PRONÓSTICOS

MBA. ALEXANDER MALCA

 DEFINICIÓN
• Pronosticar, es emitir un enunciado sobre lo que es
probable que ocurra en el futuro, basándose en
análisis y en consideraciones de juicio.
• El propósito de hacer un pronóstico es obtener
conocimiento sobre eventos inciertos que son
importantes en la toma de decisiones presentes.
•Las técnicas de pronósticos disminuyen la
incertidumbre sobre el futuro, permitiendo
estructurar planes y acciones congruentes con
los objetivos de la organización y permiten
también tomar acciones correctivas apropiadas
y a tiempo cuando ocurren situaciones fuera de
lo pronosticado.
 DEFINICIÓN
• Se puede definir como la estimación de la
demanda para bienes y servicios y los recursos
necesarios para producirlos.
• Las estimaciones de la demanda para bienes y
servicios se conocen generalmente como
pronósticos de ventas.
• Los pronósticos son considerados como el primer
paso de la planeación.
 PRONOSTICAR
•El pronóstico, es la estimación anticipada del
valor de una variable, por ejemplo: la demanda
de un producto.
•Presupuesto, es el valor anticipado de la variable
que una compañía está en posibilidad de
concretizar, por ejemplo: la cantidad de producto
que la compañía decide fabricar en función de la
demanda y de la capacidad instalada.
•El conocimiento de las técnicas de pronósticos es
de poco valor a menos que puedan aplicarse
efectivamente en el proceso de planeación de la
organización.
 APLICACIÓN DE LOS PRONÓSTICOS
• Mercadotecnia
•Tamaño del mercado
•Participación en el mercado
•Tendencia de precios
•Desarrollo de nuevos productos
 APLICACIÓN DE LOS PRONÓSTICOS
• Producción
•Costo de materia prima
•Costo de mano de obra
•Disponibilidad de materia prima
•Disponibilidad de mano de obra
•Requerimientos de mantenimiento
•Capacidad disponible de la planta para la
producción
 APLICACIÓN DE LOS PRONÓSTICOS
• Finanzas
•Tasas de interés
•Cuentas de pagos lentos
• Recursos Humanos
•Número de trabajadores
•Rotación de personal
•Tendencias de ausentismo
•Tendencia de llegadas tarde
 APLICACIÓN DE LOS PRONÓSTICOS
• Planeación Estratégica
•Factores económicos
•Cambios de precios
•Costos
•Crecimiento de líneas de productos
 ¿Por qué son esenciales?
• Porque permiten realizar:
1. La planeación de nuevas instalaciones. Puede
tomar hasta cinco años diseñar y construir una
fábrica nueva o hacer un nuevo diseño y poner en
práctica un nuevo proceso de producción.
2. La planeación de la producción. La demanda de
productos y servicios varía de un mes a otro.
 ¿Por qué son esenciales?
• Porque permiten realizar:
3. La programación de la fuerza de trabajo. Las
demandas de bienes y servicios varían de una
semana a la siguiente y de acuerdo a esta
variación se requerirá fuerza de trabajo o
mano de obra. Por ejemplo en empresas que
procesan productos marinos en nuestra
región.
 CARACTERÍSTICAS DE LOS PRONÓSTICOS

•Todas las situaciones en que se requiere un

pronóstico, tratan con el futuro y el tiempo
está directamente involucrado. Así, debe
pronosticarse para un punto específico en el
tiempo y el cambio de ese punto
generalmente altera el pronóstico.
 CARACTERÍSTICAS DE LOS PRONÓSTICOS

•Otro elemento siempre presente en

situaciones de pronósticos es la
incertidumbre. Si el administrador tuviera
certeza sobre las circunstancias que existirán
en un tiempo dado, la preparación de un
pronóstico sería trivial.
 CARACTERÍSTICAS DE LOS PRONÓSTICOS

•El tercer elemento, presente en grado

variable en todas las situaciones descritas es
la confianza de la persona que hace el
pronóstico sobre la información contenida en
datos históricos.
FACTORES A CONSIDERAR PARA PRONOSTICAR

•El contexto del pronóstico

•La relevancia y disponibilidad de datos
históricos
•El grado de exactitud deseado
•El periodo de tiempo que se va a pronosticar
•El análisis de costo-beneficio del pronóstico
•El punto del ciclo de vida en que se
encuentra el producto.
 CLASES DE PRONÓSTICOS SEGÚN EL
TIEMPO
• De acuerdo al tiempo o plazo los pronósticos
se han clasificado en:
1. PRONÓSTICOS A LARGO PLAZO
2. PRONÓSTICOS A MEDIANO PLAZO
3. PRONÓSTICOS A CORTO PLAZO
 A LARGO PLAZO
• Referida a estimaciones de condiciones
futuras a lo largo de lapsos que por lo general
son mayores a un año.
• Estos pronósticos son necesarios en la
administración de la producción y de las
operaciones para dar apoyo a decisiones
estratégicas sobre planeación de productos,
procesos, tecnologías e instalaciones.
 A LARGO PLAZO
Pronósticos como por ejemplo para:
–Nuevas líneas de productos; diseño de un
producto nuevo.
–Determinación de la capacidad de producción
para un producto nuevo
–Planeación para el suministro a largo plazo de
los materiales
–Para adquirir y construir nuevas máquinas y
edificios y para desarrollar nuevas fuentes de
materiales; ya que esto requiere de tiempo
largo.
 A MEDIANO PLAZO
• Para meses y se utiliza para pronósticos
relacionados por ejemplo con:
– Grupos de productos
– Capacidades departamentales
– Materiales comprados
– Existencias e inventarios
 A CORTO PLAZO
• Cuando se requieren pronósticos para
semanas; aquí se pueden realizar pronósticos
relacionados a:
– Productos específicos
– Tipos de habilidades y mano de obra
– Capacidades de máquinas
MÉTODOS PARA REALIZAR PRONÓSTICOS

