Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Características de la demanda:
Planes genéricos:
Estrategias:
La demanda de un bien o servicio se puede ver afectada tanto por factores externos
como por factores internos:
1
de la demanda, para utilizar con eficiencia los recursos y la capacidad de
producción.
Entorno económico
Tasa de crecimiento esperado del PBI
Aumento previsible de los precios
Cambios económicos que puedan afectar negativamente la evolución del
mercado y la demanda
Medidas a considerar si esos cambios tienen lugar
Entorno tecnológico
Desarrollo tecnológico que pudiera incidir sobre los costos de producción
Desarrollo tecnológico que pudiera afectar la demanda de nuestros
productos
Sectores tecnológicos susceptibles de amenazar nuestro campo de
actividad
Plazo en el que pueden ocurrir estos cambios
Medidas a adoptar en estos casos
Los avances tecnológicos pueden influir en el marketing de tres maneras:
2
Legislación específicamente relacionada con el marketing (regulación de
la competencia, protección al consumidor)
Entorno internacional
Dependencia de insumos importados
Estabilidad política y económica de los países de origen
Medidas a adoptar en casos de ruptura de los aprovisionamientos
Medidas a tomar ante un proceso de globalización de los mercados
Entorno ecológico
Procedimientos utilizados por nuestros proveedores que signifiquen una
amenaza para el medio ambiente
Medidas a adoptar si nuestros proveedores deben modificar sus procesos
de fabricación
Determinar qué procesos, materias primas, envases utilizamos y que
puedan significar una amenaza para la salud del entorno
Medidas a adoptar en caso de tener que cambiar
Clasificación de productos:
BIENES
Tangibles
Se pueden revender
Almacenables
La producción precede al consumo
Producción y consumo pueden separarse en el espacio
Pueden transportarse
3
Contacto indirecto entre compañía y cliente
Durables
Instalaciones grandes
Intensivos en capital
Calidad fácil de medir
Tiempo de respuesta largo
SERVICIOS
Intangibles
No se pueden revender
No almacenables
Producción y consumo son simultáneos
Producción y consumo deben ocurrir en el mismo lugar
No pueden transportarse
En la mayoría de los casos se necesita un contacto directo
Perecederos
Instalaciones pequeñas
Intensivos en trabajo
Calidad difícil de medir
Tiempo de respuesta corto
4
Bienes no buscados: aquellos que el consumidor no conoce o que
normalmente no piensa comprar. Ej: seguros de vida, enciclopedias.
Estos productos requieren apoyo de publicidad y ventas personales.
FLUJO de INFORMACIÓN
5
Plan de Marketing
Pronósticos de Venta
Ordenes de Producción
Pedidos a Proveedores
6
Aprovisionamiento
Almacenamiento
Producción
Distribución
Punto de Venta
Fácil será deducir, del esquema planteado, la importancia fundamental que reviste
un adecuado pronóstico de demanda, toda vez que se constituye en el “motor de
arranque” de las distintas áreas logísticas integradas.
7
Consideraciones generales
8
Métodos de pronósticos
Los métodos utilizados para pronosticar la demanda son variados y el uso de unos u
otros dependerá, entre otras cosas, del tipo de producto que estemos analizando.
Básicamente los clasificaremos en dos grandes grupos:
CUALITATIVOS:
- DE JUICIO
CUANTITATIVOS:
- CAUSALES
- SERIES DE TIEMPO
MÉTODOS DE JUICIO
Ventajas:
- Mayor probabilidad de conocer qué bienes y servicios comprarán los
clientes y en qué cantidad
- Información por distritos o regiones
- Los pronósticos individuales pueden combinarse fácilmente para obtener
pronósticos nacionales.
Desventajas:
- Subjetividad
- Probablemente no se perciba la diferencia entre lo que el cliente “desea” y
lo que “necesita”
- Posibilidad de subestimación del pronóstico para mostrar mejores
resultados luego
9
Opinión Ejecutiva
Desventajas:
- Costoso (utiliza el tiempo de ejecutivos)
- A veces queda fuera de control
- Riesgo de encadenamiento de sobreestimaciones (gerente comercial,
gerente de producción, etc.). Por eso es fundamental la existencia de un
consenso de pronóstico unificado
Investigación de Mercado
Encuestas
Grupos de opinión
Información provista por empresas consultoras
Método Delphi
10
MÉTODOS CAUSALES
Regresión lineal
El análisis de regresión lineal es un método causal que se utiliza para definir una
relación funcional lineal entre una variable dependiente y una o más variables
independientes.
