Está en la página 1de 61

¿Qué es la previsión?

 Arte y ciencia de predecir acontecimientos futuros.  Base de todas las decisiones empresariales:

Toma de datos históricos y su proyección hacia ¡Venderá 200el futuro millones con algún tipo de de modelo dólares! matemático. Predicción subjetiva o intuitiva del futuro. Combinación de las anteriores.


 

Producción. Inventario. Personal. Instalaciones.

Tipos de horizontes temporales de la previsión
 Previsión a corto plazo:
Cobertura de hasta un año, generalmente inferior a los tres meses.  Programación de trabajos, asignación de tareas.

 Previsión a medio plazo:
Entre tres meses y tres años.  Planificación de las ventas, de la producción y del presupuesto.

 Previsiones a largo plazo:
Periodos superiores a tres años.  Planificación de nuevos productos, localización de las instalaciones.

Previsiones a corto plazo frente a previsiones a largo plazo
 Las previsiones a medio y largo plazo tratan de asuntos más extensos, y apoyan las decisiones de gestión que conciernen a la planificación y los productos, las plantas y los procesos.  Las previsiones a corto plazo normalmente emplean metodologías diferentes a las utilizadas en las previsiones a largo plazo.  Las previsiones a corto plazo tienden a ser más exactas que las realizadas a largo plazo.

 Las previsiones son útiles para proyectar niveles de personal  niveles de inventarios  niveles de capacidad de producción  (paso de la primera a la última etapa) .La influencia del ciclo de vida del producto  Las etapas de introducción y crecimiento necesitan previsiones más largas que las de madurez y declive.

  Previsiones de demanda (ventas): Ventas » Producción. sistema de planificación. construcción.  Ventas » Planificación financiera. capacidad.  Previsiónes tecnológicas: Predicen el ritmo de progreso tecnológico.  Nuevas Tecnologías » Nuevos productos.Tipos de previsiones  Previsiónes económicas:  Dirigidas al ciclo empresarial: las tasas de inflación. marketing y personal.  . gestión cadena suministro. etc. la masa monetaria.

d) ¿Cómo?: Seleccionar el(los) modelo(s) de previsión. b) ¿Qué?: Seleccionar los artículos a prever. c) ¿Cuando?: Horizonte temporal de la previsión.Siete etapas en el sistema de previsión a) ¿Para qué?: Fin de la previsión. g) Validar e implementar los resultados. e) Recogida de datos. f) Realizar la previsión. .

Consideraciones a) Las previsiones “nunca” son perfectas. b) La mayoría de las técnicas de previsión asumen una cierta estabilidad en el sistema. c) La calidad de la previsión aumenta si se trabaja con familias de productos en vez de con productos individuales. .

Tipología Cuantitativas. . Emplean diversos modelos matemáticos que utilizan datos históricos y/o variables causales. emociones. Cualitativas. Incorporan la intuición. experiencias y sistemas de valores de la persona que toma decisiones.

 Tecnología actual.Enfoques de la previsión Métodos cualitativos  Se emplean cuando la situación no es clara y hay pocos datos: Productos nuevos.  Requieren ténicas matemáticas:  Por ejemplo. la previsión de las ventas a través de Internet.  Métodos cuantitativos  Se emplean cuando la situación es “estable” y existen datos “históricos”: Productos existentes. la previsión de las ventas de televisiones en color.   Requieren intuición y experiencia:  Por ejemplo. .  Nueva tecnología.

Proceso de grupo que permite a los expertos realizar las previsiones.  Proposición de personal comercial:   Método Delphi:   Estudio de mercado del consumidor:  .4 métodos cualitativos  Jurado de opinión ejecutiva:  Opiniones de un grupo de expertos de alto nivel o de directivos + modelos estadísticos. Útil para diseño de nuevos productos. Planes de compra. Las estimación de las ventas esperadas por los vendedores se revisan para ver si se pueden llevar a cabo y luego se obtiene una previsión global.

 Combina la experiencia directiva con modelos estadísticos. .Jurado de opinión ejecutiva  Requiere un pequeño grupo de directivos:  El grupo establece una estimación conjunta de la demanda.  Desventaja del “pensamiento en grupo”.  Es bastante rápido. © 1995 Corel Corp.

 Se combinan con las previsiones a niveles de distritos y con las nacionales.Proposición de personal comercial  Cada vendedor estima las ventas que hará. .  El representante de ventas conoce las necesidades de los consumidores. Ventas © 1995 Corel Corp.  Tiende a ser bastante optimista.

 plantilla (¿Qué ventas (¿Ventas?) (Habrá 50 ventas) Los que toman decisiones  Reduce el “pensamiento en grupo”. habrá?  El personal de plantilla. cuestionarios)  Los que responden. 50. Los que responden (Habrá 45. 55 ventas) .Método Delphi  Proceso de grupo iterativo.  3 tipos de Personal de participantes: Los que toman decisiones.

