Departamento de Administración

Diplomado en Control de Gestión Estratégico

Forecast
✓Pronosticar es el arte y la ciencia de predecir los
eventos futuros.

✓Puede implicar el empleo de datos históricos y su

proyección hacia el futuro mediante algún tipo de modelo
matemático.

✓Puede ser una predicción subjetiva o intuitiva; o puede

ser una combinación de éstas.

Ing. Patricia Pizarro Moraga 1

 Departamento de Administración
Diplomado en Control de Gestión Estratégico

Promedios móviles
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.

Ejemplo:
Una Empresa de distribución necesita realizar un pronóstico de sus unidades no
entregadas con un promedio móvil de 3 y 4 periodos. Los antecedentes recopilados para
el análisis son: Promedio Promedio
Meses Venta real móvil Ft+1 móvil Ft+1
3 meses 4 meses
Enero 95
Febrero 80
Marzo 120 98,33
Abril 100 100,00 98,33 98,75
Mayo 135 118,33 100,00 108,75 98,75
Junio 120 118,33 118,33 118,75 108,75
Julio 140 131,67 118,33 123,75 118,75
Agosto 110 123,33 131,67 126,25 123,75
Septiembre 135 128,33 123,33 126,25 126,25
Octubre 100 115,00 128,33 121,25 126,25
Noviembre 85 106,67 115,00 107,5 121,25
Diciembre 150 111,67 106,67 117,5 107,5
Enero 111,67 117,5

(95+80+120+100)/4 =98,75
(95+80+120)/3
=98,33
2
Ing. Patricia Pizarro Moraga
 Departamento de Administración
Diplomado en Control de Gestión Estratégico

Suavizacion Exponencial

La suavización exponencial es un sofisticado método de pronóstico de promedios móviles ponderado

que sigue siendo bastante fácil de usar. Implica mantener muy pocos registros de datos históricos.
La fórmula básica para el suavizamiento exponencial se expresa como:

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 numero de periodos con datos (n):

Ing. Patricia Pizarro Moraga 3

 Departamento de Administración
Diplomado en Control de Gestión Estratégico

Ejemplo:

Una empresa de producción desea pronosticar en base a los últimos 8 meses su

materia prima en toneladas. Los antecedentes recopilados son:
Demanda
Pronóstico Pronóstico
Período materia prima
𝛂=0,1 𝛂=0,5
(Ton)
1 25
2 38 25,00 25,00
3 72 26,30 31,50
4 65 30,87 51,75
5 55 34,28 58,38
6 60 36,35 56,69
7 75 38,72 58,34
8 58 42,35 66,67
9 Pronóstico 43,91 62,34

0,1*38+(1-0,1)*25 =26,30

Ing. Patricia Pizarro Moraga 4

 Departamento de Administración
Diplomado en Control de Gestión Estratégico

Taller: Análisis de caso 1

Una Fábrica de lácteos realiza un estudio Fill Rate conforme a sus 5 productos, durante un periodo de
tiempo de 6 meses. Las entregas están designadas como unidades de producto.

Código SKU
Dr02 Dr03 Dr04 Ar01 Ar02
2435 1456 3500 2785 3312
Enero
2400 1367 3450 2785 3300
4560 5674 6354 4656 3540
Febrero
4509 5555 6234 4556 3400
6878 5768 2847 1840 4657
Marzo
6777 5700 2345 1785 4550
3625 4556 5645 6746 7000
Abril
3567 4321 5478 6100 6700
1230 2888 3900 4235 2763
Mayo
1230 2788 3800 4100 2678
5672 6524 7522 1245 3456
Junio
5577 6524 7230 1245 3333

Unidades solicitadas
Enero
Unidades Entregadas

Ing. Patricia Pizarro Moraga 5

 Departamento de Administración
Diplomado en Control de Gestión Estratégico

Determinar:

Pronosticar con media móvil de 3 períodos y suavización exponencial con 𝛂 = 0,25 las unidades no
entregadas para el mes de Julio de los SKU: Dr03 y Ar01. ¿cuál será su decisión de pronóstico?

Ing. Patricia Pizarro Moraga 6