FECHA DE ENTREGA: 19/OCTUBRE/2022

NOMBRES:
RAMIREZ JARAMILLO DIEGO CESAR

MATERIA:
ADMINISTRACIÓN DE LAS OPERACIONES

MAESTRO:
AURELIO SANCHEZ LOPEZ

GRUPO:
2511 MATUTINO

CARRERA:
INGENIERÍA INDUSTRIAL
PRONOSTICO DE LA DEMANDA

2.1. Importancia estratégica del pronóstico

Todas las organizaciones que planifican las condiciones de su futuro, el cual no conocen a ciencia cierta,
emplean pronósticos en sus diferentes áreas funcionales. Algunos casos de uso de pronósticos en la
empresa son:

El objetivo básico de un pronóstico consiste en reducir el rango de incertidumbre dentro del cual se toman
las decisiones que afectan el futuro del negocio y con él a todas las partes involucradas

Es la aplicación de las técnicas estadísticas para estimar lo que sucederá con las ventas existentes de
la empresa dentro de un tiempo determinado que puede ser de productos o de servicio

Realizar pronósticos en los diferentes sistemas productivos que existen en el mundo en estos tiempos,
es indispensable, ya que el tener estimaciones certeras, se puede llevar una adecuada planeación de la
producción, de recursos humanos, de las finanzas de la empresa, de entregas, de compras, etc.

Aplicación del modelo (el pronóstico real). Consiste en los pronósticos reales del modelo que se generan
una vez que se han recolectado y quizás reducido a sólo los datos adecuados, tan pronto se ha elegido
un modelo adecuado de pronósticos.

2.2. Características de la demanda

Cuatro características de la demanda distinguen el mercado de empresas y el de consumidores: en el

primero, la demanda es derivada, tiende a ser inelástica, fluctúa muyo y el mercado está bien
informado.

1. La demanda es derivada.

La demanda de un producto para las empresas deriva de la que tengan los productos de consumo en
que se utilice. Así, la demanda del acero depende en parte de la demanda de automóviles y
refrigeradores por parte de los usuarios, pero también depende de la demanda de mantequilla, guantes
de béisbol y reproductores de discos compactos. Ello se debe que las herramientas, máquinas y otro
tipo de equipo necesario para fabricarlo están hecho de hacer. En consecuencia, al aumentar la
demanda de guantes de béisbol, la empresa que los fabrique deberá comprar más máquinas de coser
hechas de acero y archiveros.

El hecho de que la en el mercado de empresas la demanda sea derivada tiene dos consecuencias muy
importantes para el marketing: primero para estimar la demanda de un producto la compañía deberá
estar familiarizada con la forma en que se usa. Ello es bastante fácil fabricantes de motores para
aviones de propulsión, pero hay otros que son más complejos y necesitan una investigación más
profunda.
La segunda, el fabricante de un producto para empresas puede realizar actividades de marketing que
estimulen la venta.

2. la demanda es inelástica.

Otra característica del mercado de empresas es la demanda inelástica de este tipo de productos. Por
elasticidad de la demanda se entiende la sensibilidad de la demanda entre el cambio del precio de una
mercancía.

La demanda de muchos productos industriales es la relatividad inelástica, lo cual significa que la

demanda de un producto depende poco de los cambios de su precio.

La demanda de los productos industriales es inelástica, porque normalmente el costo de una parte o
material constituye una pequeña parte del costo total del producto terminado.

El costo de la sustancia química de la pintura es una parte pequeña del precio que el consumidor paga
por ella.

Desde el punto de vista del marketing hay tres factores capaces de regular la inelasticidad de la demanda
de los productos industriales:

▪ Los cambios de precio han de darse en toda la industria, no en una sola compañía. Una reducción
generalizada en el precio de las bandas de acero en las llantas ejercerá un pequeño efecto sobre
el precio de la llanta; por tanto, también será pequeño su efecto en la demanda de este tipo de
llantas. En consecuencia, tendrá un impacto ligero en la demanda total de la banda. Sin embargo,
si un proveedor rebaja de modo considerable el precio de las bandas de acero, al hacerlo les
quitara muchos clientes a sus competidores. Así pues, en poco tiempo la curva de demanda de
una empresa puede ser muy elástica. Pero la ventaja probablemente será temporal, porque sin
duda los competidores contraatacaran de alguna manera para recobrar los clientes perdidos.

▪ El segundo factor de marketing capaz de modificar la inelasticidad de la demanda es el tiempo.

En gran parte, se efectúa a corto plazo. A la larga, la demanda de un producto industrial es más
elástica. Sin aumentar el precio de la tela de vestidos para dama. Tal vez no se opere un cambio
inmediato en el precio del vestido terminado. Sin embargo, el incremento del costo de los
materiales podría muy bien reflejarse en el aumento del precio de los vestidos en el siguiente
año. Durante un año o más a partir de este año ese incremento a su vez influirá en la banda de
vestidos y, por tanto, en la de tela.

