑏𝑥
Donde 𝑦̂ (que se lee “y gorro”) = valor calculado de la variable que debe predecirse
(llamada variable dependiente)
𝑎 = intersección con el eje 𝑦
𝑏 = pendiente de la recta de regresión (o la tasa de cambio en 𝑦 para los
cambios dados en 𝑥 )
𝑥 = variable independiente (que en este caso es el tiempo)
Los estadísticos han desarrollado ecuaciones que se utilizan para encontrar los
valores de 𝑎 y 𝑏 para cualquier recta de regresión. La pendiente 𝑏 se encuentra
mediante:
𝛴𝑥𝑦 − 𝑛𝑥̅ 𝑦̅
𝑏=
𝛴𝑥 2 − 𝑛𝑥̅ 2
Donde:
𝑏 = pendiente de la recta de regresión
𝛴 = signo de sumatoria
𝑥 = valores conocidos de la variable independiente
𝑦 = valores conocidos de la variable dependiente
 𝑥̅ = promedio de los valores de x
𝑦̅ = promedio de los valores de y
𝑛 = número de puntos de datos u observaciones
La intersección con el eje y, a, puede calcularse como sigue:
𝑎 = 𝑦̅ − 𝑏𝑥̅

 Ejemplo 2.4.5
En la tabla siguiente se muestra la demanda de energía eléctrica en N. Y. Edison durante
el periodo 2001 a 2007, en mega watts. La empresa quiere pronosticar la demanda para
2008 ajustando una recta de tendencia a estos datos.
Demanda de Demanda de
Año Año
energía eléctrica energía eléctrica
2001 74 2005 105
2002 79 2006 142
2003 80 2007 122
2004 90

Método:
Con una serie de datos en función del tiempo, podemos minimizar los cálculos
transformando los valores de 𝑥 (tiempo) en números más simples. En este caso podemos
designar el año 2001 como año 1, 2002 como año 2, etc. Después pueden usarse las
ecuaciones (para obtener 𝑎 y 𝑏) para crear el modelo de proyección de la tendencia.
Solución:

Periodo Demanda de
Año 𝑥2 𝑥𝑦
energía eléctrica
2001 1 74 1 74
2002 2 79 4 158
2003 3 80 9 240
2004 4 90 16 360
2005 5 105 25 525
2006 6 142 36 852
2007 7 122 49 854
𝛴𝑥 = 28 𝛴𝑦 = 692 𝛴𝑥 2 = 140 𝛴𝑥𝑦 = 3′063

𝛴𝑥 28 𝛴𝑦 692
𝑥̅ = = =4 𝑦̅ = = = 98.86
𝑛 7 𝑛 7

𝛴𝑥𝑦 − 𝑛𝑥̅ 𝑦̅ 3′063 − (7)(4)(98.86) 295

𝑏= = = = 10.54
𝛴𝑥 2 − 𝑛𝑥̅ 2 140 − (7)(42 ) 28

𝑎 = 𝑦̅ − 𝑏𝑥̅ = 98.86 − 10.54(4) = 56.70

Así, la ecuación de mínimos cuadrados para la tendencia es 𝑦̂ = 56.70 + 10.54𝑥. Para
proyectar la demanda en 2008, primero denotamos el año 2008 en nuestro nuevo sistema
de código como 𝑥 = 8:
 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑒𝑛 2008 = 56.70 + 10.54(8) = 141.02, 𝑜 141 𝑚𝑒𝑔𝑎 𝑤𝑎𝑡𝑡𝑠.
Razonamiento:
Para evaluar el modelo, graficamos la demanda histórica y la recta de tendencia en la
figura 4.5. En este caso, debemos tener cuidado y tratar de comprender el cambio en la
demanda de 2006 a 2007.