Tiene dos propósitos:
1) Comprender la relación entre dos (o más) variables (Ej: publicidad y
ventas)
2) Predecir el valor de una variable con base en el valor de la(s) otra(s).
La regresión lineal simple incluye sólo una variable independiente y tiene la forma:
Yc a b.X
Este método es útil para los pronósticos a largo plazo. El objetivo es encontrar los
valores de “a” y “b” que minimicen la suma de las desviaciones al cuadrado
(mínimos cuadrados) de los puntos pertenecientes a la recta de regresión respecto
de los datos reales (diagrama de dispersión).
11
a Y b. X (1)
b
X X Y Y (2)
X X
2
X
X Y
Y
n (3) n (4)
Propiedades
Ejemplo:
12
Facturación Ingresos población (millones
(´00.000$) de $)
Año
Y X
1 6 3
2 8 4
3 9 6
4 5 4
5 4,5 2
6 9,5 5
TOTAL 42 24
X
X
24
4
6 6
Y
Y
42
7
6 6
AÑO Y X Y Y X X X X Y Y X X 2
1 6 3 -1 -1 1 1
2 8 4 1 0 0 0
3 9 6 2 2 4 4
4 5 4 -2 0 0 0
5 4,5 2 -2,5 -2 5 4
6 9,5 5 2,5 1 2,5 1
∑ 42 24 0 0 12,5 10
13
b
X X Y Y 12,5
1,25
X X
2
10
a Y b X 7 1,25.4 2
Yc 2 1,25 X
Medición del ajuste del modelo de regresión
SST Y Y 2
SSE Y YC
2
SSR YC Y 2
14
Luego tendremos la siguiente relación:
Y Y Y Y Y
2 2 2
C C Y
Yc Y
2
SSR
r2
Y Y
2
SST
Yc Y
2
r
Y Y
2
Ejemplo:
Volviendo al ejemplo de la empresa distribuidora, se puede calcular:
Año (Y - Ῡ)² Yc Y-Yc (Y – Yc)²
2 1 7 1 1
4 4 7 -2 4
5 6,25 4,5 0 0
∑ 22,5 0 6,875
15
Luego, la desviación explicada por la ecuación de regresión será:
SSR 15,625
r2 0,6944
SST 22,5
r r 2 0,6944 0,833
1) Tendencia
2) Estacionalidad
3) Ciclos
4) Aleatoria
16
La demanda puede tener distintos comportamientos:
Demanda constante
Demanda constante no significa necesariamente una recta horizontal, es decir, un
comportamiento de la demanda exactamente igual para cada mes. En la práctica,
muy difícilmente pueda darse ese caso.
Unidades
Mes
En los gráficos que siguen se muestran los tipos más comunes de tendencias.
17
Tendencia lineal
Ventas
Tiempo
Tendencia de Curva en S
Ventas
Tiempo
18
Tendencia asintótica
Ventas
Tiempo
Tendencia exponencial
Ventas
Tiempo
19
Demanda con estacionalidad
Unidades
20
Una vez vertidos los conceptos que acabamos de señalar, nos referiremos ahora,
en particular, a los distintos métodos de pronósticos de la demanda:
MÉTODOS de PRONÓSTICO
Pronóstico empírico
Este método busca suprimir los efectos de las variaciones al azar. Se calcula
obteniendo el promedio de, por ejemplo, la demanda de los últimos 12 meses y ese
valor se considera como la demanda para el mes siguiente. Luego, para el próximo
mes, se quita el mes “más viejo” y se lo reemplaza por el resultado real del “mes
más nuevo” y se sigue así repitiendo el cálculo mes a mes.
Ejemplo 1:
Un centro de distribución desea planificar la cantidad de bultos a despachar para el
mes siguiente (enero de 2009). Para esto cuenta con la información adjunta,
correspondiente al año 2008. A los efectos de que la estimación no esté influenciada
por variaciones “al azar” de la cantidad de bultos a despachar, se ha resuelto hacer
la estimación utilizando el método del promedio anual móvil simple.
Enero 4.310
Febrero 5.500
Marzo 6.200
Abril 4.920
Mayo 5.350
Junio 5.600
Julio 7.100
Agosto 5.870
Septiembre 6.250
Octubre 7.200
Noviembre 5.920
Diciembre 4.800
Solución:
De acuerdo a lo visto, para estimar la cantidad de bultos del mes de enero de 2009,
debemos sacar el promedio de los doce meses del año 2008. Esto es:
21
Prom. = 4.310+5.500+6.200+4.920+5.350+5.600+7.100+5.870+6.250+7.200+5.920+4.800
12
Ejemplo 2:
Solución:
Prom. = 5.500+6.200+4.920+5.350+5.600+7.100+5.870+6.250+7.200+5.920+4.800+5.430
12
Luego:
Es igual al anterior con la diferencia de que se asignan pesos relativos a los distintos
meses antes de calcular el promedio.
