PRONÓSTICOS EN LA ORGANIZACIÓN

- El pronóstico general de la demanda típicamente se origina en marketing, pero los

clientes internos de toda la organización dependen de los pronósticos para también
formular y ejecutar sus planes.
- Los pronósticos son aportes cruciales de los planes de negocios, los planes anuales y
los presupuestos.
- Finanzas necesita pronósticos para proyectar los flujos de efectivo y las necesidades
de capital.
- Recursos humanos necesita pronósticos para prever las necesidades de contratación y
capacitación de personal.
- Marketing es una de las fuentes principales de información de pronósticos de venta,
porque es el área que se encuentra más cerca de los clientes externos.
- Operaciones necesita pronósticos para planear los niveles de producción, compras de
servicios y materiales, mano de obra y programas de producción, inventarios y
capacidades a largo plazo.
Los gerentes de toda la organización elaboran pronósticos sobre muchas variables. Las
herramientas para elaborar estos pronósticos son, en esencia, con respecto a la demanda:
juicio, opiniones de personas conocedoras, promedios de experiencia, regresión y técnicas de
series de tiempo. Con estas herramientas, los pronósticos pueden mejorar.

PATRONES DE DEMANDA
En la mayoría de las decisiones de negocios se encuentra el reto de pronosticar la demanda del cliente.
Se trata de una tarea difícil porque la demanda de bienes y servicios suele variar considerablemente.
Los cinco patrones básicos de la mayoría de las series de tiempo aplicables a la demanda son:
 Horizontal. La fluctuación de los datos en torno de una media constante.
 Tendencia. El incremento o decremento sistemático de la media de la serie a través del
tiempo.
 Estacional. Un patrón repetible de incrementos o decrementos de la demanda, dependiendo de
la hora del día, la semana, el mes o la temporada.
 Cíclico. Una pauta de incrementos o decrementos graduales y menos previsibles de la
demanda, los cuales se presentan en el transcurso de periodos más largos (años o decenios).
 Aleatorio. La variación imprevisible de la demanda.
Los patrones cíclicos provienen de dos influencias. La primera de ellas es el ciclo económico, que
incluye diversos factores por los que la economía pasa de una recesión a una expansión en el
transcurso de varios años. La otra influencia es el ciclo de vida del producto o servicio en cuestión, en
el cual se reflejan las etapas de la demanda, desde el desarrollo hasta la declinación.
 Cuatro de los patrones de demanda (horizontal, de tendencia, estacional y cíclico) se
combinan en diversos grados para definir el patrón fundamental de tiempo de demanda que
corresponde a un producto o servicio.
 El quinto patrón, la variación aleatoria, es resultado de causas fortuitas y, por lo tanto, no
puede pronosticarse.
DISEÑO DEL SISTEMA DE PRONÓSTICO
Antes de usar técnicas de pronóstico para el análisis de problemas de administración de operaciones,
el gerente tiene que tomar tres decisiones:
  Qué va a pronosticar.
 Qué tipo de técnica de pronóstico va a usar.
 Qué tipo de software de computación utilizará.

LA DECISIÓN DE QUÉ SE VA A PRONOSTICAR

Aunque se necesita algún tipo de estimación de la demanda para los bienes y servicios individuales
que una compañía produce, puede ser más sencillo pronosticar la demanda total para grupos o
conjuntos y derivar después los pronósticos correspondientes a productos o servicios individuales.

Nivel de agregación

Muchas empresas utilizan un sistema de pronóstico de dos niveles, en el cual se realizan primero los
pronósticos para familias de bienes o servicios cuyos requisitos de demanda son parecidos y tienen
requerimientos comunes de procesamiento, mano de obra y materiales, y de esas cifras generales
derivan después pronósticos para elementos individuales.

Unidades de medida

En lugar de usar unidades monetarias como unidad inicial de medida, los pronósticos más útiles para
la planificación y el análisis de los problemas de operación se basan en unidades de productos o
servicios.