▪ El tercer factor es la importancia relativa que un producto industrial tiene en el costo del bien
terminado. Podemos generalizar así: cuando más elevado sea el costo de un producto industrial
como porcentaje del precio total del bien terminado, mayor será la elasticidad de su demanda.
3. La demanda fluctúa mucho

Aunque la demanda de los bienes industriales no cambia en respuesta a las alteraciones de los precios,
si lo hace frente a otros factores. De hecho, la demanda de casi todas las clases de bienes industriales
fluctúa mucho más de la de los productos de consumo. La demanda de instalaciones (grandes plantas,
equipos, fábricas, etc.) está muy sujeta al cambio. También se observan fluctuaciones en el mercado del
equipo accesorio: mobiliario de oficina y maquinaria, camiones de reparto y productos similares. Todos
ellos tienden a acentuar las oscilaciones de la demanda de materia prima y de piezas de fabricación.
Esto lo apreciamos con toda claridad cuando las disminuciones de la demanda en las industrias de la
construcción y automotriz afectan a los proveedores de madera, acero y otros materiales y piezas.

Una de las principales causas de la fluctuación es que a las empresas individuales les preocupa sufrir
escasez de existencias cuando aumenta la demanda o quedarse con exceso de inventario cuando
disminuye. Por ello suele reaccionar exageradamente ante las señales de la economía: acumulan
inventarios al ver señales de crecimiento en la economía y los reducen si ven signos indicadores de un
encantamiento. Cuando se combinan las acciones de todas las firmas, el efecto que ello ejerce sobre los
proveedores es una demanda fluctuante en extremo. A esta se le llama principio de aceleración. Una
excepción de esta generalización la encontramos e los productos agrícolas destinados a ser procesados.
Puesto que la gente no puede prescindir de los alimentos, se da una demanda bastante constante de los
animales que producen carne comestible, frutas y verduras que se enlatan o se venderán congeladas,
de granos y productos lácteos con que se elaboran cereales y pan.

4. Los compradores están bien informados

Por lo regular los clientes industriales tan mejor informados sobre lo que adquieren que los consumidores
finales. Conocen más sobre los méritos de otras fuentes de suministro y de los productos de la
competencia por tres razones. Primero, son relativamente pocas las opciones que han de considerar.
Casi siempre el público consumidor tiene mucha s más marcas y tiendas de donde escoger que ellos.
Primero, son relativamente pocas las opciones que han de considerar. Casi siempre el público
consumidor tiene muchas más marcas y tiendas de donde escoger que ellos. Segundo, la
responsabilidad de este tipo de comprador normalmente se limita a unos pocos productos. A diferencia
del consumidor que adquiere muchas cosas diferentes, su tarea consiste en conocer perfectamente un
conjunto rigurosamente definido de productos. Tercero. En la mayor parte de las compras un error no
pasa de ser un problema insignificante. En cambio, en la compra industrial un error puede costar miles
de dólares e incluso el decisor puede perder su empleo.

Esta necesidad de infamación tiene una importante consecuencia en el Marketing. Los vendedores de
productos industriales conceden mayor importancia a la venta personal que las compañías que
comercializan productos de consumo. Los que venden a las empresas han de ser seleccionados con
mucho cuidado, han de ser recibir una capacitación adecuada y una buena remuneración. Su obligación
es realizar eficaces presentaciones de ventas y brindar un servicio satisfactorio tanto antes de la venta
como después de realizada. Los ejecutivos de ventas ponen ahora mayor empeño en la asignación de
los vendedores a los clientes más importantes, con el fin de asegurarse de que sean compatibles con
ellos.

2.3. Métodos cualitativos

Son los que no requieren de una abierta manipulación de datos, sino que hacen uso del juicio de quien
pronostica. Por su naturaleza estos suelen ser subjetivos y no utilizan modelos matemáticos.

Las técnicas cualitativas se usan cuando no se tiene disponibilidad de información histórica o los datos
son escasos, por ejemplo, cuando se introduce un producto nuevo al mercado. Usan el criterio de la
persona y ciertas relaciones para transformar información cualitativa en estimados cuantitativos.

En los siguientes puntos se listan las características clave de los datos que provienen de pronósticos
cualitativos:

Por lo general el pronóstico se basa en un juicio personal o en alguna información cualitativa externa.

El pronóstico tiende a ser subjetivo; toda vez que suele desarrollarse a partir de la experiencia de las
personas involucradas, con frecuencia estará sesgado con base en la posición potencialmente optimista
o pesimista de dichas personas.

Una ventaja de este método radica en que casi siempre permite obtener algunos resultados con bastante
rapidez.

En ciertos casos, la proyección cualitativa es especialmente importante, ya que puede constituir el único
método disponible. Estos métodos suelen utilizarse para productos individuales o familias de productos,
y rara vez para mercados completos

Algunos de los métodos más comunes de pronóstico cualitativo son los siguientes:

Investigación de Mercados

Se usa para evaluar y probar hipótesis acerca de mercados reales. Suelen ser cuestionarios
estructurados que se envían a los clientes potenciales del mercado solicitando en ellos opinión acerca
de productos o productos potenciales e intentan muchas veces averiguar la probabilidad de que los
consumidores demanden ciertos productos o servicios.

En resumen, una investigación de mercado consiste en los siguientes pasos:

➢ Desarrollar cuestionario con preguntas que proporcionen información necesaria para el desarrollo del
pronóstico, por ejemplo, edad o ingresos o con qué frecuencia se consumiría el producto. Si se aplica a
distribuidor serían necesarios el tamaño de la tienda y la proyección del número de artículos que
compraría.