2.4.2 Relaciones Causales

A diferencia del pronóstico de series de tiempo, los modelos de pronóstico asociativo casi siempre
consideran varias variables relacionadas con la cantidad que se desea predecir. Una vez
determinadas dichas variables, se construye un modelo estadístico que se usa para pronosticar el
elemento de interés. Este enfoque es más poderoso que los métodos de series de tiempo que
incluyen sólo valores históricos para la variable a pronosticar.
En un análisis asociativo pueden considerarse muchos factores. Por ejemplo, las ventas de
computadoras personales Dell se relacionan con el presupuesto para publicidad de Dell, los precios
de la compañía, los precios y estrategias promocionales de la competencia, e incluso con la
economía nacional y los índices de desempleo. En este caso, las ventas de computadoras
personales se denominan como la variable dependiente y las otras variables son las variables
independientes. El trabajo del administrador es desarrollar la mejor relación estadística entre las
ventas de computadoras personales y las variables independientes. El modelo de pronósticos
asociativo cuantitativo más común es el análisis de regresión lineal.

2.4.2.1 Regresión Simple

Con el fin de realizar un análisis de regresión lineal, podemos usar el mismo modelo
matemático que empleamos con el método de mínimos cuadrados para efectuar la
proyección de tendencias. Las variables dependientes que deseamos pronosticar
 seguirán siendo 𝑦̂. Pero la variable independiente, 𝑥 , ya no necesita ser el tiempo.
Usamos la ecuación
𝑦̂ = 𝑎 + 𝑏𝑥
Cuando:
𝑦̂ = Valor de la variable dependiente (en nuestro ejemplo, ventas)
𝑎 = intersección con el eje 𝑦
𝑏 = pendiente de la recta de regresión (o la tasa de cambio en 𝑦 para los
cambios dados en 𝑥 )
𝑥 = variable independiente (que en este caso no es el tiempo)

 Ejemplo 2.4.6
La compañía constructora Nodel renueva casas antiguas en West Bloomfield, Michigan.
Con el tiempo, la compañía ha encontrado que su volumen de dólares por trabajos de
renovación depende de la nómina del área de West Bloomfield. La administración quiere
establecer una relación matemática para ayudarse a predecir las ventas.
Ventas de Nodel Nómina local
(en millones de dólares), 𝒚 (en millones de dólares), 𝒙
2.0 1
3.0 3
2.5 4
2.0 2
2.0 1
3.5 7

Método:
El Vicepresidente de Operaciones de Nodel ha preparado la tabla siguiente, la cual
muestra los ingresos de Nodel y la cantidad de dinero percibido por los trabajadores en
West Bloomfield durante los últimos 6 años.
El Vice-presidente necesita determinar si existe una relación lineal (en línea recta) entre
la nómina del área y las ventas. Para ello, grafica los datos conocidos en un diagrama de
dispersión:
A partir de los seis puntos de datos, parece haber una ligera relación positiva entre la
variable independiente (nómina) y la variable dependiente (ventas): A medida que se
incrementa la nómina, las ventas de Nodel tienden a ser más altas.
Solución:
Podemos encontrar una ecuación matemática si usamos el enfoque de regresión de
mínimos cuadrados.

Ventas, 𝑦 Nómina, 𝑥 𝑥2 𝑥𝑦
2.0 1 1 2.0
3.0 3 9 9.0
2.5 4 16 10.0
2.0 2 4 4.0
2.0 1 1 2.0
3.5 7 49 24.5
𝛴𝑦 = 15.0 𝛴𝑥 = 18 𝛴𝑥 2 = 80 𝛴𝑥𝑦 = 51.5

𝛴𝑥 18 𝛴𝑦 15
𝑥̅ = = =3 𝑦̅ = = = 2.5
𝑛 6 𝑛 6

𝛴𝑥𝑦 − 𝑛𝑥̅ 𝑦̅ 51.5 − (6)(3)(2.5) 6.5

𝑏= = = = 0.25
𝛴𝑥 2 − 𝑛𝑥̅ 2 80 − (6)(32 ) 26

𝑎 = 𝑦̅ − 𝑏𝑥̅ = 2.5 − 0.25(3) = 1.75

Por lo tanto, la ecuación de regresión estimada es:

𝑦̂ = 1.75 + 0.25𝑥

O bien:
𝑉𝑒𝑛𝑡𝑎𝑠 = 1.75 + 0.25(𝑛ó𝑚𝑖𝑛𝑎)