SELECCIÓN DEL TIPO DE TÉCNICA DE PRONÓSTICO

El objetivo del pronosticador es elaborar un pronóstico útil a partir de la información disponible,

aplicando la técnica que resulte apropiada para los diferentes patrones de demanda. Para los
pronósticos de la demanda se usan dos tipos generales de técnicas:

 Los métodos cualitativos: figuran los métodos de juicio, en los que las opiniones de gerentes
y expertos.
 Los métodos cuantitativos: están los métodos causales y el análisis de series de tiempo.

PRONÓSTICOS POR MEDIO DE COMPUTADORAS

En muchas aplicaciones de pronóstico a corto plazo, las computadoras son indispensables. Con
frecuencia, las empresas tienen que preparar pronósticos para cientos o incluso miles de productos o
servicios en forma reiterada.

MÉTODOS DE JUICIO
La necesidad de usar pronósticos de juicios es muy clara cuando no existen datos
cuantitativos que aplicar el enfoque de manera cuantitativa, sin embargo, los métodos de
juicio pueden utilizar en combinación con enfoques cuantitativos a fin de mejorar la calidad
de pronóstico. Es también un método de muestreo no probabilístico. Los sujetos se
seleccionan a base del conocimiento y juicio del investigador. El investigador selecciona a los
individuos a través de su criterio profesional. Puede basarse en la experiencia de otros
estudios anteriores o en su conocimiento sobre la población y el comportamiento de esta
frente a las características que se estudian. Se basa en:
 Opiniones de gerentes y expertos.
 Encuestas de consumidores
 Estimaciones del personal ventas.
 Definir la naturaleza del problema de pronóstico.
 Explicar la naturaleza de los datos bajo investigación.
 Describir las capacidades y limitaciones de las técnicas de pronóstico útiles
potencialmente.
 Desarrollar algunos criterios predeterminados sobre los cuales se pueda tomar la
decisión de la selección.
En los últimos años, el papel del pronóstico con base en el juicio ha cambiado. Antes de la
llegada de las técnicas modernas de pronóstico y del poder de las computadoras, el juicio del
administrador era la única herramienta de pronóstico disponible. No existe evidencia de que
los pronósticos basados solo en juicios no sean tan precisos como aquellos que emplean la
aplicación de técnicas cuantitativas. El ser humano posee un conocimiento único e
información interior que no están disponibles en los métodos cuantitativos. #in embargo de
manera sorprendente estudios empíricos y experimentos de laboratorio han demostrado que
sus pronósticos no son más precisos que los de los métodos cuantitativos. El ser humano
tiende a ser optimista y subestimar la incertidumbre del futuro. Además, el costo del
pronóstico con métodos de juicio es a menudo considerablemente más alto que cuando se
utilizan métodos cuantitativos.
MÉTODOS CAUSALES: REGRESIÓN LINEAL
Los métodos causales se emplean cuando se dispone de datos históricos y se puede identificar la
relación entre el factor que se intenta pronosticar y otros factores externos o internos. Los métodos
causales proporcionan las herramientas de pronóstico más avanzadas y son excelentes para prever los
puntos de cambio en la demanda y preparar pronósticos a largo plazo.
En la regresión lineal, una variable, conocida como variable dependiente, está relacionada con una o
más variables independientes por medio de una ecuación lineal. La variable dependiente (como la
demanda de picaportes) es la que el gerente desea pronosticar. Se supone que las variables
independientes (como los gastos de publicidad o el inicio de la construcción de nuevas viviendas)
influyen en la variable dependiente y, por ende, son la “causa” de los resultados observados en el
pasado. En los modelos de regresión lineal más sencillos, la variable dependiente es función de una
sola variable independiente y, por lo tanto, la relación teórica es una línea recta: Y = a + bX , donde Y
= variable dependiente X = variable independiente a = intersección de la recta con el eje Y b =
pendiente de la recta.
Tres medidas de uso común son el coeficiente de correlación de la muestra, el coeficiente de
determinación de la muestra y el error estándar del estimado.
El coeficiente de correlación de la muestra, r, mide la dirección y fuerza de la relación entre la
variable independiente y la variable dependiente. Un coeficiente de correlación de +1.00 implica que
los cambios registrados de uno a otro periodo en la dirección (incrementos o decrementos) de la
variable independiente, siempre van acompañados por cambios de la variable dependiente en la misma
dirección. Un r de –1.00 significa que los decrementos de la variable independiente siempre van
acompañados de incrementos en la variable dependiente, y viceversa. Cuanto más se aproxime el valor
de r a ±1.00, tanto más adecuado será el ajuste de la línea de regresión con respecto a los puntos del
gráfico.
El coeficiente de determinación de la muestra mide la cantidad de variación que presenta la variable
dependiente con respecto a su valor medio, que se explica por la línea de regresión. Las ecuaciones de
regresión, cuyo valor de r2 se aproxima a 1.00, son deseables porque eso significa que las variaciones
de la variable dependiente y del pronóstico generado por la ecuación de regresión están estrechamente
relacionada
El error estándar del estimado, mide la proximidad con que los datos de la variable dependiente se
agrupan alrededor de la línea de regresión. Aunque es semejante a la desviación estándar de la
muestra, mide el error de la variable dependiente, Y, con respecto a la línea de regresión, en lugar de
medirlo con respecto a la media. Al determinar qué variable independiente se incluirá en la ecuación
de regresión, se debe elegir la que tenga el error estándar más pequeño del estimado.