Es decir, en el caso anterior (promedio móvil simple), el peso relativo de cada mes
sería:
22
En este caso, en cambio, podríamos suponer que le asignamos, por ejemplo, un
peso relativo de 10, 20, 30 y 40 % a los meses de cada trimestre respectivamente,
de manera de que “pesen” más, los últimos meses.
Ejemplo 3:
Un centro de distribución desea estimar la cantidad de camiones que llegan a cargar
mercaderías en el primer trimestre de 2009. Para ello cuenta con información
trimestral del año 2008, según se consigna en forma adjunta. Para la estimación se
requiere utilizar el método de los promedios móviles ponderados.
Primero 950
Segundo 1.200
Tercero 1.470
Cuarto 1.050
Se determinó, asimismo, asignar los pesos relativos que hemos mencionado más
arriba (10, 20, 30 y 40 %) a cada trimestre del año respectivamente, de manera de
que “pese” más, la información de los últimos trimestres.
Solución:
La estimación de camiones para el primer trimestre de 2009, utilizando el promedio
móvil ponderado resultará:
Ejemplo 4:
Supongamos ahora el caso del ejemplo anterior, pero considerando que la cantidad
real de camiones en el primer trimestre de 2009 fue de 1.270 y que, con el mismo
método, se quiere estimar la cantidad de camiones a recibir en el segundo trimestre
de 2009.
Solución:
Siguiendo el mismo criterio que hemos aplicado en los promedios móviles simples,
debemos “agregar” el valor más nuevo (1.270) y “descartar” el más viejo (950).
Consideramos las mismas ponderaciones, en orden creciente desde el trimestre
“más viejo” al “más nuevo”.
23
Suavizado o alisamiento exponencial
Este método se caracteriza por asignar mayor peso a las demandas recientes que a
las anteriores.
Ejemplo 5:
Semana Ambulancias
1 240
2 320
3 300
Solución:
Para estimar el requerimiento de ambulancias en la semana cuatro mediante el
método del alisado exponencial, debemos partir de un pronóstico inicial. Para ello
promediamos los valores correspondientes a las semanas 2 y 3. Esto es:
24
El cálculo se puede hacer también de esta forma:
Pronóst. sem. 4 = valor est. sem. 3 + x . (valor real sem. 3 – valor est. sem. 3) =
= 310 + 0,1 (300 – 310) = 309 ambulancias
Ejemplo 6:
Si consideramos que, en el mismo ejemplo anterior, la cantidad real de ambulancias
en la semana 4 fue de 280, calcular el pronóstico para la semana 5.
Solución:
Proyecciones de Tendencia
Yc a b. X
Estacional multiplicativo
25
Para entender bien el cálculo de la estacionalidad, recurriremos, como en otros
casos, a un ejemplo.
Ejemplo 7:
Una empresa de autopartes importa un repuesto de alto costo. Para disminuir el
capital inmovilizado en el stock del mismo, se ha propuesto estimar la cantidad de
unidades del mismo que se demandará trimestralmente, el año próximo.
De registros históricos de los últimos cuatro años, se dispone de la siguiente
información trimestral:
1 45 70 100 100
2 335 370 585 725
3 520 590 830 1.160
4 100 170 285 215
Solución:
Del mismo modo calculamos los restantes porcentajes, los que, obviamente deben
sumar 100,0.
26
Es decir, que cada uno de los porcentajes hallados representa la importancia o el
“peso” de ese trimestre respecto de los restantes. Del resultado hallado en la última
columna puede concluirse que existe una marcada estacionalidad, toda vez que la
diferencia entre los porcentajes calculados es por demás significativa. Basta con
comparar el tercer trimestre con el primero, lo que nos muestra que la importancia
relativa de uno respecto del otro es casi 10 veces superior.
Por su parte, de acuerdo a los datos que se poseen, la demanda estimada para el
año 5 es un 10% superior a la del año 4. Luego esta demanda pronosticada será:
Para poder estimar ahora cual será la cantidad de repuestos por trimestre, debemos
aplicar a la estimación hallada para el año 5, los porcentajes calculados en la última
columna de la tabla.