➢ Llevar a cabo la encuesta, ya sea por correo, fax, teléfono, postal para recortar en una revista, etc.

➢ Tabular y analizar los resultados e interpretarlos cuidadosamente La exactitud de este método puede
ser excelente, dependiendo del cuidado que se haya puesto en el trabajo.

Método Delphi o consenso de panel

Se usa para pronósticos a largo plazo, pronósticos de ventas de productos nuevos y pronósticos
tecnológicos. Llamado así en honor al Oráculo de Delphos, quien predijo eventos futuros. En ésta método
un comité de expertos corresponde al Oráculo. Se utilizan paneles con estos expertos en el mercado
específico y de diferentes campos, los cuales intentan transferir al análisis su conocimiento individual
respecto de los factores que afectan la demanda, interactuando entre sí para tratar de llegar a un
consenso en cuanto al pronóstico de la demanda. Este método permite que cada experto realice sus
pronósticos individuales anónimamente, especificando las razones que lo llevaron a dicha proyección,
después el conjunto de éstos se distribuye entre todos los expertos, lo cual permite que cada uno
modifique sus proyecciones en base a la información de los demás. La idea es repetir esta serie de pasos
hasta alcanzar un consenso.

2.3.1. Consulta a la fuerza de venta

Es una técnica cualitativa para pronosticar la demanda por medio de la consulta a cada vendedor de
la estimación de la demanda futura, la cual debe ser revisada, pues como verás en las desventajas, esta
técnica suele arrojar estimaciones muy optimistas o quizás muy conservadoras.

Las ventajas de esta técnica son:

• Es un método incluyente al solicitar la estimación de los vendedores, lo que puede aumentar su

motivación. Aunque esto se ve maximizado cuando su opinión es solicitada con frecuencia y sus
metas no están fuera de su alcance.

• Permite ajustar la meta de la fuerza de ventas, haciendo comparativos entre cada vendedor.

• El pronóstico obtenido en una zona puede ser combinado con el de otras zonas para obtener
pronósticos de territorios más grandes.

Y en las desventajas:
 • Considerando que la empresa establece metas para la fuerza de ventas, esta técnica puede
generar datos no confiables si el vendedor entrega una estimación de la demanda menor para
cumplir su meta.

• En ocasiones la estimación entregada por los vendedores puede ser muy elevada o muy discreta.
Por ello es necesario que la estimación sea revisada y ajustada para generar datos confiables o,
que sea usada en conjunto con otras técnicas como Delphi o juicio ejecutivo.

2.3.2. Jurado de opinión ejecutiva

Valoración o juicio informado

Es uno de los métodos de pronósticos de mayor uso, sin embargo, también es de los menos confiables.
Stephen Chapman nos proporciona un ejemplo sobre un ejecutivo de ventas y su equipo de vendedores,
en éste, el ejecutivo solicita a cada vendedor que desarrolle una proyección de ventas para su área,
tomando como marco temporal cierto periodo futuro. Luego, el ejecutivo combina las proyecciones
individuales en un pronóstico de ventas global para la compañía. Las razones por las que este método
suele ser poco fiables son variadas, entre ellas destacan las siguientes:

• Los vendedores pueden utilizar dicho pronóstico como oportunidad para establecer metas
optimistas.
• Miedo por parte de los vendedores de que sus pronósticos se utilicen como una cuota de ventas,
lo que los puede llevar a establecer una cifra menor de la que ellos creen poder vender.
• Los acontecimientos recientes, por ejemplo, una buena o mala semana de ventas, bombardeo
mediático acerca de una inminente debacle en la demanda de servicios o productos por la crisis
económica, etc. pueden influenciar de tal manera que sus proyecciones serán muy pesimistas o
muy optimistas.

2.3.3. Método Delphi

Se usa para pronósticos a largo plazo, pronósticos de ventas de productos nuevos y pronósticos
tecnológicos. Llamado así en honor al Oráculo de Delphos, quien predijo eventos futuros. En ésta método
un comité de expertos corresponde al Oráculo.

Se utilizan paneles con estos expertos en el mercado específico y de diferentes campos, los cuales
intentan transferir al análisis su conocimiento individual respecto de los factores que afectan la demanda,
interactuando entre sí para tratar de llegar a un consenso en cuanto al pronóstico de la demanda.
Este método permite que cada experto realice sus pronósticos individuales anónimamente, especificando
las razones que lo llevaron a dicha proyección, después el conjunto de éstos se distribuye entre todos
los expertos, lo cual permite que cada uno modifique sus proyecciones en base a la información de los
demás. La idea es repetir esta serie de pasos hasta alcanzar un consenso.

2.3.4. Investigación de mercado

La investigación de mercados es el proceso que comprende las acciones de identificación, recopilación,

análisis y difusión de información con el propósito de mejorar la toma de decisiones de marketing.

Su implementación se produce, básicamente, por dos razones: (1) Para resolver problemas, por ejemplo,
determinar el potencial de un mercado; (2) para identificar problemas, por ejemplo, para conocer por qué
un producto no tiene el consumo esperado. En esencia, se busca conocer al cliente cumpliendo así con
la primera premisa del marketing.