MÉTODOS DE SERIES DE TIEMPO

En lugar de emplear variables independientes para el pronóstico como en los modelos de regresión, los
métodos de series de tiempo usan información histórica que sólo se refiere a la variable dependiente.
En el análisis de series de tiempo se identifican los patrones fundamentales de la demanda que se
combinan para producir el patrón histórico observado en la variable dependiente, después de lo cual se
elabora un modelo capaz de reproducir dicho patrón. En esta sección, la atención se centrará en los
métodos de series de tiempo aplicables a los patrones de demanda de tipo horizontal, de tendencia y
estacionales.
PRONÓSTICO EMPÍRICO
Un método que se usa con frecuencia en la práctica es el pronóstico empírico, en el cual el pronóstico
de la demanda para el siguiente periodo es igual a la demanda observada en el periodo actual (Dt ). De
esta manera, si la demanda real del miércoles ha sido de 35 clientes, la demanda pronosticada para el
jueves será de 35 clientes. Si la demanda real del jueves es de 42 clientes, la demanda pronosticada
para el viernes también será de 42 clientes. El método de pronóstico empírico se puede adaptar para
tomar en cuenta una tendencia de la demanda. Suponga que la demanda fue de 120 unidades en la
última semana y de 108 unidades la semana anterior. El incremento de la demanda fue de 12 unidades
en una semana, por lo que el pronóstico para la siguiente semana sería de 120 + 12 = 132 unidades. Si
la demanda real de la semana siguiente resultara ser de 127 unidades, el siguiente pronóstico sería de
127 + 7 = 134 unidades. Si la demanda durante julio del año pasado fue de 50,000 unidades, el
pronóstico para julio del año en curso será de 50,000 unidades.
ESTIMACIÓN DEL PROMEDIO
Cada serie de tiempo de demanda tiene por lo menos dos de los cinco patrones posibles de demanda:
el horizontal y el aleatorio. Comenzaremos nuestra exposición de los métodos estadísticos de
pronóstico basados en series de tiempo, refiriéndonos a la demanda que no tiene patrones de
tendencia, estacionales o cíclicos. El patrón horizontal de una serie de tiempo se basa en la media de
las demandas, por lo cual nos centraremos en los métodos de pronóstico en los que se estima el
promedio de una serie de datos a través del tiempo. En consecuencia, para todos los métodos de
pronóstico expuestos en esta sección, el pronóstico de demanda para cualquier periodo futuro es el
promedio de las series de tiempo calculadas en el periodo actual. Suponga que el patrón de demanda
aplicable al arribo de los pacientes no tiene ningún patrón de tendencia, estacional o cíclico. La serie
de tiempo muestra solamente un patrón horizontal y aleatorio. Las técnicas estadísticas útiles para el
pronóstico de esas series de tiempo son: (1) promedios móviles simples; (2) promedios móviles
ponderados, y (3) suavizamiento exponencial.
Promedios móviles simples
El método de promedio móvil simple se usa para estimar el promedio de una serie de tiempo de
demanda y, por lo tanto, para suprimir los efectos de las fluctuaciones aleatorias. La aplicación de un
modelo de promedio móvil requiere simplemente calcular la demanda promedio para los n periodos
más recientes, con el fin de usarla como pronóstico para el siguiente periodo. Para el periodo
siguiente, una vez que se conoce la demanda, la demanda más antigua incluida en el promedio anterior
se sustituye por la demanda más reciente y luego se vuelve a calcular el promedio.

