Documentos de Académico
Documentos de Profesional
Documentos de Cultura
3:
Planeación y
Previsión financiera
3.1Planeación
3.2 Razones de la Planeación
controlar.
3.3 Planeación y el desempeño
Los objetivos (metas) son los resultados o propósitos deseados. Éstos guían las
decisiones de la administración y forman los criterios contra los cuales se miden los
resultados. Es por esto que con frecuencia se les conoce como las bases de la planeación.
La mayoría de los objetivos de las compañías pueden clasificarse
como estratégicos o financieros.
a. Los objetivos financieros se relacionan con el desempeño
financiero dela organización
b. Los objetivos estratégicos están relacionados con todas las
demás áreas de desempeño de la organización.
Los planes de largo plazo como aquellos con un periodo mayor a tres años. Los planes
de corto plazo son aquellos que abarcan un año o menos.
Los planes específicos son planes claramente definidos y no dan lugar a interpretaciones.
Tienen objetivos definidos claramente, Los planes direccionales son planes flexibles que
exponen pautas generales. Proporcionan un enfoque, pero no limitan a los gerentes con
objetivos específicos o líneas de acción .
Un plan único es un plan para una vez, el cual se diseña específicamente
para satisfacer las necesidades de una situación única. Por ejemplo, cuando
Wal-Mart decidió expandir el número de tiendas en China, los ejecutivos de
nivel alto formularon un plan único como guía. En contraste, los planes
permanentes son planes que se utilizan varias veces y que proporcionan una
guía para las actividades que se realizan repetidamente. Los planes
permanentes incluyen políticas, reglas y procedimientos
3.5 Características de objetivos bien escritos.
3.6 Pasos para establecer objetivos.
2. Evaluar los recursos disponibles. Usted no desea establecer objetivos que sean
imposibles de lograr; dados los recursos disponibles. Aunque los objetivos
deben ser desafiantes, deben ser realistas. Después de todo, si los recursos
con que cuenta para trabajar no permitirán que logre un objetivo, sin
importar cuánto lo intente, usted no debe establecer ese objetivo.
.
3. Determinar los objetivos individualmente o con los informes de otros. Lo objetivos
reflejan resultados deseados y deben ser congruentes con la misión de la
organización y con los objetivos de o tras áreas organizacionales. Estos objetivos
deben ser mensurables y específicos, y no deben incluir un periodo para lograrlos.
4. Escribir los objetivos y comunicarlos a todos los que deban saberlos. Describir y
comunicar los objetivos obliga a la gente a pensar en conjunto. Los objetivos escritos
también se vuelve en evidencia visible de la importancia de trabajar por algo.
5. Revisar los resultados y si los objetivos se están cumpliendo. Si los objetivos no se están
cumpliendo , cámbiela s según sea necesario .
1. Determinar el uso del pronóstico: ¿Cuál es el objetivo por el cual vas a pronosticar?
2. Seleccionar los aspectos que se deben pronosticar: ¿Cuál es la unidad de medida que vas a usar para
pronosticar?. Vendes un producto: Número de ventas. Tienes una discoteca: Número de ingresos.
Administras un hospital: Pacientes ingresados.
3. Determinar el horizonte de tiempo del pronóstico: Ten en cuenta que a mayor horizonte de tiempo, mas
impreciso será el pronostico. Hay empresas que manejan pronósticos diarios, semanales, quincenales,
mensuales y anuales. Esto va en función de tu empresa y su producto.
4. Seleccionar los modelos de pronóstico: Podemos emplear métodos de juicio, cuantitativos o cualitativos.
5. Recopilar los datos para hacer el pronóstico: ¿Realizas encuestas? ¿Llevas registros de las ventas?
¿Haces uso de un software para contar los ingresos?. El objetivo es que tengas una forma de obtener los
datos que serán relevantes para hacer tu pronóstico.
6. Realizar el pronóstico: Dependiendo del modelo de pronóstico, la manera de proceder será diferente.
7. Validar e implementar el resultado: Existen medidas de error para determinar la validez de un pronóstico.
También es importante que hagas comparaciones constantes entre la demanda real y lo pronosticado para
determinar qué tan bien (o qué tan mal) lo estás haciendo.
