REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN

UNIVERSITARIA
UNIVERSIDAD POLITÉCNICA TERRITORIAL DE FALCÓN
“ALONSO GAMERO"
PROGRAMA NACIONAL DE FORMACIÓN EN ADMINISTRACIÓN
UNIDAD CURRICULAR: ADMINISTRACIÓN DE LA PRODUCCIÓN

ADMINISTRACIÓN DE LA DEMANDA

AUTORES:
GRIMAN ISABELLA C.I: 26.874.609

MIQUILENA ELIAN C.I: 29.641.910

NÚÑEZ KARIANNA. C.I: 26.310.448

RIERA ROSSANNYS C.I: 30.017.778

SECCIÓN 01

FACILITADOR DE LA UNIDAD CURRICULAR:

LCDA. MELIDA RODRIGUEZ

SANTA ANA DE CORO, JUNIO DE 2023

1
 INDICE

Pág
.
INTRODUCCIÓN………………………………………………………………………
.. 3

Concepto e importancia de la Administración de la 4

Demanda………………..
4
Clases de
6
demanda…………………………………………....................................
7
Técnicas cuantitativas para calcular la demanda…...……....………….
…….... 7

Métodos de series de tiempo………………............................................. 7

Promedio simple…....……………..……………..……..................... 8

Promedio móvil simple………….……………………….................... 8

8
Promedio ponderado…..…..…………………….………..................
9
Suavización exponencial……………………………………………...
9
Suavización exponencial
doble………………………………………..
11
Estacional
multiplicativo………………………………………………... 11

Métodos causales o 16
asociativos……………………………………………….
17
Herramientas para el análisis de datos históricos de los productos
existentes en el
mercado……………………………………………………………..

2
Aplicación de los mínimos
cuadrados……………………………………………..

CONCLUSIÓN……………...................................................................................
..

BIBLIOGRAFÍA….………………….........……………...
……...................................

3
 INTRODUCCIÓN

En este trabajo a continuación se busca contribuir al fortalecimiento del

aprendizaje sobre el entorno de quienes ofertan y demandan bienes y servicios,
entendiendo que estas teorías son las bases económicas del comportamiento de
las unidades productivas. En este documento se revisarán los conceptos de oferta
y demanda con el objetivo de conocer cuáles son las principales herramientas
para el estudio de un mercado. Asimismo, llegar a entender cómo funcionan los
mercados, cómo se fijan los precios y cómo tienen lugar las transacciones de
bienes y servicios.

La oferta y la demanda son dos palabras que se utilizan con frecuencia en

economía, dado que son las fuerzas que permiten que el mercado funcione. Al
analizar el comportamiento de los consumidores, es importante determinar cuál es
la dinámica de los compradores para satisfacer sus necesidades. Es un proceso
de decisión para buscar, evaluar y adquirir los bienes y servicios. La demanda
refleja una intención, mientras que la compra constituye una acción.

4
 DESARROLLO

Concepto e importancia de la Administración de la Demanda

La administración de la demanda es un proceso que gestiona flujos de

materiales e información a través de los procesos del negocio, internos y externos,
para responder rentablemente a la demanda del mercado, además lo esencial en
este proceso es conocer las cantidades a vender, el pronóstico y la creación de
planes que nos permitan satisfacer esta demanda.

En este sentido, la administración de la demanda es importante, ya que

utiliza diferentes análisis para examinar datos históricos de ventas, pedidos de
clientes, envíos, ventas actuales e indicadores de mercado. Todo tiene el fin de
predecir mejor los patrones de demanda en función de los cambios del mercado.
Así se vuelve posible que la compañía tome decisiones inteligentes sobre los
niveles de inventario y producción, además la administración de la demanda tiene
una influencia significativa en el éxito de la empresa y su estado financiero. Así
contribuye a mejorar los niveles de inventario, la calidad del servicio al cliente, y se
optimizan la promoción comercial y la planificación del inventario.