SELECCIÓN DE UN MÉTODO DE SERIES DE TIEMPO:

Ahora se estudiarán los factores que los gerentes deben tomar en cuenta al seleccionar un método para
elaborar pronósticos con series de tiempo. Una consideración importante es el desempeño del
pronóstico, el cual determinan los errores de pronóstico. Los gerentes tienen que aprender a medir los
errores de pronóstico y la forma de detectar cuando algo marcha mal en el sistema de pronóstico.
Después de examinar los errores de pronóstico y su detección, se explicarán los criterios que los
gerentes pueden aplicar para seleccionar un método apropiado de pronóstico con series de tiempo.
ERROR DE PRONÓSTICO
Los pronósticos casi siempre contienen errores. Los errores de pronóstico se clasifican en dos formas:
ya sea como errores de sesgo o como errores aleatorios. Los errores de sesgo son el resultado de
equivocaciones sistemáticas, por lo cual se observa que el pronóstico siempre es demasiado alto o
demasiado bajo. Con frecuencia, esos errores son el resultado de pasar por alto o no estimar
correctamente los patrones de la demanda, como los de tendencia, los estacionales o los cíclicos. El
otro tipo de error de pronóstico, el error aleatorio, es el resultado de factores imprevisibles que
provocan que el pronóstico se desvíe de la demanda real. Los analistas de pronósticos intentan
minimizar los efectos de los errores de sesgo y los errores aleatorios, seleccionando modelos de
pronóstico apropiados, pero es imposible suprimir los errores en todas sus formas.
Mediciones del error de pronóstico
La definición presentada anteriormente del error de pronóstico para un periodo determinado (Et = Dt
Ft ) es el punto de partida para crear varias medidas del error de pronóstico que abarcan un periodo
relativamente largo. La suma acumulada de errores de pronóstico (CFE) (del inglés cumulative
sum of forecast errors) mide el error total de un pronóstico:
(CFE = ∑Et)
Los grandes errores positivos tienden a compensarse con grandes errores negativos en la medida de la
CFE. Sin embargo, la CFE resulta útil para evaluar el sesgo de un pronóstico. Por ejemplo, si un
pronóstico siempre resulta más bajo que la demanda real, el valor de la CFE será cada vez más grande.
Este error de magnitud creciente indica que existe una deficiencia sistemática en el método de
pronóstico. Es posible que el analista haya omitido un elemento de tendencia o un patrón cíclico, o tal
vez las influencias estacionales hayan cambiado con respecto a su patrón histórico. Observe que el
error de pronóstico promedio es simplemente:
E n = CFE
El error cuadrático medio (MSE) (del inglés mean squared error), la desviación estándar (S) y la
desviación media absoluta (MAD) (del inglés mean absolute deviation) miden la dispersión de los
errores de pronóstico:
MSE MAD 2 = ∑ = ∑ − − = ∑ E n E E n E n t t t s ( )2 1
El símbolo matemático ||
se usa para indicar el valor absoluto; es decir, indica que debe hacerse caso omiso de los signos
positivos o negativos. Si el valor del MSE, la s o la MAD es pequeño, el pronóstico se aproxima
generalmente a la demanda real; en contraste, un valor grande indica la posibilidad de errores de
pronóstico considerables. Las dos medidas difieren por la forma en que ponen de relieve los errores.
Los errores grandes reciben una ponderación mucho mayor en el MSE y la σ porque en estos casos los
errores son cuadráticos. La MAD es una medida muy común del error de pronóstico porque los
gerentes la comprenden fácilmente; se trata simplemente de la media de los errores de pronóstico a
través de una serie de periodos, sin considerar si dichos errores consistieron en estimaciones excesivas
o en subestimaciones. La MAD también se usa en señales de rastreo y control de inventarios. Más
adelante se explicará cómo se puede usar la MAD o la s para determinar los volúmenes de seguridad
requeridos para diversos elementos de inventario. El error porcentual medio absoluto (MAPE) (del
inglés mean absolute percent error) relaciona el error de pronóstico con el nivel de la demanda, y es
útil para colocar el desempeño del pronóstico en su perspectiva correcta:

Por ejemplo, un error de pronóstico absoluto de 100 provoca un error porcentual mayor cuando la
demanda es de 200 unidades que cuando la demanda es de 10,000 unidades. MAPE es la mejor
medida de error que puede usarse para hacer comparaciones entre series de tiempo para diferentes
SKU.

Señales de rastreo La señal de rastreo es una medida que indica si un método de pronóstico está
previendo con precisión los cambios reales de la demanda. La señal de rastreo mide el número de las
MAD representadas por la suma acumulada de errores de pronóstico, es decir, la CFE. La CFE tiende
a ser 0 cuando se utiliza un sistema de pronóstico correcto. Sin embargo, los errores aleatorios pueden
hacer que en cualquier momento la CFE se convierta en un número diferente de cero. La fórmula de la
señal de rastreo es:
Señal de rastre= CFE MAD
Soporte computarizado El soporte computarizado, como el que brinda OM Explorer,facilita los
cálculos del error cuando se evalúa si los modelos de pronóstico coinciden con los datos pasados (es
decir, con el archivo de historial). La figura 13.10 muestra los resultados del Solver de pronósticos de
series de tiempo, cuando se aplica a las llegadas de los pacientes a la clínica médica (véase el gráfico
original en la figura 13.4). Se evalúan cuatro modelos diferentes: pronósticos empíricos (que se
obtienen con promedios móviles cuando n = 1), promedios móviles ponderados (n = 3), suavizamiento
exponencial ( = 0.10), y suavizamiento exponencial ajustado a la tendencia ( = 0.10; b = 0.10). La
figura 13.10(a) es una hoja de cálculo que permite seleccionar los métodos que se evaluarán y después
calcula los errores resultantes de cada método periodo por periodo. Deben seleccionarse pronósticos
iniciales para los métodos de suavizamiento exponencial y suavizamiento exponencial ajustado a la
tendencia. Aquí, simplemente se igualarán a la demanda real de la semana del 2 de enero de 2006.
Otros puntos de partida razonables no afectarían los resultados de manera significativa.
CRITERIOS PARA LA SELECCIÓN DE MÉTODOS DE SERIES DE TIEMPO
Las medidas de los errores de pronóstico proporcionan información importante para seleccionar el
mejor método de pronóstico para un producto o servicio. Además, guían a los gerentes en la selección
de los valores más adecuados de los parámetros que el método requiere: n para el método de promedio
móvil, las ponderaciones para el método de promedio móvil ponderado y para el método de
suavizamiento exponencial. Entre los criterios que se aplican para seleccionar el método de pronóstico
y los parámetros respectivos figuran: (1) minimizar los sesgos; (2) minimizar los valores de MAPE,
MAD y MSE; (3) satisfacer las expectativas de la gerencia acerca de los cambios en los componentes
de la demanda, y (4) minimizar el error de pronóstico del último periodo. Los primeros dos criterios se
relacionan con medidas estadísticas que se basan en el desempeño histórico; el tercero refleja las
expectativas del futuro que pueden no estar arraigadas en el pasado; y el cuarto se refiere a la forma de
usar cualquier método que parezca dar mejor resultado en el momento en que sea necesario hacer el
pronóstico.

