PREPARACIÓN Y PRESENTACIÓN DE

PROYECTOS

“Estimación de la demanda”
Estudio de Mercado

Estimación de la Demanda

• Para estimar la demanda, es necesario determinar el tamaño del mercado

que potencialmente consumirá el producto y los ingresos que se podrán
percibir. Esto hace que la calidad de la proyección determine el grado de
incertidumbre y, por lo tanto, de riesgo del proyecto.
• Para esto existen modelos de proyección de mercado, clasificados en
Cualitativos o Subjetivos, Causales y de Series de Tiempo (tendencia).
Estudio de Mercado
Estimación de la Demanda: Métodos Cualitativos o Subjetivos

Se basa en la opinión de expertos en los temas relacionados con la venta del

producto o servicio. Son utilizados cuando los métodos cuantitativos basados en
información histórica no pueden explicar por sí solos el comportamiento futuro
esperado de alguna de sus variables, o cuando no existen suficientes datos
históricos. Algunos de estos métodos son:

ØInvestigación de mercado
ØConsenso de panel
ØPronósticos visionarios
ØAnalogía histórica
ØMétodo Delphi
Estudio de Mercado
Estimación de la Demanda: Métodos Cualitativos o Subjetivos

• Método Delphi: Uno de los métodos cualitativos más utilizados. Requiere

el establecimiento de un grupo de expertos relacionados con el tema a
pronosticar, siendo este grupo anónimo. Funciona de la siguiente forma:
ØSe crea y envía una encuesta a expertos y éstos la devuelven a los
coordinadores para su análisis.
ØSe prepara una lista con información derivada del punto anterior y se
envía a los expertos
ØLos expertos devuelven las listas y aquellos con opinión diferente
deben justificar sus apreciaciones
ØConsolidar los pronósticos donde exista el consenso por parte del
grupo de expertos

• Desventajas del Método Delphi: Se escoge un grupo idóneo de expertos,

existe ruido en la comunicación y sesgo en la coordinación.
Estudio de Mercado
Estimación de la Demanda: Métodos Causales

Son proyecciones del mercado en base a datos históricos. Buscan la causa del
comportamiento de una variable a proyectar relacionándola con variables
explicativas. Las variables explicativas son variables independientes, que
determinan en consecuencia las variables a proyectar.
Ejemplo: Ventas de papel se relacionan (explican) en función a la producción de
celulosa.
En pocas palabras, es una relación funcional entre dos variables correlacionadas,
formando una línea recta. Se tienen los siguientes Métodos Causales:
Ø Regresión
Ø Econométrico
Ø Intención de compra
Ø Insumo producto
 Estudio de Mercado
Estimación de la Demanda: Métodos Causales

• Regresión: Tal como lo dice su nombre, este sistema de proyección utiliza

la técnica de regresión lineal, la cual supone que la demanda está
relacionada con algún factor (o factores) subyacentes del medio,
relacionados con la variable a pronosticar.

y = a +b× X
a = y -b× X
n
y = Variable dependiente
å (X × y) - n × X × y X = Período
b= i =1
n a = Intersección de Y
åXi =1
i
2
-n× X 2 b = Pendiente

X , y = Promedio

R =
2 å (X - X ) × ( y - y )
å (X - X ) × å ( y - y )
2 2
Estudio de Mercado
Estimación de la Demanda: Métodos Causales

• Ejemplo: Ventas Trimestrales

T MM $t
7000
1 600
6000
2 1550
5000
3 1500
4000
MM$

4 1500

5 2400 3000

2000
y = 359.62x + 441.67
6 3100

7 2600 1000

8 2900 0
0 5 10 15 20
9 3800
Trimestres
10 4500

11 4000

12 4900
Se desea saber la proyección de venta para el trimestre 13:

y13 = 359.62 × 13 + 441.67 = 5117.2

Estudio de Mercado
Estimación de la Demanda: Modelos de Series de Tiempo

Se basan en la idea de que los datos relacionados con la demanda anterior se

pueden utilizar para predecir la demanda futura. Es una medición de una variable
en el tiempo, a intervalos espaciados uniformemente.
El objetivo de la identificación de la información histórica es determinar un
patrón básico en su comportamiento, que permita la proyección futura de la
variable deseada.
Existen cuatro patrones básicos que suelen presentarse en las proyecciones
históricas:
Cíclico
Ø La Tendencia
Ø La Estacionalidad Tendencia
Ø El Componente Cíclico
Ø La Componente No Sistemática Sistemático
Estacional

tiempo
 Estudio de Mercado
Estimación de la Demanda: Modelos de Series de Tiempo

Los Modelos de Series de Tiempo más utilizados son:

ØPromedio de Móviles Simples

Ø Alisamiento Exponencial
Ø Método de Pronóstico Estacional

¡De ahora en adelante se aplica la siguiente notación!:

Yt = Valor Real Observado en el Período t.