3.7.2 Pronósticos Cuantitativos
• Los pronósticos cuantitativos se clasifican en dos métodos: Series de tiempo y los Causales
• Los siguientes métodos cuantitativos se basan en la demanda pasada para predecir la futura por
medio de los datos históricos de un periodo anterior.
a. Series de tiempos:
• Promedio simple: Se aplica promedio sobre los datos históricos de ventas. Útil cuando la demanda no presenta estacionalidad o
tendencia.
• Promedio ponderado: Similar al promedio simple pero con la diferencia que en éste método calcula el pronóstico asignando nivel de
importancia o peso ponderado a unos elementos de tiempo por sobre otros.
• Suavización exponencial: Requiere el pronóstico anterior, la demanda real del periodo de pronóstico y una constante de
suavizamiento. Útil cuando se cuenta con pocos datos históricos.
• Suavización exponencial doble: Es una modificación del suavizamiento exponencial simple. Agrega una constante de
suavización delta (δ), cuya función es reducir el error que ocurre entre la demanda real y el pronóstico.
• Estacional multiplicativo: Considera que la demanda tiene patrones de repetición de acuerdo a periodos de tiempo y la pronostica por
medio del producto de los factores estacionales con una estimación de la demanda promedio.
b. Causales:
• Regresión lineal permite analizar el impacto de los factores causales con relación a la demanda de tu producto o servicio para obtener
un estimado.
Serie de tiempos
“Una serie de tiempo es una secuencia de datos u observaciones, medidos en
determinados momentos y ordenados cronológicamente. Visualmente, es una
curva que evoluciona en el tiempo”.
Su aplicación
Representar los datos del negocio como series de tiempo suele ayudar a las
empresas a visualizar la actividad del negocio. A su vez, usualmente las series
de tiempo se utilizan para predecir el comportamiento futuro de la variable
medida.
Tendencia
“La tendencia es una corriente o preferencia hacia determinados fines. Por
ejemplo: “Lionel Messi es un gran jugador, aunque tiene tendencia a encarar por
el lado izquierdo, lo que ayuda a predecir sus movimientos”.
Tendencia horizontal
Gráficamente éste tipo de tendencia se produce cuando todos los niveles
máximos se encuentran alineados y lo mismo ocurre con los niveles mínimos.
3.7.3 Medición del error del pronostico
Concepto
El error de medición es la diferencia entre un valor que se mide y un valor verdadero
Desde la perspectiva empresarial : error de pronóstico como la comparación entre el valor pronosticado y el valor real.
Error de pronóstico=Demanda real – valor pronosticado
Propósito
Su cálculo nos permite tomar decisiones frente a qué método de pronóstico es el mejor
Permitiendo detectar cuando en nuestra previsión de la demanda no está marchando bien,
de manera e conseguimos cambiar el rumbo de nuestras decisiones a fin tomar las mejores
elecciones.
2. Aleatorios.es aquel que no tiene explicación, es decir, es el error originado por factores imprevisibles y por ende
no se conoce qué es lo que lo causa.
Cálculos a efectuarse
Suma acumulada de errores de pronóstico (CFE)
Es la medida más básica de todas y es la que da origen a las demás. Es la suma acumulada de los
errores de pronóstico, permitiendo evaluar el sesgo del pronóstico. Por ejemplo, si a través de
los periodos el valor real de la demanda siempre resulta superior al valor de pronóstico,
"la CFE será más grande, indicando la existencia de un error sistemático en el cálculo de la
demanda".
Mide la dispersión del error de pronóstico o dicho de otra forma, la medición del tamaño del
error en unidades. Es el valor absoluto de la diferencia entre la demanda real y el
pronóstico, dividido sobre el número de periodos.
Al igual que la DAM, el MSE es una medida de dispersión del error de pronóstico, sin embargo
esta medida maximiza el error al elevar al cuadrado , castigando aquellos periodos donde la
diferencia fue más alta a comparación de otros. En consecuencia, se recomienda el uso del MSE
para periodos con desviaciones pequeñas.
Periodo Demanda
a
1 56
2 50
3 47
4 51
5 58
6 62
7 55
8 48
9 39
10 44
11 49
12 55
13 61
14 70
15 58
Requerimientos:
a. Determinar el pronostico en base al método de promedio simple, tomando tres periodo para su
calculo.
b. Determinar el error del pronostico, su valor absoluto, el cuadrado del error de pronostico, el error
porcentual y la sumatoria de los valores calculados.