Los objetivos de la investigación se pueden dividir en tres:

Objetivo social:

Satisfacer las necesidades del cliente, ya sea mediante un bien o servicio requerido, es decir, que el
producto o servicio cumpla con los requerimientos y deseos exigidos cuando sea utilizado.

Objetivo económico:

Determinar el grado económico de éxito o fracaso que pueda tener una empresa al momento de entrar
a un nuevo mercado o al introducir un nuevo producto o servicio y, así, saber con mayor certeza las
acciones que se deben tomar.

Objetivo administrativo:

Ayudar al desarrollo de su negocio, mediante la adecuada planeación, organización, control de los

recursos y áreas que lo conforman, para que cubra las necesidades del mercado, en el tiempo oportuno.

2.3.5. Analogía de ciclo de vida

En este caso se trata de pronosticar la evolución en el tiempo que tendrá el ciclo de vida de un
determinado producto. Este ciclo se puede dividir normalmente en cinco
etapas: desarrollo, introducción, crecimiento, madurez y declinación. Este pronóstico nos permite tener
una estimación del tamaño del mercado, y en conjunto con la participación de mercado que tendrá la
empresa, estimar la cantidad de producto que será demandada.
Por lo general las utilidades se alcanzan recién en las etapas de crecimiento y madurez. Adicionalmente
dependiendo del tipo del producto es crítico que la etapa de desarrollo sea rápida, en particular en
aquellos con ciclo de vida corto o que rápidamente alcanzan una obsolescencia como por ejemplo los
productos intensivos en tecnología.

Una representación gráfica del ciclo de vida de un producto según lo definido anteriormente se presenta
a continuación:

El ciclo de vida de un producto también lo podemos también relacionar con la Matriz de Participación de
Mercado del BCG (Boston Consulting Group), en que los productos son clasificados
como incógnitas, estrellas, vacas lecheras, o perros. Esta clasificación obedece a dos ejes de
análisis: participación relativa del mercado y tasa de crecimiento del mercado.

2.4. Métodos cuantitativos

Estos pronósticos utilizan modelos matemáticos con los que se analizan los resultados pasados de las
ventas de una empresa. Estos modelos suponen que los datos históricos son relevantes en el futuro, por
lo tanto, es necesario conocer los datos de ventas pasados y los patrones de demanda.

En este artículo voy a tratar de ejemplificar los pronósticos cuantitativos, como son el modelo de regresión
o el run rate. Estos métodos por norma general tienen un error de pronóstico menor al de los cualitativos
puesto que se usan datos reales e internos a la hora de hacer las predicciones.

A pesar de que la palabra ‘cuantitativa’ vaya acompañada de muchas connotaciones matemáticas (y

obviamente incluye un poco de trabajo de cálculo por tu parte) no hay ninguna razón por la que tengas
que preocuparte lo más mínimo. A mi tampoco se me daban bien las matemáticas y he podido
desenvolverme fácilmente con estos métodos… Así pues, intentemos no complicarnos la vida y
pongamos las cosas fáciles.

Lo que haremos ahora será desarrollar los 4 métodos de pronósticos cuantitativos de series de tiempo
más comúnmente utilizados en el sector de ventas. Permíteme hacerte una última aclaración, conocidos
como modelos de pronósticos de series de tiempo, estos métodos predicen el futuro de las ventas de un
producto (bien o servicio) mediante modelos matemáticos que se apoyan en datos históricos de la
demanda para proyectar la demanda futura. Recuerda, una serie de tiempo es un conjunto de
observaciones de una variable a lo largo del tiempo.

2.4.1. Series de tiempo

técnica de pronóstico que emplea una serie de datos puntuales históricos para obtener el pronóstico.
Modelos asociativos: los modelos causales como la regresión lineal, incorporan las variables o
factores que pueden influir en la cantidad por pronosticar.

Pronósticos de series de tiempo: se basa en una secuencia de datos puntuales separados a

intervalos iguales.

Descomposición de una serie de tiempo: una serie de tiempo tiene 4 componentes:

• Las tendencias
• La estacionalida
• Los ciclos
• Las variaciones aleatorias

2.4.1.1. Enfoque simple

También llamado pronostico empírico. Uno de los métodos más sencillos es usar
el
último dato como pronostico para el siguiente periodo. Es decir el pronóstico de la
demanda para el siguiente periodo es igual a la demanda observada en el periodo
actual.
Por ejemplo si la demanda real para el miércoles ha sido 35 clientes, la demanda
para el
jueves será 35 clientes. Si la demanda real del jueves es 42 clientes, la demanda
pronosticada para el viernes será de 42 clientes.
Este método puede tomar en cuenta una tendencia de la demanda. El incremento
(o
decremento) observado en la demanda de los dos últimos
periodos se usa para ajustar la
demanda actual con miras a elaborar un pronostico.
Suponer que la demanda en la próximo periodo será igual
a la demanda del periodo mas reciente:
Ejemplo, si en mayo hubo 48 ventas , en junio habrá
48 ventas.
Es el modleo con la mejor relación eficacia- costo y
eficiencia.
Sirve como punto de partida para modelos mas
sofisticados
También llamado pronostico empírico. Uno de los métodos más sencillos es usar
el
último dato como pronostico para el siguiente periodo. Es decir el pronóstico de la
demanda para el siguiente periodo es igual a la demanda observada en el periodo
actual.
Por ejemplo si la demanda real para el miércoles ha sido 35 clientes, la demanda
para el
jueves será 35 clientes. Si la demanda real del jueves es 42 clientes, la demanda
pronosticada para el viernes será de 42 clientes.
Este método puede tomar en cuenta una tendencia de la demanda. El incremento
(o
decremento) observado en la demanda de los dos últimos
periodos se usa para ajustar la
demanda actual con miras a elaborar un pronostico.
Suponer que la demanda en la próximo periodo será igual
a la demanda del periodo mas reciente:
Ejemplo, si en mayo hubo 48 ventas , en junio habrá
48 ventas.
Es el modleo con la mejor relación eficacia- costo y
eficiencia.
Sirve como punto de partida para modelos mas
sofisticados
También llamado pronostico empírico. Uno de los métodos más sencillos es usar
el
último dato como pronostico para el siguiente periodo. Es decir el pronóstico de la
demanda para el siguiente periodo es igual a la demanda observada en el periodo
actual.
Por ejemplo si la demanda real para el miércoles ha sido 35 clientes, la demanda
para el
jueves será 35 clientes. Si la demanda real del jueves es 42 clientes, la demanda
pronosticada para el viernes será de 42 clientes.
Este método puede tomar en cuenta una tendencia de la demanda. El incremento
(o
decremento) observado en la demanda de los dos últimos
periodos se usa para ajustar la
demanda actual con miras a elaborar un pronostico.
Suponer que la demanda en la próximo periodo será igual
a la demanda del periodo mas reciente:
Ejemplo, si en mayo hubo 48 ventas , en junio habrá
48 ventas.
Es el modleo con la mejor relación eficacia- costo y
eficiencia.
Sirve como punto de partida para modelos mas
sofisticados
También llamado pronostico empírico. Uno de los métodos más sencillos es usar
el
último dato como pronostico para el siguiente periodo. Es decir el pronóstico de la
demanda para el siguiente periodo es igual a la demanda observada en el periodo
actual.
Por ejemplo si la demanda real para el miércoles ha sido 35 clientes, la demanda
para el
jueves será 35 clientes. Si la demanda real del jueves es 42 clientes, la demanda
pronosticada para el viernes será de 42 clientes.
Este método puede tomar en cuenta una tendencia de la demanda. El incremento
(o
decremento) observado en la demanda de los dos últimos
periodos se usa para ajustar la
demanda actual con miras a elaborar un pronostico.
Suponer que la demanda en la próximo periodo será igual
a la demanda del periodo mas reciente:
Ejemplo, si en mayo hubo 48 ventas , en junio habrá
48 ventas.
Es el modleo con la mejor relación eficacia- costo y
eficiencia.
Sirve como punto de partida para modelos mas
sofisticados
También llamado pronostico empírico. Uno de los métodos más sencillos es usar el último dato como
pronóstico para el siguiente periodo. Es decir, el pronóstico de la demanda para el siguiente periodo es
igual a la demanda observada en el periodo actual.

Por ejemplo:

Si la demanda real para el miércoles ha sido 35 clientes, la demanda para el jueves será 35 clientes. Si
la demanda real del jueves es 42 clientes, la demanda pronosticada para el viernes será de 42 clientes

2.4.1.2. Promedios móviles

Los promedios móviles son muy útiles. Los promedios móviles indican el promedio del precio en un punto
determinado de tiempo sobre un período de tiempo definido. Se llaman móviles ya que reflejan el último
promedio, mientras que se adhieren a la misma medida de tiempo.

Los promedios móviles simples

Es un método que se utiliza para estimar el promedio de una serie de tiempo de demanda y, por lo tanto,
para suprimir los efectos de las fluctuaciones al azar. Este método resulta más útil cuando la demanda
no tiene tendencias pronunciadas ni influencias estacionales. La aplicación de un modelo de promedio
móvil implica simplemente calcular la demanda promedio para los n periodos más recientes, con el fin
de usarla como pronóstico para el siguiente periodo.

Promedio móvil ponderado:

En el método de promedio móvil simple, todas las demandas tienen la misma ponderación en el
promedio, es decir, 1/n. En el método de promedio móvil ponderado, cada una de las demandas
históricas que intervienen en el promedio puede tener su propia ponderación. Ejemplo; en un modelo cn
promedio móvil ponderado de tres periodos, al periodo más reciente se le puede asignar una ponderación
de 0.50, al segundo se le asigna una ponderación de 0.30, y al tercero una de .20. El promedio se obtiene
multiplicando la ponderación de cada periodo por el valor correspondiente a dicho periodo y finalmente
los productos:

2.4.1.3. Suavización exponencial

El método de suavización exponencial es un método de promedio móvil ponderado muy refinado que
permite calcular el promedio de una serie de tiempo, asignando a las demandas recientes mayor
ponderación que a las demandas anteriores. Es el método de pronóstico formal que se usa más a
menudo, por su simplicidad y por la reducida cantidad de datos que requiere. Este método solo requiere
3 tipos de datos: el pronóstico del último periodo, la demanda de ese periodo y un parámetro suavizador,
alfa
α, cuyo valor fluctúa entre 0 y 1.0.