Clases de demanda

 Demanda Agregada: Mide el consumo e inversión globales, es decir, total

del gasto en bienes y servicios de una economía en un determinado
período de tiempo.
 Demanda Derivada: Esta es consecuencia de otra demanda. Así, la
demanda de capitales y de mano de obra depende de la demanda final de
bienes y servicios, por ejemplo.
 Demanda Elástica: Característica que tienen aquellos bienes cuya
demanda se modifica de forma sustancial como consecuencia de cambios
en el precio de dicho bien o cambios en la renta de los consumidores.
 Demanda Inelástica: Demanda que se caracteriza porque la variación en el
precio de un bien determinado apenas afecta a la variación de la cantidad
demandada de ese bien, de forma que queda manifiesta la rigidez de su

5
 demanda. En ocasiones esta relación es incluso inexistente, y entonces se
habla de total rigidez de la demanda.
 Demanda Exterior: Demanda de un país de bienes o servicios producidos
en el extranjero.
 Demanda Interna: Suma del consumo privado y del consumo público de
bienes y servicios producidos en el propio país.
 Demanda Monetaria: Función que expresa la cantidad de riqueza que las
personas y las empresas guardan en forma de dinero, renunciando así a
gastarlo en bienes y servicios o a invertirlo en otros activos.

Otros tipos de demandas:

 Demanda de marca: Definida por la respuesta del mercado a una marca

comercial.
 Demanda de línea: Correspondiente a la demanda de una línea de
productos.
 Demanda de empresa: Demanda de todos los productos que comercializa
una determinada empresa.
 Demanda global: Determinada por el tipo de producto, por ejemplo:
demanda de teléfonos móviles o demanda de automóviles.
 Demanda individual: La que realiza un único comprador, por ejemplo: la
demanda de café de una familia o la de computadoras de una empresa.
 Demanda de segmento: Definida por un grupo homogéneo de
compradores, como la demanda de zapatos deportivos entre adultos de
sexo masculino entre 25 y 34 años.
 Demanda de mercado: Agrupa diferentes segmentos por tipo de producto.
 Demanda total: Engloba todos los compradores de un producto o servicio
concreto, como la demanda de todos los usuarios de medicamentos.
 Demanda primaria o final: La realizada para la satisfacción de las propias
necesidades y deseos.

6
  Demanda derivada: La que se realiza como paso intermedio para la
generación de productos y servicios destinados a otras personas o
empresas.
 Demanda a corto plazo: Efectuada en un período de tiempo
correspondiente al nivel operacional de la empresa.
 Demanda a medio plazo: Corresponde con el nivel estratégico de la
organización.
 Demanda a largo plazo: Relaciona las tendencias del mercado y la misión
de la empresa en los próximos años.
 Demanda por aceptación del producto: Subdividida en:
 Negativa: una parte importante del mercado no acepta el producto.
 Inexistente: el mercado no tiene interés en la oferta de un producto o
servicio, en un momento dado.
 Latente: la necesidad de algo que, al momento, no existe pero que se
desearía.
 Demanda por renta disponible del consumidor: la renta disponible es la
parte de los ingresos que el comprador puede gastar sin detrimento de su
patrimonio y de forma discrecional.
 Demanda del consumidor respecto a los precios del mercado: se basa en el
cliente como un agente racional que compra en función del precio, si es
bajo compra mucho, si es alto poco.
 Decreciente: se presenta un descenso del número de consumidores.
 Irregular: se presentan oscilaciones durante un período de tiempo.
 En exceso: la demanda supera a la capacidad de la oferta.
 Demanda por frecuencia de compra. Subdividida en:
 Demanda del mercado de consumo masivo, se divide en bienes
perecederos y en bienes como producto duradero.