St = Valor Pronosticado en el Período t.
et = Error Absoluto en el pronóstico del Período t.
t Î 1, 2, 3…,n.
Estudio de Mercado
Modelos de Series de Tiempo: Promedio de Móviles Simples

• Técnica utilizada en pronósticos a Largo Plazo.

• Es un método no estadístico que requiere de una serie histórica para obtener el
valor a pronosticar.

t -1

å yi Yt = Valor Real Observado en el Período t.

St = Valor Pronosticado en el Período t.
et = Error Absoluto en el pronóstico del
S= i =t - n
Período t.

n t 1, 2, 3…,n.
 Yt = Valor Real Observado en el Período t.

Estudio de Mercado St = Valor Pronosticado en el Período t.

et = Error Absoluto en el pronóstico del
Período t.
t 1, 2, 3…,n.

Modelos de Series de Tiempo: Promedio de Móviles Simples

Período Mes Demanda Pronóstico Pronóstico 3500

Observada 3 meses 5 meses
3000
1 Enero 2000 - - Demanda N=
2500
2 Febrero 1350 - - 3

Pronóstico
2000
3 Marzo 1950 - -

4 Abril 1975 1767 - 1500

5 Mayo 3100 1758 - 1000

6 Junio 1750 2342 2075

500
7 Julio 1550 2275 2025
0
8 Agosto 1300 2133 2065

rzo

yo
o

nio

lio
ril
o

to

e
re
e
er

er

br

br
br
Ab

os
Ju
Ma

tub
Ma

Ju
En

br

m
em
9 Septiembr 2200 1533 1935

Ag

Oc
Fe

vie

cie
pti

No

Di
Se
e
10 Octubre 2770 1683 1980 Mes

11 Noviembre 2350 2090 1914

12 Diciembre 2550 2440 2034

 Yt = Valor Real Observado en el Período t.

Estudio de Mercado St = Valor Pronosticado en el Período t.

et = Error Absoluto en el pronóstico del
Período t.
t 1, 2, 3…,n.

Modelos de Series de Tiempo: Alisamiento Exponencial

• En estos métodos, cada vez que se añade un nuevo dato, se elimina la

observación más antigua y se calcula el nuevo pronóstico (se da importancia a los
datos más actuales).
• El nombre se debe a que cada incremento del pasado se reduce en (1 - α) .
• Para realizar el pronóstico se necesitan tres datos: el pronóstico más reciente,
la demanda que se presentó para ese período y una constante de suavizamiento
α.
• α tiene un valor entre 0 y 1 y determina el nivel de suavizamiento y la velocidad
de reacción ante las diferencias entre el valor real y el pronosticado.
• Si la demanda real es estable, un α pequeño reduce los efectos de cambios a
corto plazo.
• Si la demanda real aumenta o decrece con rapidez, un α de gran magnitud
puede seguir el ritmo de los cambios.
• Desventaja: No se puede pronosticar el valor de α y se requiere un método para
rastrear y cambiar los valores de α, de manera de ajustarlo a los datos reales.
Estudio de Mercado
Modelos de Series de Tiempo: Alisamiento Exponencial

S t = Yt
S t +1 = S t + a × (Yt - S t )
Yt = Valor Real Observado en el Período t.
St = Valor Pronosticado en el Período t.
et = Error Absoluto en el pronóstico del
0 £a £1 Período t.
t 1, 2, 3…,n.
t£2

S t +1 : Pronóstico hecho en el período t, para el período t + 1

 Yt = Valor Real Observado en el Período t.

Estudio de Mercado St = Valor Pronosticado en el Período t.

et = Error Absoluto en el pronóstico del
Período t.
t 1, 2, 3…,n.

Modelos de Series de Tiempo: Alisamiento Exponencial

Período Mes Demanda Pronóstico
Observada 3500 a=0,5
a=0,9
3000
α = 0.1 α = 0.5 α = 0.9
1 Enero 2000 - - -
2500
2 Febrero 1350 2000 2000 2000

Pronóstico
3 Marzo 1950 1935 1675 1415 2000
4 Abril 1975 1937 1813 1897
1500
5 Mayo 3100 1940 1894 1967
6 Junio 1750 2056 2497 2987
1000
7 Julio 1550 2026 2123 1874 a=0,1
8 Agosto 1300 1978 1837 1582 500 Demanda
9 Septiembr 2200 1910 1568 1328
e 0
10 Octubre 2770 1939 1884 2113 Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
11 Noviembre 2350 2022 2327 2704 Mes
12 Diciembre 2230 2055 2339 2385
2073 2284 2246
 Yt = Valor Real Observado en el Período t.

Estudio de Mercado St = Valor Pronosticado en el Período t.

et = Error Absoluto en el pronóstico del
Período t.
t 1, 2, 3…,n.

