Documentos de Académico
Documentos de Profesional
Documentos de Cultura
• MÉTODOS
CUALITATIVOS
• MÉTODOS
CUANTITATIVOS
MÉTODOS CUALITATIVOS
• Son pronósticos generados a partir de
información que no contiene una estructura
analítica bien definida. Este tipo de
pronósticos resulta bastante útil cuando no se
cuenta con información histórica; por ejemplo
un nuevo producto.
CARACTERÍSTICAS DE P. CUALITATIVOS
• El pronóstico se basa en el juicio personal o en
alguna información cualitativa externa
• El pronóstico es subjetivo. El mismo se sesga según la
perspectiva optimista o pesimista que tengan las
personas
• Permite obtener algunos resultados con bastante
rapidez
• En ocasiones constituye el único método disponible
• Se suelen utilizar para productos individuales, o
familias de productos pero rara vez para mercados
completos.
ALGUNOS MÉTODOS DE P.
CUALITATIVO
• Método de Delphi o Delfi
• Encuesta a fuerza de ventas
• Consenso de comité ejecutivo
• Encuestas a clientes
• Analogía histórica
• Investigación de mercado
MÉTODO DE DELPHI
1. Se selecciona a los expertos que participarán,
teniendo en cuenta que deben haber una
variedad de personas con bastos conocimientos
en las diferentes áreas.
2. A través de un cuestionario o correo electrónico
obtener las proyecciones de todos los
participantes.
3. Resumir los resultados y redistribuirlos a los
participantes junto con las nuevas preguntas
apropiadas.
MÉTODO DE DELPHI
4.Resumir de nuevo, afinar las proyecciones y
condiciones y desarrollar nuevas preguntas.
5.Repetir el paso cuatro si es necesario.
6.Distribuir los resultados finales a los
participantes.
Ejemplo
• Durante la década de 1970 en la American Hoist and
Derrick Company la administración consideró necesario
incorporar sus opiniones a los pronósticos de venta.
Empezando con los pronósticos de ventas para 1975, la
administración quería incrementar la precisión en las
predicciones para determinar específicamente qué tan
rápido debería de crecer la capacidad de producción. La
técnica Delphi se empleó para ajustar los datos históricos
con opiniones basadas en información. Fueron
necesarios tres cuestionarios para sintetizar las opiniones
para tres personas clave en la corporación.
Ejemplo
• Los errores incurridos en los pronósticos anteriores
tenían una dispersión de ± 20 por ciento. En 1975 el
pronóstico Delphi ascendió a 359.1 millones de dólares y
las ventas reales fueron de 360.2 millones de dólares, lo
que significó un error de + 0.3 por ciento. El pronóstico
de 1976 fue de 410 millones de dólares y las ventas
reales ascendieron a 397 millones de dólares, y el error
fue de - 3.3 por ciento. Los errores anteriores de
pronósticos se redujeron significativamente de 20 por
ciento a menos de 4 por ciento.
ENCUESTA A LA FUERZA DE VENTAS
• Consiste en pronosticar las ventas con las
estimaciones de la fuerza de venta
(vendedores, distribuidores, jefes de ventas,
etc.). Este método puede generar pronósticos
muy precisos si los vendedores son personas
competentes ya que el vínculo directo con el
mercado los hace personas claves y aptas para
hacer dicho pronóstico. La limitante es que
por lo general la fuerza de ventas muchas
veces no domina las herramientas
estadísticas, métodos, etc.
CONSENSO DEL COMITÉ EJECUTIVO
• Al igual que el método anterior, puede ser
acertado si los ejecutivos han sido
competentes, pero por lo general se trata más
de conjeturas.
• Una manera de reducir el margen de error es
aplicar el método Delphi. Este método evita
que personas de poder influyan en otras o que
se “acoplen” varias opiniones en torno a un
solo juicio por el mero hecho de opinar como
“el otro” o “no desentonar”.
ENCUESTAS AL CLEINTE
• O también denominada: Encuesta de las
intenciones del comprador y Consiste en un
relevamiento de opinión de deseos o
expectativas sobre la compra de un producto.
Esto incluirá ítems como precio esperado,
calidad etc. Su limitación está dada por que
una cosa es la intención de compra y otra la
compra misma.
ANALOGÍA HISTÓRICA
• Haciendo comparaciones con productos
similares, parecidos o sustitutos ya existentes
en el mercado para medir su comportamiento
y pronosticar en base a éste el
comportamiento de nuestro producto. Es muy
útil para productos nuevos.
INVESTIGACIÓN DE MERCADO
• Una serie de investigaciones cualitativas que
permiten pronosticar en base a los gustos,
preferencias, necesidades no cubiertas, etc. En
los distintos sectores del mercado.
MÉTODOS CUANTITATIVOS
• Son modelos matemáticos que se basan en
datos históricos. Estos modelos suponen que
los datos históricos son relevantes para el
futuro.
• Todos estos modelos se pueden utilizar con
series de tiempo.
MÉTODOS CUANTITATIVOS
• Una serie de tiempo es un conjunto de valores
observados durante periodos sucesivos.
• La precisión del pronóstico se mide con lo
aproximado que se logre entre los pronósticos
y los datos reales obtenidos (en su tiempo).
CARACTERÍSTICAS DE P.
CUANTITATIVOS
• Los pronósticos casi siempre son incorrectos.
Lo importante es centrarnos en el error
esperado de cada pronóstico.
• Los pronósticos son más precisos para grupos
o familias de artículos. Casi siempre es más
fácil desarrollar un buen pronóstico para una
línea de productos que para un producto
individual, ya que los errores tienden a
cancelarse entre sí a medida que se les
agrupa.