Los cálculos Resta entre El valor El cuadrado Dividimos la
a partir la demanda absoluto del del error de demanda
periodo 4, real y el error de pronóstico real / mad
n=3 pronóstico. pronóstico
Ejemplo:
Calcular el pronóstico de demanda con el método de media o promedio móvil simple, considerando un
periodo de 3 meses.
Error
Error de Desviacion Error
cuadratico
Periodo Demanda Pronostico pronostico absoluta cuadratico
medio
(CFE) media (MAD) medio (MSE)
(MAPE)
a b c=a-b d=[c] c2 d/a
Enero 1300
Febrero 1450
Marzo 1390
Abril 1530 1380 150 150 22500 9.80%
Mayo 1620 1457 163 163 26569 10.06%
Junio 1700 1513 187 187 34969 11.00%
Julio 1000 1617 -617 617 380689 61.70%
Agosto 1200 1440 -240 240 57600 20.00%
Septiembre 1510 1300 210 210 44100 13.91%
Octubre 1340 1237 103 103 10609 7.69%
Noviembre 1390 1350 40 40 1600 2.88%
Diciembre 1510 1413 97 97 9409 6.42%
Enero 1640 1413 227 227 51529 13.84%
Febrero 1590 1513 77 77 5929 4.84%
Marzo 1710 1580 130 130 16900 7.60%
Abril 1820 1647 173 173 29929 9.51%
Mayo 1620 1707 -87 87 7569 5.37%
Junio 1900 1717 183 183 33489 9.63%
Suma de errores 796 2684 733390 194.26%
Error
Error de Desviacion Error
cuadratico
Periodo Demanda Pronostico pronostico absoluta cuadratico
medio
(CFE) media (MAD) medio (MSE)
(MAPE)
2
a b c=a-b d=[c] c d/a
1 1300
2 1450
3 1390
4 1530 1390 140 140 19600 9.15%
5 1620 1472 148 148 21904 9.14%
6 1700 1547 153 153 23409 9.00%
7 1000 1642 -642 642 412164 64.20%
8 1200 1334 -134 134 17956 11.17%
9 1510 1240 270 270 72900 17.88%
10 1340 1315 25 25 625 1.87%
11 1390 1363 27 27 729 1.94%
12 1510 1399 111 111 12321 7.35%
13 1640 1440 200 200 40000 12.20%
14 1590 1551 39 39 1521 2.45%
15 1710 1589 121 121 14641 7.08%
16 1820 1660 160 160 25600 8.79%
17 1620 1741 -121 121 14641 7.47%
18 1900 1698 202 202 40804 10.63%
Suma de errores 699 2493 718815 180.31%
• Se desarrolla con series de tiempo, haciendo uso de los datos del pasado para
predecir el comportamiento de la demanda en el futuro. Sin embargo, a diferencia
de otros métodos, el suavizado o alisamiento exponencial funciona con muy pocos
registros de periodos anteriores, destacando los hechos más recientes sobre los
más antiguos.
• A diferencia de los métodos de promedio móvil simple y ponderado, este método
no necesita de gran volumen de datos históricos de la demanda.
• Su formulación es sencilla solo requiere el pronóstico anterior, la demanda real del
periodo de pronóstico y su constante de suavización.
• Ventajas :
No requiere de gran volumen de datos históricos. Al ser un modelo
exponencial, es más preciso. Es flexible al conseguir darle más importancia
a la demanda más reciente o a la antigua.
• Desventajas :
El valor de alfa (α) logra responder los cambios en el promedio, estos
cambios sistemáticos de este harán más grande el error de pronóstico.