Técnicas cuantitativas para calcular la demanda

7
 Los siguientes métodos cuantitativos se basan en la demanda pasada para
predecir la futura por medio de los datos históricos de un periodo anterior. Se
agrupan en dos:

1. Métodos de series de tiempo

Promedio simple

Se aplica promedio sobre los datos históricos de ventas. Es útil cuando la

demanda no presenta estacionalidad o tendencia. Sus efectos son prácticos , ya
que lo que este método utiliza son los datos de un periodo anterior; semanas,
meses o incluso años, dependiendo del periodo de crecimiento que se quiera
predecir.

Por ejemplo, si quieres pronosticar las ventas del próximo mes tienes que
multiplicar las ventas de este mes por 1 más la tasa de crecimiento de ventas
mensual.

La fórmula debería ser:

(x) ventas mensuales x (1 + % tasa de crecimiento de ventas) = ventas del

próximo mes

Por lo tanto, si tienes un aumento del 20% en las ventas en relación al mes
pasado, es decir, 25.000$ del valor del producto, entonces tu pronóstico de ventas
para el próximo mes es:

25.000$ x (1 + 20%) = 30.000$

Promedio móvil simple

Mediante este promedio hacemos una media aritmética de cierto número de

datos históricos para obtener con ésta el pronóstico para el siguiente periodo. Esta
técnica, parecida a la anterior, puede ser realmente útil si la demanda permanece
estable, sin tendencia o estacionalidad, a lo largo del tiempo.

8
 Para ello, simplemente debemos sumar todas las unidades vendidas en un
periodo y el resultado total, dividirlo entre el periodo de tiempo tomado en cuenta
para el análisis.

Promedio ponderado

Similar al promedio simple, pero con la diferencia que en este método se

calcula el pronóstico asignando nivel de importancia o peso ponderado a unos
elementos de tiempo por sobre otros.

Este método agrupa una variable dependiente (la demanda) con una
variable independiente (en este caso el tiempo) a través de una ecuación lineal.
En otras palabras y para hacerlo fácil, digamos que consiste en añadir los datos
de ventas en un gráfico, trazar una línea que los conecte y extender dicha línea en
el futuro.

Suavización exponencial

Requiere el pronóstico anterior, la demanda real del periodo de pronóstico y

una constante de suavizamiento. Es 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.

2. Métodos causales o asociativos

9
 Los métodos causales están basados en la identificación de variables
explicativas que influyan en el comportamiento del consumidor o del
comportamiento de la cadena de suministro en general. Al contrario, que los
basados en series temporales, son considerados proactivos ya que, en lugar de
reaccionar ante lo que ocurrió en el pasado, son capaces de anticiparse a los
eventos futuros, incluyendo en los cálculos de las previsiones la influencia
esperada de las variables causales que afectarán al horizonte de estudio. Los
modelos causales asumen, por tanto, que las variables causales y sus relaciones
son conocidas y pueden ser expresadas matemáticamente, pero en muchos casos
esto no es posible. De este modo, las series temporales suelen estar sujetas a
eventos incontrolados o inesperados. Si estos eventos son conocidos, el
planificador de demanda será capaz de tener en cuenta sus efectos e
intervenciones dentro de la serie temporal. Sin embargo, si estos eventos son
desconocidos serán necesarios otros modos de identificarlos y ajustarlos

Estos se basan en suponer una relación de dependencia entre la variable

previsión y una variable independiente o variable explicativa. Tenemos estos a la
Regresión simple. Este es el caso más simple para un método de regresión lineal,
en el que una variable dependiente se relaciona directamente con una variable
explicativa a través de una recta. Regresión múltiple En este caso, la variable
dependiente se relacionará con más de una variable explicativa de modo que se
buscará determinar la correlación lineal de cada una de ellas con la variable
dependiente con el objetivo de obtener los valores de pronóstico buscados.

Herramientas para el análisis de datos históricos de los productos existentes

en el mercado

En el mercado es necesario y fundamental el estudio profundo de una

cantidad determinada de datos recopilados; esta se realiza con el fin de obtener
conclusiones valiosas acerca de un aspecto en particular. Este estudio ayudará a
la investigación del tema o aspecto y llevará a la toma de decisiones atinadas y a
la creación de estrategias más eficientes.