Modelos de Series de Tiempo: Método de Pronóstico Estacional

• Considera simultáneamente los patrones de una serie histórica de datos:

Ø La Tendencia
Ø Componente Estacional
S = Valor pronosticado
S =T´F T = Factor de tendencia
F = Factor de estacionalidad

F: Para encontrar este factor, es necesario encontrar la demanda histórica

promedio para cada estación (sumando la demanda de esa estación para cada
año y dividiéndola entre el número de años con datos disponibles) y calcular la
demanda promedio de TODAS las estaciones (dividiendo el promedio total anual
de la demanda entre el número de estaciones). Para luego calcular el índice de
estacionalidad del mes deseado:
Demanda Histórica Promedio para cada estación
Fmes i =
Demanda Promedio de todas las estaciones
 Yt = Valor Real Observado en el Período t.

Estudio de Mercado St = Valor Pronosticado en el Período t.

et = Error Absoluto en el pronóstico del
Período t.
t 1, 2, 3…,n.

Modelos de Series de Tiempo: Método de Pronóstico Estacional

Ejemplo: Se tiene la demanda mensual de un producto desde los años 2000 al

2002.
Mes 2000 2001 2002 Mes Promedio Índice de
Estacionalidad
Enero 80 85 105
Enero 90 0,957
Febrero 70 85 85
Febrero 80 0,851
Marzo 80 93 82
Marzo 85 0,904
Abril 90 95 115
Abril 100 1,064
Mayo 113 125 131
Mayo 123 1,309
Junio 110 115 120
Junio 115 1,223
Julio 100 102 113
Julio 105 1,117
Agosto 88 102 110
Agosto 100 1,064
Septiembre 85 90 95
Septiembre 90 0,957
Octubre 77 78 85
Octubre 80 0,851
Noviembre 75 82 83
Noviembre 80 0,851
Diciembre 82 78 80
Diciembre 80 0,851
Demanda 1050 1130 1204
Anual
Promedio de Todas las 94
Estaciones
Promedio Total Anual 1128
 Yt = Valor Real Observado en el Período t.

Estudio de Mercado St = Valor Pronosticado en el Período t.

et = Error Absoluto en el pronóstico del
Período t.
t 1, 2, 3…,n.

Modelos de Series de Tiempo: Método de Pronóstico Estacional

• Luego se obtiene la regresión que determina la tendencia de los datos:

Yt = 87.1 + 0.37 × X t
• Con esto se puede calcular el pronóstico para los siguientes 12 meses:

S t = (87.1 + 0.37 × X t ) × Ft
Período Mes Índice de Tendencia Pronóstico
Estacionalidad 2003

37 Enero 0,9574 100,84 97

38 Febrero 0,8511 101,21 86
39 Marzo 0,9043 101,58 92
40 Abril 1,0638 101,95 108
41 Mayo 1,3085 102,32 134
42 Junio 1,2234 102,69 126
43 Julio 1,117 103,06 115
44 Agosto 1,0638 103,43 110
45 Septiembre 0,9574 103,8 99
46 Octubre 0,8511 104,17 89
47 Noviembre 0,8511 104,54 89
48 Diciembre 0,8511 104,91 89
 Yt = Valor Real Observado en el Período t.

Estudio de Mercado St = Valor Pronosticado en el Período t.

et = Error Absoluto en el pronóstico del
Período t.
t 1, 2, 3…,n.

Modelos de Series de Tiempo: Errores de los Pronósticos

• Error Sistemático: Es el que se comete consistentemente, como por ejemplo

excluir variables correctas, utilizar relaciones erróneas entre variables, etc. Se
define como la diferencia entre el valor de pronóstico y lo que en realidad
ocurrió.
et = X t - S t

• Error Aleatorio: Aquellos inexplicables con los modelos de pronóstico.

• Desviación Absoluta Media (MAD): El pronóstico con el menor MAD será el

mejor.
MAD =
åe t

• Error Porcentual Absoluto Medio: Es recomendable que tenga un valor menor al

5%. 100 × å et
Yt
MAPE =
n
Estudio de Mercado
Modelos de Series de Tiempo: Aplicaciones a los Pronósticos

Aplicación Horizont Exactitud N° de Nivel Método de

e Requerid Producto Administrativ Pronóstico
a s o
Diseño de Procesos Largo Mediana Uno o Alto Cualitativo
Plazo pocos sy
Causales
Planeación de Largo Mediana Uno o Alto Cualitativo
capacidad de Plazo pocos sy
Instalaciones Causales
Planeación Agregada Mediano Alta Pocos Medio Causales y
Plazo Series de
Tiempo
Programación de Corto Superior Muchos Bajo Series de
Actividades Plazo Tiempo
Administración de Corto Superior Muchos Bajo Series de
Inventarios Plazo Tiempo