Uso de criterios estadísticos

En la selección de un método de pronóstico se pueden usar medidas estadísticas del desempeño. Los
siguientes lineamientos son útiles para buscar los mejores modelos de series de tiempo:
1. Si se trata de proyecciones de patrones de demanda más estables, use valores más bajos de a y b, o
valores más altos de n, a fin de hacer énfasis en la experiencia histórica.
2. Para proyecciones de patrones de demanda más dinámicos, en los que se usan los modelos
explicados en este capítulo, use valores más altos de a y b, o valores más bajos de n. Cuando los
patrones de demanda históricos están cambiando, es conveniente hacer énfasis en la historia reciente
USO DE MÚLTIPLES TÉCNICAS
Se han descrito varios métodos de pronóstico individuales y se ha mostrado cómo se evalúa el
desempeño de los pronósticos. Sin embargo, no es conveniente depender de un solo método de
pronóstico.
PRONÓSTICOS COMBINADOS
Los estudios realizados en las dos últimas décadas indican que la combinación de pronósticos
provenientes de múltiples fuentes a menudo produce pronósticos más precisos. Los pronósticos
combinados son aquellos que se producen promediando pronósticos independientes basados en
diferentes métodos, en diferentes datos, o en ambas cosas. Resulta interesante que los pronósticos
combinados suelen funcionar mejor a la larga que los obtenidos con el mejor procedimiento de
pronóstico individual
PRONÓSTICOS ENFOCADO
Otra forma de aprovechar varias técnicas es el pronóstico enfocado, en el cual se selecciona el mejor
pronóstico entre un grupo de pronósticos generados por medio de técnicas individuales. En cada
periodo, se usan todas las técnicas de elaboración de pronósticos para cada artículo
RECAPITULACIÓN: EL PRONÓSTICO COMO PROCESO <
UN PROCESO DE PRONÓSTICO TÍPICO
Muchos datos del proceso de pronóstico son informativos, comenzando con el archivo de historial
sobre la demanda pasada. El archivo de historial se mantiene al día con las demandas reales. Se hacen
notas aclaratorias y ajustes en la base de datos para explicar el comportamiento de la demanda que se
aparta de lo común, como el impacto de las promociones especiales y liquidaciones. A menudo, la
base de datos se divide en dos partes: datos básicos y datos no básicos.
El propio proceso de pronóstico, que típicamente se realiza de un mes a otro, consiste en pasos
estructurados. A menudo, los lleva a cabo una persona que puede llamarse gerente de demanda,
analista de pronósticos o planificador de la demanda o la oferta. Sin embargo, muchas otras
personas intervienen por lo general antes de que se autorice el plan correspondiente al mes.
Paso 1. El ciclo comienza a mediados del mes, poco después de que se han terminado los pronósticos
y se han comunicado a todos los interesados. Es el momento de actualizar el archivo de historial y
revisar la precisión de los pronósticos. A finales de mes, se registra la demanda real y se revisa la
precisión de los pronósticos.
Paso 2. Se preparan los pronósticos iniciales usando algún paquete de software de pronóstico y
basándose en juicios. Se ajustan los parámetros del software para encontrar los modelos que se
adaptan bien a la demanda pasada y que, además, reflejan el juicio del gerente de demanda sobre
acontecimientos fuera de lo común e información acerca de las ventas futuras obtenida de varias
fuentes y de las unidades de negocios.
Paso 3. Se celebran reuniones de consenso con las partes interesadas, como marketing, ventas,
planificadores de la cadena de suministro y finanzas. Se facilita la aportación de datos por parte del
personal de las unidades de negocios y los vendedores que salen al campo. Se usa Internet para
obtener información colaborativa de clientes y proveedores clave. La meta es llegar a pronósticos
elaborados por consenso de todos los actores importantes.
Paso 4. Se revisan los pronósticos aplicando juicios, tomando en consideración los aportes de las
reuniones de consenso y fuentes colaborativas.
Paso 5. Se presentan los pronósticos ante el comité de operaciones para revisión y para definir un
conjunto final de pronósticos. Es importante tener un conjunto de pronósticos sobre los cuales todos
estén de acuerdo y se muestren dispuestos a trabajar para apoyarlos.
Paso 6. Los pronósticos se finalizan con base en las decisiones del comité de operaciones y se
comunican a los interesados importantes. Por lo general, los planificadores de la cadena de suministro
son los usuarios más grandes.