Si la cámara de comercio local predice que la nómina para el área de West Bloomfield
será de 6,000 millones de dólares el próximo año, podemos estimar las ventas de Nodel
con la ecuación de regresión:
𝑉𝑒𝑛𝑡𝑎𝑠 (𝑒𝑛 $ 𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠) = 1.75 + 0.25 (6) = 1.75 + 1.50 = 3.25

O bien:
𝑉𝑒𝑛𝑡𝑎𝑠 = $ 3′ 250′ . 00

Razonamiento:
Dado el supuesto de una relación rectilínea entre la nómina y las ventas, ahora tenemos
una indicación de la pendiente de esa relación: Las ventas se incrementan a una tasa de
un millón de dólares por cada 250 millones pagados en la nómina local. Esto es porque
𝑏 = 0.25.
  Ejercicio:
¿A cuánto ascienden las ventas de Nodel cuando la nómina local es de 8 mil millones de
dólares? [Respuesta: A 3.75 millones de dólares].
Error estándar de la estimación
El pronóstico de ventas para Nodel de 3,250,000 dólares determinado en el ejemplo anterior,
se conoce como estimación puntual de 𝑦. La estimación puntual es en realidad la media, o el
valor esperado, de una distribución de valores posibles de ventas. En la figura siguiente se
ilustra este concepto.

CartE Error estándar de la Estimación

Medid Medida de la variabilidad que se presenta alrededor de la recta de regresión
(su desviación estándar).

Para medir la exactitud de las estimaciones de regresión, debemos calcular el error estándar
de la estimación, 𝑆𝑦,𝑥 . Este cálculo se llama desviación estándar de la regresión, y mide el
error desde la variable dependiente, 𝑦, hasta la recta de regresión, en lugar de hasta la media.
La ecuación de 𝑆𝑦,𝑥 es una expresión similar a la encontrada en la mayoría de los libros de
estadística para calcular la desviación estándar de una media aritmética:

𝛴(𝑦 − 𝑦𝑐 )2
𝑆𝑦,𝑥 = √
𝑛−2

Donde: 𝑦 = 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑦 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑑𝑎𝑡𝑜 𝑝𝑢𝑛𝑡𝑢𝑎𝑙

𝑦𝑐 = 𝑣𝑎𝑙𝑜𝑟 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒,
𝑎 𝑝𝑎𝑟𝑡𝑖𝑟 𝑑𝑒 𝑙𝑎 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖ó𝑛
𝑛 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 𝑝𝑢𝑛𝑡𝑢𝑎𝑙𝑒𝑠
La siguiente ecuación puede parecer más complicada, pero de hecho es una versión fácil de
usar de la ecuación anterior. Ambas fórmulas proporcionan la misma respuesta y son útiles
para establecer intervalos de predicción alrededor de la estimación puntual.
Nota: Cuando el tamaño de la muestra es grande (n > 30), el intervalo de predicción del valor de 𝑦 se
calcula usando tablas de distribución normal. Cuando el número de observaciones es pequeño, la
distribución 𝑡 es apropiada.

𝛴𝑦 2 − 𝑎𝛴𝑦 − 𝑏𝛴𝑥𝑦
𝑆𝑦,𝑥 = √
𝑛−2

En el ejemplo siguiente se muestra cómo podría calcularse el error estándar de la estimación

del ejemplo anterior.

 Ejemplo 2.4.8:
El Vice-presidente de operaciones de Nodel quiere conocer el error asociado con la recta
de regresión calculada en el ejemplo anterior.
Método:
Calcule el error estándar de la estimación, 𝑆𝑦,𝑥 usando la ecuación:

𝛴𝑦 2 − 𝑎𝛴𝑦 − 𝑏𝛴𝑥𝑦
𝑆𝑦,𝑥 = √
𝑛−2

39.5 − 1.75(15.0) − 0.25(51.5)

𝑆𝑦,𝑥 = √
6−2

𝑆𝑦,𝑥 = √0.09375 = 0.306 (𝑒𝑛 𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝑑𝑜𝑙𝑎𝑟𝑒𝑠)

𝐸𝑙 𝑒𝑟𝑟𝑜𝑟 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑒𝑠 𝑑𝑒 306000𝑑ó𝑙𝑎𝑟𝑒𝑠 𝑒𝑛 𝑣𝑒𝑛𝑡𝑎𝑠