10
 Por ejemplo, no es suficiente saber que el 90 % de los usuarios de
Facebook accede a su perfil desde un dispositivo móvil. Lo que importa es
comprender cómo afecta eso a los contenidos de marca, cuando necesitan
optimizarlos y cuáles formatos son preferidos para las personas que acceden a su
página desde su celular; esto quiere decir que debemos cuidar la calidad de los
datos.

La importancia del análisis de datos ha seguido aumentando en los últimos

años, lo que ha dado lugar a una importante apertura del mercado mundial. Así,
las herramientas de análisis de datos también han tomado un lugar central y ahora
hay un número tan elevado de ellas que se hace difícil escoger la más adecuada.
Hay muchos factores que deben considerarse antes de elegir una herramienta de
análisis de datos, como lo son el rendimiento y su facilidad de uso.

A continuación, se presentan las mejores herramientas de análisis de datos

en la actualidad, que puede utilizarse para una gestión de datos perfecta.

1) Excel:

Por su gran potencial y la amplia variedad de funcionalidades que ofrece, es

una de las herramientas de análisis de datos más utilizada. Permite ordenar y
manipular los datos, representarlos en forma de gráficos y tablas e incluso añadir
código propio a través de macros para hacer un análisis específico de los datos
introducidos.

2) Microsoft Power BI

Power BI es la herramienta analítica de Microsoft y una de las más

populares, ya que ofrece visualizaciones interactivas de datos, así como una
integración sencilla con otras herramientas de la corporación.

3) Python

Python es un lenguaje de programación que está orientado a objetos y, es

muy fácil de mantener, leer y escribir. Su aportación al análisis de datos se explica
por las numerosas librerías creadas para esta finalidad y, sobre todo, por su fácil

11
integración con algunas aplicaciones de extracción de datos, especialmente sobre
bases de datos no relacionales.

4) SQL

Es un lenguaje de programación que se utiliza para la interacción con las

bases de datos. Es muy útil para modelar complejas conexiones de datos, y
potente para obtener toda la información basada en peticiones de los datos
almacenados por la compañía.

5) Programación en R

R es tanto un entorno como un lenguaje de programación que está

orientado al análisis estadístico. Es muy popular en los campos de aprendizaje
automático (machine learning), minería de datos, investigación biomédica,
bioinformática y matemáticas financieras.

6) Tableau

Es un software gratuito que conecta diferentes fuentes de datos, como

Microsoft Excel, datos basados en la web, etc. que sirve para crear de forma
gráfica dashboards, mapas y visualizaciones que tienen información en tiempo
real.

7) QlikView

Se trata de una herramienta cuya característica fundamental es lo eficiente

de su procesamiento. Los datos se almacenan en memoria, lo que ayuda a
ejecutar el resultado de forma rápida y ajustada a cada necesidad.

8) Apache Spark

Es un framework de programación para procesamiento de datos distribuidos

diseñado para ser rápido. Como su propio nombre indica, ha sido desarrollada en
el marco del proyecto Apache, lo que garantiza su licencia Open Source.

9) Rapid Miner

12
 Esta es una potente herramienta para el data science integrado. Fue
desarrollada por una compañía que también realiza análisis predictivos y algunos
análisis más avanzados como machine learning, análisis de texto, análisis visual y
minería de datos sin necesidad de programación. Esta herramienta puede
incorporarse a cualquier tipo de fuente de datos, incluyendo Excel, Oracle, IBM
SPSS, Teradata, Access, Microsoft SQL, Dbase, Sybase, etc. .

Existe un conjunto de herramientas más especializadas en procesos

estadísticos, que se complementan con las aquí presentadas. Hoy, cualquier
herramienta para análisis de datos tiene como característica básica que es la
integración.