La siguiente es una ecuación equivalente:

F t+1 = F t +

α (Dt – Ft)

Esta forma de la ecuación muestra que el pronóstico para el periodo siguiente es igual al pronóstico del
periodo actual más una proporción del error del pronóstico correspondiente al mismo periodo actual.

“La suavización exponencial tiene las ventajas de ser sencilla y requerir un mínimo de datos. Su
utilización es económica y, por lo tanto, muy atractiva para las empresas que realizan miles de
pronósticos para cada periodo de tiempo”.

2.4.1.4. Tendencia lineal

En el Modelo de Regresión es muy importante identificar cuál es la variable dependiente y cuál es la

variable independiente.

En el Modelo de Regresión Simple se establece que Y es una función de sólo una variable independiente,
razón por la cual se le denomina también Regresión Divariada porque sólo hay dos variables, una
dependiente y otra independiente y se representa así:

Y = f (X)
"Y está regresando por X"

ANÁLISIS ESTADÍSTICO: REGRESIÓN LINEAL SIMPLE

En el estudio de la relación funcional entre dos variables poblacionales, una variable X, llamada
independiente, explicativa o de predicción y una variable Y, llamada dependiente o variable respuesta,
presenta la siguiente notación:

Y=a+bX+e
Donde:
a es el valor de la ordenada donde la línea de regresión se intercepta con el eje Y.
b es el coeficiente de regresión poblacional (pendiente de la línea recta)
e es el error

SUPOSICIONES DE LA REGRESIÓN LINEAL

Los valores de la variable independiente X son fijos, medidos sin error.
La variable Y es aleatoria. Para cada valor de X, existe una distribución normal de valores de Y
(subpoblaciones Y)
Las variancias de las subpoblaciones Y son todas iguales. Todas las medias de las subpoblaciones de
Y están sobre la recta.
Los valores de Y están normalmente distribuidos y son estadísticamente independientes.

ESTIMACIÓN DE LA ECUACIÓN DE REGRESIÓN MUESTRAL

Consiste en determinar los valores de "a" y "b " a partir de la muestra, es decir, encontrar los valores de
a y b con los datos observados de la muestra. El método de estimación es el de Mínimos Cuadrados,
mediante el cual se obtiene:

Luego, la ecuación de regresión muestral estimada es:

Que se interpreta como:

a es el estimador de a
Es el valor estimado de la variable Y cuando la variable X = 0
b es el estimador de b , es el coeficiente de regresión

Está expresado en las mismas unidades de Y por cada unidad de X. Indica el número de unidades en
que varía Y cuando se produce un cambio, en una unidad, en X (pendiente de la recta de regresión).

Un valor negativo de b sería interpretado como la magnitud del decremento en Y por cada unidad de
aumento en X.

2.4.2. Relaciones Causales

Los modelos cuantitativos de pronósticos con modelos matemáticos que se basan en datos históricos.
 • Estos modelos suponen que los datos históricos son relevantes en el futuro.

• Casi siempre puede obtenerse información pertinente al respecto.

• Aquí, analizaremos varios modelos cuantitativos, la precisión del pronóstico, pronósticos a

largo plazo y pronósticos a corto plazo

Se llama serie de tiempo a cualquier sucesión de observaciones de un fenómeno que es variable con
respecto al tiempo. Estos métodos suponen que la variable pronosticada tiene información útil para el
desarrollo del pronóstico sobre su comportamiento anterior, considerando probable que lo que sucedió
en el pasado continúe ocurriendo en el futuro.

2.4.2.1. Regresión simple

La regresión lineal simple consiste en generar un modelo de regresión (ecuación de una recta) que
permita explicar la relación lineal que existe entre dos variables. A la variable dependiente o respuesta
se le identifica como Y y a la variable predictora o independiente como X.

El modelo de regresión lineal simple se describe de acuerdo a la ecuación:Y=β0+β1X1+ϵ

Siendo β0 la ordenada en el origen, β1 la pendiente y ϵ el error aleatorio. Este último representa la

diferencia entre el valor ajustado por la recta y el valor real. Recoge el efecto de todas aquellas variables
que influyen en Y pero que no se incluyen en el modelo como predictores. Al error aleatorio también se
le conoce como residuo.

En la gran mayoría de casos, los valores β0 y β1 poblacionales son desconocidos, por lo que, a partir de
una muestra, se obtienen sus estimaciones ˆβ0 y ˆβ1. Estas estimaciones se conocen como coeficientes
de regresión o least square coefficient estimates, ya que toman aquellos valores que minimizan la suma
de cuadrados residuales, dando lugar a la recta que pasa más cerca de todos los puntos. (Existen
alternativas al método de mínimos cuadrados para obtener las estimaciones de los coeficientes).

ˆy=ˆβ0+ˆβ1x

ˆβ1=∑ni=1(xi−¯x)(yi−¯y)∑ni=1(xi−¯x)2=SySxR

ˆβ0=¯y−ˆβ1¯x

Donde Sy y Sx son las desviaciones típicas de cada variable y R el coeficiente de correlación. ˆβ0 es el
valor esperado la variable Y cuando X = 0, es decir, la intersección de la recta con el eje y. Es un dato
necesario para generar la recta, pero en ocasiones, no tiene interpretación práctica (situaciones en las
que X no puede adquirir el valor 0).