Para el cálculo del pronóstico se establece que la constante de suavizacion y el pronostico del mes
anterior son: Pronóstico
a
anterior
2,869 0.35
a 0.35
Periodo Demanda Pronóstico
1 3200 2,869 Pronosticos simple, a = 0.35
2 3108 2,985 4000
3 2930 3,028 3500
4 2801 2,994 3000
5 2316 2,926 2500
6 2444 2,713 2000
1500
7 2719 2,619
1000
8 3133 2,654
500
9 3459 2,821
0
10 2819 3,045 1 2 3 4 5 6 7 8 9 10 11 12
11 2773 2,966
Periodo Demanda Pronóstico
12 2321 2,898
Error
Error de Desviacion Error
cuadratico
Periodo Demanda Pronostico pronostico absoluta cuadratico
medio
(CFE) media (MAD) medio (MSE)
(MAPE)
2
a b c=a-b d=[c] c d/a
1 3200 2869 331 331 109561 10.34%
2 3108 2985 123 123 15166 3.96%
3 2930 3028 -98 98 9595 3.34%
4 2801 2994 -193 193 37121 6.88%
5 2316 2926 -610 610 372387 26.35%
6 2444 2713 -269 269 72174 10.99%
7 2719 2619 100 100 10075 3.69%
8 3133 2654 479 479 229675 15.30%
9 3459 2821 638 638 406417 18.43%
10 2819 3045 -226 226 50904 8.00%
11 2773 2966 -193 193 37115 6.95%
12 2321 2898 -577 577 333188 24.87%
En este sentido, si α=1, nuestro pronóstico de demanda del próximo periodo será exactamente
igual al del periodo actual.
En consecuencia, el alfa que elijamos estará relacionado con el índice de respuesta deseado y la
naturaleza del producto.
Por ejemplo, teniendo un producto o servicio con demanda estable a través del año,
nuestra constante de suavización tenderá a ser pequeña (0,10 por ejemplo), porque no requerimos
un elevado índice de respuesta frente a los cambios entre la demanda real y la demanda pronosticada,
mientras si comienza a tener un crecimiento en su demanda, lo que va a requerir un alfa más
elevado (0,30 por ejemplo) para dar mayor importancia a la demanda reciente.
3.7.6 Suavización exponencial
• Con este método se agrega una constante de suavización delta (δ), cuya
función es reducir el error que ocurre entre la demanda real y el pronóstico.
• Los criterios para definir los valores de las constantes son similares al método
de suavización simple.
“Para delta funciona similar: δ elevado responde con más velocidad a los
cambios en la tendencia, mientras que un δ inferior tiende a suavizar la
tendencia actual, dando menos peso a los datos recientes”
Formula:
Donde
Periodo
1
Demanda
1,132.00
La constante de suavizacion a 0.10
2 1,600.00
3 1,690.00
4 1,640.00 La constante de suavizacion d 0.30
5 1,765.00
6 1,879.00
7 1,990.00
8 2,100.00
9 2,210.00
10 2,356.00
11 2,201.00
12 2,027.00
a 0.10
d 0.30
Pronostico
Pronostico Tendencia con
Periodo Demanda suavizado suavizada tendencia
1 1,132.00 1,500.00 150.00 1,650.00
2 1,600.00 1,598.20 134.46 1,732.66
3 1,690.00 1,719.39 130.48 1,849.87
4 1,640.00 1,833.89 125.68 1,959.57
5 1,765.00 1,927.61 116.10 2,043.71
6 1,879.00 2,015.84 107.74 2,123.58
7 1,990.00 2,099.12 100.40 2,199.52
8 2,100.00 2,178.56 94.11 2,272.68
9 2,210.00 2,255.41 88.93 2,344.34
10 2,356.00 2,330.91 84.90 2,415.81
11 2,201.00 2,409.83 83.11 2,492.94
12 2,027.00 2,463.74 74.35 2,538.09
Cálculos
Periodo 3
Periodo 2
A1 es el valor de Ventas F1 es el pronostico
Reales( Demanda) del suavizado y T1 tendencia F3 = a A2 + (1 + a) ( F2 + T2 )
Periodo 1 suavizad del Periodo 1
T3 130.48
T2 134.46
1,732.66 1,849.87
Calculo del error del pronostico
Error
Error de Desviacion Error
cuadratico
Periodo Demanda Pronostico pronostico absoluta cuadratico
medio
(CFE) media (MAD) medio (MSE)
(MAPE)
2
a b c =a- b d=[c ] c d/a
1 1,132.00 1,650.00 -518 518 268324 45.76%
2 1,600.00 1,732.66 -133 133 17599 8.29%
3 1,690.00 1,849.87 -160 160 25560 9.46%
4 1,640.00 1,959.57 -320 320 102125 19.49%
5 1,765.00 2,043.71 -279 279 77680 15.79%
6 1,879.00 2,123.58 -245 245 59817 13.02%
7 1,990.00 2,199.52 -210 210 43897 10.53%
8 2,100.00 2,272.68 -173 173 29817 8.22%
9 2,210.00 2,344.34 -134 134 18048 6.08%
10 2,356.00 2,415.81 -60 60 3577 2.54%
11 2,201.00 2,492.94 -292 292 85227 13.26%
12 2,027.00 2,538.09 -511 511 261216 25.21%
• Si tenemos una sola variable independiente, es una regresión lineal simple, contrario a si
son dos o más variables independientes, será una regresión lineal múltiple.