Todas estas herramientas facilitan enormemente el análisis de datos y

cualquiera de ellas optimizará la gestión de los datos. Todas funcionan de manera
diferente, con diferentes capacidades y ofrecen diferentes características. Solo
debemos conocer bien nuestras necesidades para poder elegir la que mejor se
adapte a ellas

Aplicación de los mínimos cuadrados

El Método de Mínimos Cuadrados o Regresión Lineal se utiliza tanto para

pronósticos de series de tiempo como para pronósticos de relaciones causales. En
particular cuando la variable dependiente cambia como resultado del tiempo se
trata de un análisis de serie temporal.

Para el siguiente ejemplo, se tomará como referencia la información

histórica de venta de un producto determinado durante los últimos 12 trimestres (3
años) cuyos datos se observan en la siguiente tabla resumen:

13
 La ecuación de mínimos cuadrados para la regresión lineal es la que se
muestra a continuación donde β0 y β1 son los parámetros
de intercepto y pendiente, respectivamente:

Estimar los valores de dichos parámetros, como muestra la tabla a

continuación:

14
Luego evaluamos en las ecuaciones presentadas anteriormente para obtener los
valores de β0 y β1:

Una vez obtenido los parámetros de la regresión lineal se puede desarrollar un

pronóstico de demanda evaluando en la ecuación de la regresión para los
distintos valores de la variable independiente (x).

Por ejemplo, para el primer trimestre el pronóstico

es: Y(1)=441,71+359,61*1=801,3.

15
16
 CONCLUSIÓN

La administración de la demanda es un proceso que consiste en analizar

las ventas y la producción, con el objetivo de responder ante una demanda del
mercado, el mismo nos permite conocer los procesos internos y externos de la
producción y es importante, ya que busca profundizar en las ventas, los clientes y
envíos, cabe mencionar que es nos permite tomar decisiones que puedan ser
beneficiosas para la empresa.

Es un hecho que la sociedad demanda productos y servicios que logren

satisfacer sus necesidades, enfocándose las empresas en la satisfacción de estas
a cambio de una remuneración económica, pero es importante anticiparse a la
cantidad de bienes o servicios que la sociedad demandar a, es por ello la
importancia de realizar un pronóstico de demanda valiéndose de diferentes
métodos y técnicas, en la experiencia de la mayoría de los negocios el presente
que impactara en el futuro se respalda en la intuición y no es que esto sea malo,
pero bajo el contexto actual en el cual se mueven todos los mercados, la
incertidumbre es parte de la operación de las empresas en el día a día, las
decisiones siempre se toman con información insuficiente, y con un margen de
incertidumbre mayor o menos que depende del tiempo y de los recursos que se
destinan a la búsqueda de información.

De esta forma podemos saber lo importante que son las herramientas de

análisis para datos históricos de una empresa, permitiendo poder acceder a
información de calidad, ya que trae grandes beneficios durante la toma de
decisiones y, de esta manera detectar cuáles son los puntos débiles que necesitan
mejorarse y tener mayores oportunidades de ganancia. Antes, los directores
recurrían a la intuición para decidir el rumbo de su empresa. Ahora, con el análisis
de datos ahora pueden experimentar con los productos, servicios o conocer los
beneficios que puede traer invertir en nuevos negocios y responder a las
necesidades, tanto empresariales como del consumidor.

17
 BIBLIOGRAFÍA

TALAYA ET AL. (2008). Principios de marketing, ESIC Editorial.

BIBLIOGRAFÍA ELECTRÓNICA

 https://www.forcemanager.com/es/blog/pronosticos-cuantitativos/
 https://www.ingenioempresa.com/metodos-cuantitativos-pronostico-
demanda/
 Blog.bismart.com
 Ucatalunya.edu.com
 https://thelogisticsworld.com/historico/pronosticos-y-administracion-de-la-
demanda-2/#:~:text=Podemos%20definir%20a%20la%20administraci
%C3%B3n,a%20la%20demanda%20del%20mercado.
 https://www.gestiondeoperaciones.net/proyeccion-de-demanda/como-
utilizar-una-regresion-lineal-para-realizar-un-pronostico-de-demanda/

18