Una recta de regresión puede emplearse para diferentes propósitos y dependiendo de ellos es necesario
satisfacer distintas condiciones. En caso de querer medir la relación lineal entre dos variables, la recta
de regresión lo va a indicar de forma directa (ya que calcula la correlación). Sin embargo, en caso de
querer predecir el valor de una variable en función de la otra, no solo se necesita calcular la recta, sino
que además hay que asegurar que el modelo sea bueno.

2.4.2.2. Regresión múltiple

Este tipo se presenta cuando dos o más variables independientes influyen sobre una variable
dependiente. Ejemplo: Y = f(x, w, z).

Utilizamos regresión múltiple cuando estudiamos la posible relación entre varias variables
independientes y otra variable dependiente.

Al aplicar el análisis de regresión múltiple lo más frecuente es que tanto la variable dependiente como
las independientes sean variables continuas medidas en escala de intervalo o razón. No obstante, caben
otras posibilidades: (1) también podremos aplicar este análisis cuando relacionemos una variable depen-
diente continua con un conjunto de variables categóricas; (2) o bien, también aplicaremos el análisis de
regresión lineal múltiple en el caso de que relacionemos una variable dependiente nominal con un
conjunto de variables continuas.

La anotación matemática del modelo o ecuación de regresión lineal múltiple es la que sigue:

Y=a+b
1x1 + b2x2 + ... + bnxn + eó
presente = a + b
1pasado + b2futuro + e

en donde:
Y es la variable a predecir;
a, b
1x1, b2x2... bnxn, son parámetros desconocidos a estimar;
y e es el error que cometemos en la predicción de los pará- metros.
Aplicaciones de la regresión múltiple

Es cierto que la regresión múltiple se utiliza para la predicción de respuestas a partir de variables
explicativas. Pero no es ésta realmente la aplicación que se le suele dar en investigación. Los usos que
con mayor frecuencia encontraremos en las publicaciones son los siguientes:

Identificación de variables explicativa

Nos ayuda a crear un modelo donde se seleccionen las variables que pueden influir en la respuesta,
descartando aquellas que no aporten información.

Detección de interacciones

Entre variables independientes que afectan a la variable respuesta.

Identificación de variables confurosas:

Es un problema difícil el de su detección, pero de interés en investigación no experimental, ya que el

investigador frecuentemente no tiene control sobre las variables independientes.

2.5. Pronósticos en el sector servicios

Los pronósticos en el sector de servicios presentan desafíos inusuales. Una técnica importante en el
sector comercial es el seguimiento de la demanda manteniendo registros adecuados de corto plazo.

Por Ejemplo:

TIENDAS DE ESPECIALIDAD

Las tiendas de especialidad son como las florerías, llegan a tener patrones de demanda poco comunes
y estos variaran de acuerdo a los días festivos

Considerando los patrones especiales de demanda, muchas empresas de servicios mantienen registros
de sus ventas, con notas que refieren no solo el día de la semana, si no también acontecimientos
inesperados, como el clima, con el objetivo de identificar patrones y correlaciones que influyen en la
demanda.

RESTAURANTES DE COMIDA RÁPIDA

Los restaurantes de comida rápida, están conscientes no solo de las variaciones en la demanda por
semana, día y hora si no, incluso de las variaciones cada 15 minutos que influyen en las ventas.
Inconsecuencia necesitan pronósticos detallados de la demanda. Los pronósticos son una parte crucial
de la función del administrador de operaciones. Los pronósticos de la demanda dirigen los sistemas de
producción capacidad y programación de la empresa y afectan las funciones de planeación financiera,
marketing y personal.

2.6. Pronósticos para empresas en creación

Las pequeñas y medianas empresas (Pymes) son conocidas por su flexibilidad y habilidad para ajustarse
a las condiciones cambiantes de cara a nuevos retos en el mercado. Esto implica que se encuentran en
continuo movimiento, tras estrategias que contrarresten las de sus competidores, especialmente de los
más grandes. Sin embargo, las Pymes son tan dependientes de los pronósticos como sus contrapartes
más grandes. De hecho, el ambiente inestable que enfrentan muchas de estas empresas hace de los
pronósticos una práctica aún más importante. Las empresas que no puedan reaccionar con rapidez a las
condiciones cambiantes y prever el futuro con algún grado de precisión, están condenadas a la extinción.
Para llevar a cabo este proceso, deben responder las siguientes preguntas:

¿Qué aspectos debe considerar en el diseño de los procesos de pronósticos en la empresa? ¿Qué tipo
y técnicas de modelos utilizarían? ¿Cómo se medirían los errores de pronósticos, y se fijarían los
márgenes permisibles? ¿Qué paquete de cómputo se debe adquirir y utilizar? ¿Cómo puede formar a
pronosticadores en la empresa?