CARACTERÍSTICAS DE P.
CUANTITATIVOS
• Los pronósticos son más precisos cuando se hacen
para periodos cortos. Son menos las perturbaciones
potenciales respecto del futuro próximo que pueden
impactar en la demanda de productos. La demanda
en periodos futuros más amplios casi siempre resulta
menos confiable.
• Los pronósticos no son sustituto de demanda
calculada, Si se cuenta con información de la
demanda real no tiene caso obtener pronósticos.
ALGUNOS MÉTODOS CUANTITATIVOS
• Regresión lineal
• Promedios móviles
• Promedios móviles ponderados
• Suavización exponencial
Análisis de Regresión Lineal
Es el modelo de pronóstico que establece
una relación entre una variable dependiente
y una o más variables independientes.
El análisis de regresión lineal simple solo
contiene una variable independiente.
Si los datos forman una serie de tiempo, la
variable independiente es el tiempo en
periodos y la variable dependiente, por lo
general, son las ventas o aquello que
deseamos pronosticar
Análisis de Regresión Múltiple
Es utilizado cuando existen dos o más variables
independientes.
Un ejemplo de una ecuación de regresión
multilineal es:
Y = 15,5 + 2.9x1 + 12.8x2 – 1.2 x3 + 8.5x4
Este tipo de ecuación se utiliza de igual manera
que la ecuación de regresión simple; para
calcular el valor de variable dependiente (Y) en
la ecuación de regresión se reemplazan los
valores estimados de las variables
independientes ( x1, x2, x3, y x4)
Análisis de Regresión Lineal Simple
Ejemplo 1
2 1,300 7 2,200
3 1,800 8 2,600
4 2,000 9 2,900
5 2,000 10 3,200
Donde:
Ft = Pronóstico para el periodo t, el periodo
siguiente
Ft-1 = Pronóstico para el periodo t-1, el periodo
anterior
At-1 = Datos reales del periodo t-1, el periodo
anterior
α = Constante de suavización, de 0 a 1
Ejemplo
0.1 0.3
Semana Demanda α = 0.1 DESVIAC α = 0.3 DESVIAC
7 85 85.00 0.00 85.00 0.00
8 102 85.00 17.00 85.00 17.00
9 110 86.70 23.30 90.10 19.90
10 90 89.03 0.97 96.07 6.07
11 105 89.13 15.87 94.25 10.75
12 95 90.71 4.29 97.47 2.47
13 115 91.14 23.86 96.73 18.27
14 120 93.53 26.47 102.21 17.79
15 80 96.18 16.18 107.55 27.55
16 95 94.56 0.44 99.28 4.28
17 100 94.60 5.40 98.00 2.00
133.77 126.08
MDA 12.16 11.46
Semana Demanda α = 0.1 Desv Abs α = 0.2 Desv Abs α = 0.3 Desv Abs
8 102 85.0 17.0 85.0 17.0 85.0 17.0
9 110 86.7 23.3 88.4 21.6 90.1 19.9
10 90 89.0 1.0 92.7 2.7 96.1 6.1
11 105 89.1 15.9 92.2 12.8 94.3 10.7
12 95 90.7 4.3 94.8 0.2 97.5 2.5
13 115 91.1 23.9 94.8 20.2 96.8 18.2
14 120 93.5 26.5 98.8 21.2 102.3 17.7
15 80 96.2 16.2 103.0 23.0 107.6 27.6
16 95 94.6 0.4 98.4 3.4 99.3 4.3
17 100 94.6 5.4 97.7 2.3 98.0 2.0
Desviación Absolut Total 133.9 124.4 126.0
MAD 13.4 12.4 12.6
La constante de suavización α = 0.2, nos da una mejor precisión que las otras
constantes, por lo tanto el mejor pronostico será igual:
F18 = F17 + 0.2(A17 – F17)
= 97.7 + 0.2(100 – 97.7) = 97.7 + 0.2(2.3) = 98.2
FENÓMENO DE
ESTACIONALIDAD
En muchos casos es necesario tener en
cuenta el fenómeno de estacionalidad; en
el momento de hacer pronósticos.
Los patrones estacionales son
fluctuaciones que ocurren dentro de un
año y tienden a repetirse anualmente.
Para esto será necesario establecer
Indíces de Estacionalidad (IE)
Procedimiento
1. Seleccionar un conjunto representativo de datos
históricos.
2. Desarrollar un índice de estacionalidad para
cada estación, es decir, mes o trimestre.
3. Utilizar los índices de estacionalidad para
desestacionalizar los datos. Elimine los patrones
4. Realizar un análisis de regresión lineal sobre los
datos desestacionalizados. Y = a + bX
5. Utilizar la ecuación para calcular los pronósticos
6. Utilizar los índices de estacionalidad para volver
a aplicar los patrones estacionales a los
pronósticos.
Ejemplo
AÑO Q1 Q2 Q3 Q4 TOTAL
8 520 1410 215 2200 4345
9 590 1450 228 2300 4568
10 650 1530 240 2375 4795
SUMA 1760 4390 683 6875
PROMEDIO 586.67 1463.33 227.67 2291.67
1142.335
IE 0.514 1.281 0.199 2.006
REGRESIÓN LINEAL
AÑO VTAS X Y X2 XY
8 4345 -1 4345 1 -4345
9 4568 0 4568 0 0
10 4795 1 4795 1 4795
0 13708 2 450
a= 4569.3
b= 225.0 Y = 4569.3 + 225 X
PRONÓSTICOS
PRONÓSTICOS
AÑO VTAS Q1 Q2 Q3 Q4
2 5019.3 645.0 1607.4 249.7 2517.2
3 5244.3 673.9 1679.5 260.9 2630.0