Y = a + b X
Variable Variable
dependiente independiente
• La b es la inclinación de la recta.
Gestion 2021
X Y 35,000
Gráfico Dispersión
1 15,000
30,000
2 18,000
3 18,500 25,000
4 20,000
20,000
5 20,000
6 21,000 15,000
7 25,000
10,000
8 25,000
9 27,000 5,000
10 28,000 -
11 30,000 0 2 4 6 8 10 12 14
12 30,000
Y = a + bX
Gestion 2021
Cálculo de las constantes "a" y "b" X Y XY 2 2
X Y
1 15,000 15,000 1 225,000,000
Pendiente de la recta de regresión de mejor ajuste
2 18,000 36,000 4 324,000,000
3 18,500 55,500 9 342,250,000
4 20,000 80,000 16 400,000,000
5 20,000 100,000 25 400,000,000
6 21,000 126,000 36 441,000,000
7 25,000 175,000 49 625,000,000
8 25,000 200,000 64 625,000,000
9 27,000 243,000 81 729,000,000
Ordena Y de la recta de regresión de mejor ajuste 10 28,000 280,000 100 784,000,000
11 30,000 330,000 121 900,000,000
Totales 12 30,000 360,000 144 900,000,000
Promedio 78 277,500 2,000,500 650 6,695,250,000
n 6.5 23,125
12
196,750
b=
143
b= 1,375.87
a= 14,181.82
Ecuación de la linea recta con mejor ajuste
Ŷ = a + bX
Y= 14,181.82 + 1,375.87 X
X Y XY X2 Y2
1 15,000 15,000 1 225,000,000
2 18,000 36,000 4 324,000,000
3 18,500 55,500 9 342,250,000
4 20,000 80,000 16 400,000,000
5 20,000 100,000 25 400,000,000
6 21,000 126,000 36 441,000,000
7 25,000 175,000 49 625,000,000
8 25,000 200,000 64 625,000,000
9 27,000 243,000 81 729,000,000
10 28,000 280,000 100 784,000,000
11 30,000 330,000 121 900,000,000
12 30,000 360,000 144 900,000,000
Totales 78 277,500 2,000,500 650 6,695,250,000
Promedio 6.5 23,125
n 12
6,695,250,000 - 14,182 277,500 - 1,376 2,000,500
Se =
12 - 2
7,359,265.73
Se =
10
Se = 735,926.57
Raiz2 Se = 857.86
Determinar :Coeficiente correlacion
2 2
X Y XY X Y X- X Y- Y (X - X)^2 (Y - Y)^2 (x-x ) (y-y)
1 15,000 15,000 1 225,000,000 -5.5 - 8,125 30.25 66015625 44,687.50
2 18,000 36,000 4 324,000,000 -4.5 - 5,125 20.25 26265625 23,062.50
3 18,500 55,500 9 342,250,000 -3.5 - 4,625 12.25 21390625 16,187.50
4 20,000 80,000 16 400,000,000 -2.5 - 3,125 6.25 9765625 7,812.50
5 20,000 100,000 25 400,000,000 -1.5 - 3,125 2.25 9765625 4,687.50
6 21,000 126,000 36 441,000,000 -0.5 - 2,125 0.25 4515625 1,062.50
7 25,000 175,000 49 625,000,000 0.5 1,875 0.25 3515625 937.50
8 25,000 200,000 64 625,000,000 1.5 1,875 2.25 3515625 2,812.50
9 27,000 243,000 81 729,000,000 2.5 3,875 6.25 15015625 9,687.50
10 28,000 280,000 100 784,000,000 3.5 4,875 12.25 23765625 17,062.50
11 30,000 330,000 121 900,000,000 4.5 6,875 20.25 47265625 30,937.50
12 30,000 360,000 144 900,000,000 5.5 6,875 30.25 47265625 37,812.50
Totales 78 277,500 2,000,500 650 6,695,250,000 - - 143 278,062,500 196,750
Promedio 6.5 23,125
n 12 Raiz cuadrada 11.96 16675.21
196,750
r=
199,406
r= 0.99