Es decir:
Luego será:
27
Estacionalidad de la demanda (%)
60,0
50,0
50,0
40,0
32,5
30,0
20,0
12,4
10,0
5,1
0,0
1 2 3 4
Dado que un año tiene cuatro trimestres, para un producto “no estacional”, el peso
relativo de cada trimestre se obtendría fácilmente dividiendo el 100% por 4, lo que
daría un peso relativo trimestral del 25%. Es decir, si la demanda no fuese estacional
en absoluto, –algo muy difícil que ocurra tan estrictamente en la realidad- entonces
los porcentajes calculados para cada trimestre serían todos iguales al 25% y el
gráfico anterior sería una simple recta horizontal que pasaría por el valor 25%.
Es decir, que los “picos” y los “valles” que se observan por encima y por debajo del
25% nos están dando una medida del grado de estacionalidad de la demanda.
Cuanto mayores sean las diferencias respecto de ese “valor medio” (25%), tanto
más estacional será la demanda.
Desestacionalización de la demanda
Para proceder a su cálculo debemos relacionar cada uno de los porcentajes hallados
con el valor medio (aquel que representa el peso relativo en el caso de que no
hubiera estacionalidad).
28
Ejemplo 8:
Consideremos nuevamente el caso del ejemplo anterior (ejemplo 9). Se requiere
calcular los coeficientes de desestacionalización de la demanda.
Solución:
Para calcular el índice correspondiente a cada trimestre, debemos proceder de la
siguiente manera:
Ejemplo 9:
Supongamos que la demanda trimestral en un año determinado fue la siguiente:
Trimestre 1 = 90
Trimestre 2 = 280
Trimestre 3 = 740
Trimestre 4 = 200
Solución:
Para calcular la demanda trimestral sin tener en cuenta el efecto de la
estacionalidad, debemos dividir cada valor dado por el coeficiente de
desestacionalización calculado en el ejemplo anterior (ejemplo 10). Luego
tendremos:
(d): desestacionalizado
Los valores hallados representan las demandas trimestrales sin tener en cuenta el
efecto de la estacionalidad. Es decir, representan las variaciones de demanda que
se han dado por distintas razones, excepto por la estacionalidad. Este cálculo reviste
particular importancia toda vez que nos permite realizar análisis sobre las causas
que pudieron ocasionar esas variaciones en la demanda.
29
Ejemplo10:
Para el caso recién analizado, se desea comparar las variaciones trimestrales con
estacionalidad y sin estacionalidad y sacar conclusiones al respecto.
Solución:
Si comparamos los valores correspondientes a los trimestres 2 y 1, tenemos lo
siguiente:
Trimestre 2(d)/Trimestre 1(d) x 100 – 100 = 215/ 450 x 100 – 100 = -52%
30
Se podría haber pensado que existen razones para creer que la demanda se ha
expandido, cuando en realidad, todo se debía a un problema estacional.
Pronóstico enfocado*
Errores de pronóstico
Et = Dt – Ft
CFE Et
CFE
E
n
El cuadrado del error medio (MSE), la desviación standard (σ) y la
desviación media absoluta (MAD), miden la dispersión de los errores de
pronóstico:
MSE
Et 2
Et E
2
n 1
MAD
Et 31
n
El error porcentual medio absoluto (MAPE) relaciona el error de pronóstico con el
nivel de la demanda. Permite obtener una medida del rendimiento del pronóstico.
MAPE
Et 100/ Dt
n
CFE
Señalderastreo
MAD
Ejemplo 11:
a) MAD
b) MAPE
c) Señal de rastreo
Et .100
Mes
Demanda
(Dt)
Pronóstico
(Ft)
Error
(Et)
Et 2 Et Dt
1 300 330 -30 900 30 10,00
2 320 300 20 400 20 6,25
3 340 320 20 400 20 5,88
4 280 290 -10 100 10 3,57
5 250 240 10 100 10 4,00
6 310 270 40 1600 40 12,90
7 290 320 -30 900 30 10,34
8 260 250 10 100 10 3,85
Total 30 4500 170 56,80
CFE = 30
32
Un CFE igual a 30 nos está indicando que, en nuestros pronósticos, existe una
tendencia a subestimar la demanda.
MAD
Et
170
21,25
n 8
MAPE
Et 100/ Dt 56,8% 7,1%
n 8
Un MAPE del 7,1% indica que, en promedio, el error de pronóstico fue de más
menos, el 7,1% de la demanda real observada.
CFE 30
Señalderas treo 1,41
MAD 21,25
Una señal de rastreo 1,41 significa que el pronóstico está perfectamente dentro de
los límites predeterminados.
Simulación
33