• 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

Ventas Anuales Ventas Anuales

Año Año
(Miles unidades) (Miles unidades)
2009 1,000 2014 2,000
2010 1,300 2015 2,200
2011 1,800 2016 2,600
2012 2,000 2017 2,900
2013 2,000 2018 3,200
 Solución
X Y n 10
Ventas Anuales
Año X2 XY
(Miles unidades)
2009 1,000 4036081 2009000
a= -432327.88
2010 1,300 4040100 2613000
2011 1,800 4044121 3619800
2012 2,000 4048144 4024000
b= 215.76
2013 2,000 4052169 4026000
2014 2,000 4056196 4028000
2015 2,200 4060225 4433000
Y = a + bX
2016 2,600 4064256 5241600
2017 2,900 4068289 5849300 Para año 2019
2018 3,200 4072324 6457600 Ventas 3291.56
20135 21000 40541905 42301300
 Ejemplo de Aplicación 01
Análisis de Regresión Lineal
Ventas Anuales Ventas Anuales
Año Año
(Miles unidades) (Miles unidades)
1 1,000 6 2,000

2 1,300 7 2,200

3 1,800 8 2,600

4 2,000 9 2,900

5 2,000 10 3,200

Desarrollar un pronóstico a largo plazo, para los siguientes tres años

 Ventas anuales
(miles unidades) Periodo
Año (y) (x) X2 xy
1 1,000 1 1 1,000
2 1,300 2 4 2,600
3 1,800 3 9 5,400
4 2,000 4 16 8,000
5 2,000 5 25 10,000
6 2,000 6 36 12,000
7 2,200 7 49 15,400
8 2,600 8 64 20,800
9 2,900 9 81 26,100
10 3,200 10 100 32,000
Totales Σy= 21,000 Σx= 55 Σx2= 385 Σxy=133,300
 Otra técnica: si “n” es PAR
Y n 10
Ventas Anuales
AÑO X X2 XY
(Miles unidades)
2009 -9 1,000 81 -9000
a= 2100.00
2010 -7 1,300 49 -9100
2011 -5 1,800 25 -9000
2012 -3 2,000 9 -6000
b= 107.88
2013 -1 2,000 1 -2000
2014 1 2,000 1 2000
2015 3 2,200 9 6600
Y = a + bX
2016 5 2,600 25 13000 AÑO 2019
2017 7 2,900 49 20300 X 11
2018 9 3,200 81 28800 Ventas 3286.68
0 21000 330 35600
 Otra técnica: si “n” es IMPAR
Y n 9
Ventas Anuales
AÑO X X2 XY
(Miles unidades)
2010 -4 1,000 16 -4000
a= 2044.44
2011 -3 1,300 9 -3900
2012 -2 1,800 4 -3600
2013 -1 2,000 1 -2000
b= 240.00
2014 0 2,000 0 0
2015 1 2,000 1 2000
2016 2 2,200 4 4400
Y = a + bX
2017 3 2,900 9 8700 Para año 5
2018 4 3,200 16 12800 Ventas 3244.44
0 18400 60 14400
Método de los Promedios Móviles

Este método de los promedios móviles

promedia los datos de unos cuantos
periodos recientes y este promedio se
convierte en el pronóstico del periodo
siguiente.

Ft = At-1 + At-2 + At-3 + …… + At-n

n
 Ejemplo de Aplicación 03
Promedios Móviles
Semana Demanda
1 650 Ft = At-1 + At-2 + At-3 + … + At-n
2 678 n
3 720
4 785
5 859
Desarrollar pronósticos de
6 920
7 850
la demanda considerando
8 758 3 y 6 semanas
9 892
10 920
11 789
12 844
Semana Demanda 3 Semana Desv. Abs 6 Semana Desv. Abs
1 650
2 678
3 720
4 785 682.67 102.33
5 859 727.67 131.33
6 920 788.00 132.00
7 850 854.67 4.67 768.67 81.33
8 758 876.33 118.33 802.00 44.00
9 892 842.67 49.33 815.33 76.67
10 920 833.33 86.67 844.00 76.00
11 789 856.67 67.67 866.50 77.50
12 844 867.00 23.00 854.83 10.83
Σ Desv. Abs 715.33 366.33
MAD 79.40 61.06
Método de los Promedios Móviles
Ponderados
El método anterior antes analizado toma
en consideración, al desarrollar un
pronóstico, dar el mismo peso a todos los
datos históricos. En algunas situaciones
pudiera resultar deseable aplicar pesos o
coeficientes de ponderaciones a los datos
históricos.
 Ejemplo
w1 2
w2 3
w3 5
10

Semana Demanda 3 Semana Desv. Abs

1 650
2 678
3 720
4 785 693.40 91.60
5 859 744.10 114.90
6 920 809.00 111.00
7 850 874.70 24.70
8 758 872.80 114.80
9 892 818.00 74.00
10 920 843.40 76.60
11 789 879.20 90.20
12 844 848.90 4.90
Σ Desv. Abs 702.70
MAD 78.08
Método de Suavización Exponencial
La suavización exponencial toma el
pronóstico del periodo anterior y le incorpora
un ajuste para obtener el pronóstico del
siguiente periodo. Este ajuste es proporcional
al error anterior y se calcula multiplicando el
error del pronóstico del periodo anterior por
una constante entre cero y uno.
Esta constante alfa (α) se conoce como la
constante de suavización.
Ft = Ft-1 + α(At-1 – Ft-1), también se puede
expresar:
Ft = αAt-1 + (1 – α)Ft-1

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