El éxito de los procesos de pronósticos depende de la gente, los procesos y recursos. El apoyo principal
para desarrollar los pronósticos debe provenir de los niveles más altos de la compañía, dueños y
administradores generales. Por ejemplo, en una empresa de comercio, las áreas de ventas y de compras
deben asumir los roles principales en el manejo de los pronósticos, identificando los volúmenes de venta
de cada uno de los artículos por periodo, los niveles de existencia y los procesos de compra y tiempos
de entrega por parte de proveedores.

En el caso de empresas de servicio, personal es un área que también asume un papel fundamental en
la elaboración y uso de los pronósticos, más aún si el personal requerido es altamente calificado. Si los
montos de inversión en materiales, componentes y equipos son elevados, necesariamente implicaría que
finanzas se convierta en un jugador clave en los pronósticos.

Pronóstico de Venta

Un p es una previsión de las ventas de un producto o servicio durante determinado período futuro. Este
establece lo que serán las ventas reales de la empresa luego de un determinado grado de esfuerzo de
mercadeo de la misma.

El pronóstico determina qué puede venderse con base en la realidad, y el plan de ventas permite que
esa realidad hipotética se materialice, guiando al resto de los planes operativos de la empresa. El objetivo
principal de los pronósticos se transforma entonces en el de convertirse en la entrada para el resto de
los planes operativos. El pronóstico de venta necesariamente debe establecer la demanda de mercado
para un producto que es el volumen total susceptible de ser comprado por un determinado grupo de
consumidores, en un área geográfica concreta, para un determinado período de tiempo, en un entorno
definido de marketing y bajo un específico programa de marketing.

2.7. Uso de software en pronósticos

Elaboración de Pronósticos con software específico.

En muchas aplicaciones de los pronósticos 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.

Por ejemplo, una amplia red de instalaciones de servicio médico necesita calcular pronósticos de la
demanda de cada uno de sus servicios en cada departamento. Esta operación implica grandes
volúmenes de datos que deben ser manipulados con frecuencia. Los analistas tienen que examinar las
series de tiempo que corresponden a cada producto o servicio a fin de elaborar un pronóstico.
Existen dos tipos de paquetes de cómputo de ayuda para determinar el proceso de pronóstico
eficientemente:

1. Paquetes estadísticos que incluyen análisis de regresión y otras técnicas que se utilizan con frecuencia
en los pronósticos; y

2. Paquetes de pronóstico diseñados específicamente para aplicaciones de este tipo.

Paquetes de cómputo para pronóstico.

El desarrollo que ha tenido el mayor impacto en el pronóstico es el de los paquetes de programas de

cómputo diseñados específicamente para tratar en forma directa diferentes métodos de pronóstico.

Se han desarrollado cientos de paquetes estadísticos y de pronóstico tanto para macro como para
microcomputadoras (o computadoras personales, a las que con frecuencia se les llama PCs). Los
administradores con PCs sobre sus escritorios y el conocimiento de técnicas de pronóstico, ya no
dependen de un equipo de trabajo para realizar sus pronósticos. Los administradores modernos están
aprovechando la ventaja de la facilidad y disponibilidad de métodos complejos de pronóstico que
proporcionan las computadoras personales.

En esta sección, se mencionan algunos de los paquetes de cómputo estadísticos y de pronóstico más
utilizados. Con frecuencia se utilizan paquetes estadísticos que funcionan en macrocomputadoras, e
incluyen partes que tratan directamente varios métodos de pronóstico.

Cuatro de los paquetes más populares son:

1. Minitab: presenta menús y cuadros de diálogo, manteniendo el lenguaje de comandos para agregar
velocidad y flexibilidad.

2. Statistical Package for the Social Sciences (SPSS): paquete estadístico para las ciencias sociales.

3. Statistical Análisis System (SAS): sistema de análisis estadístico.

4. Excel
CONCLUSION
En conclusión, esta unidad me ayudo a volver a analizar los modelos cuantitativos que se usan en los
pronósticos como regresión lineal y múltiple y a identificar los métodos utilizados, la importancia de los
pronósticos actualmente dentro de las empresas ya sean chicas, medianas o grandes empresas, me
ayudo a desarrollar habilidades de investigación a conocer como hoy en día juega un papel muy
importante en la demanda este tema y como es aplicado por medio de software.

También pude notar que me ayudo a sentirme más cómodo hablando frente a una cámara yo solo, que
creo que fue algo un poco difícil para mi ya que se me hacia mas complicado que hablar en público,
olvidaba muchas veces que estaba por decir y estas actividades me dieron mas soltura en ese aspecto.

BIBLIOGRAFIA
• https://prezi.com/iah24lsolcxk/21-importancia-estrategica-del-pronostico/

• https://www.gestiondeoperaciones.net/proyeccion-de-demanda/metodo-
del-ciclo-de-vida-del-producto-para-pronosticos-de-ventas/

• https://www.forcemanager.com/es/blog/pronosticos-cuantitativos/

• https://sites.google.com/site/aolucina/unidad-2-unidad-2-pronostico-de-la-
demanda

• https://www.cienciadedatos.net/documentos/24_correlacion_y_regresion_
lineal#Regresi%C3%B3n_lineal_simple

• file:///C:/Users/diego/Downloads/UNIDAD_II_PRONOSTICO_DE_LA_DEMA
NDA%20(2).pdf