.  Lo que dicen los consumidores y lo que luego hacen suele diferir.Estudio de mercado  Preguntar a los consumidores sobre sus futuros planes de compra.  A veces es difícil contestar a las preguntas del estudio. ¿Cuántas horas utilizará Internet la próxima semana? © 1995 Corel Corp.

Visión global de los métodos cuantitativos  Enfoque simple  Medias móviles  Alisado exponencial  Proyección de tendencia  Regresión lineal Modelos de series temporales Modelos asociativos .

Métodos de previsión cuantitativos (no simples) Previsión cuantitativa Modelos de series temporales Modelos asociativos Media móvil Alisado exponencial Proyección de tendencia Regresión lineal .

1  Ejemplo: Año: Ventas: .2 1997 92. 1993 78.7 1994 63.7 1996 93.  Se trata de una previsión basada en los datos pasados:  Supone que los factores que han influido en el pasado lo sigan haciendo en el futuro.5 1995 89.¿Qué son las series temporales?  Es una secuencia de datos uniformemente espaciada:  Se obtiene observando las variables en periodos de tiempo regulares.

Descomposición de una serie temporal Tendencia Ciclos Estacionalidad Variaciones aleatorias .

Respuesta Mes.  Varios años de duración. .  Los cambios en la población. año © 1984-1994 T/Maker Co.Tendencia  Es el movimiento gradual de ascenso o descenso de los datos a lo largo del tiempo. ingresos. etc. influyen en la tendencia. trimestre.

Verano Respuesta © 1984-1994 T/Maker Co. las costumbres.Estacionalidad  Muestra de datos de ascenso o descenso que se repite.  Se produce dentro de un periodo anual.  Se puede ver afectada por la climatología. etc. trimestre . Mes.

Respuesta Ciclo  Mes. año .Ciclos  Movimientos de ascenso o descenso que se repiten. trimestre.  Se pueden ver afectados por interacciones de factores que influyen en la economía.  Suelen durar de 2 a 10 años.

Variaciones aleatorias  Son “saltos” en los datos causados por el azar y situaciones inusuales.  Son de corta duración y no se repiten.  Son debidas a variaciones aleatorias o a situaciones imprevistas: Huelga. .  © 1984-1994 T/Maker Co.  Tornado.

.  Modelo multiplicativo:  Yi = Ti x Si x Ci x Ri (si los datos son mensuales o trimestrales).Modelos de series temporales  Cualquier valor que aparezca en una serie temporal es la multiplicación (o suma) de los componentes de la serie temporal.  Modelo aditivo:  Yi = Ti + Si + Ci + Ri (si los datos son mensuales o trimestrales).

Demanda de un producto representada en un periodo de 4 años con tendencia de crecimiento y estacionalidad Demanda del producto o servicio Picos estacionales Componente de tendencia Línea de demanda actual Variación aleatoria Primer año Segundo año Demanda media en cuatro años Tercer año Cuarto año .

Enfoque simple  Suponer que la demanda en el próximo periodo será igual a la demanda del periodo más reciente:  Por ejemplo.  Es el modelo con la mejor relación eficacia-coste y eficiencia. © 1995 Corel Corp. en junio habrá 48 ventas. . si en mayo hubo 48 ventas.

 Se utilizan si no hay tendencia o si ésta es escasa.  Ecuación: demanda de n periodos previos  MM  n .  Se suelen utilizar para el alisado:  Proporciona una impresión general de los datos a lo largo del tiempo.Medias móviles  Las medias móviles son una serie de operaciones aritméticas.

Ejemplo de media móvil Usted es el director de una tienda de un museo que vende réplicas. 1993 4 1994 6 1995 5 1996 3 1997 7 © 1995 Corel Corp. Quiere predecir las ventas (000) del año 1998 mediante una media móvil de 3 meses. .

Solución de la media móvil Año 1995 1996 1997 1998 1999 2000 Respuesta Yi 4 6 5 3 7 ND Media Media móvil móvil total (n=3) (n=3) ND ND ND ND ND ND 4+6+5=15 15/3 = 5 .

Solución de la media móvil ponderada Año 1995 1996 1997 1998 1999 2000 Respuesta Yi 4 6 5 3 7 ND Media Media móvil móvil total (n=3) (n=3) ND ND ND ND ND ND 4+6+5=15 15/3 = 5 6+5+3=14 14/3=4 2/3 .

0 .0 6+5+3=14 14/3=4.Solución de la media móvil ponderada Año 1995 1996 1997 1998 1999 2000 Respuesta Yi 4 6 5 3 7 ND Media Media móvil móvil total (n=3) (n=3) ND ND ND ND ND ND 4+6+5=15 15/3=5.7 5+3+7=15 15/3=5.

Gráfico de la media móvil Ventas 8 Real Previsión 6 4 2 95 96 97 98 Año 99 00 .

Suelen estar entre 0 y 1. y a la suma de 1.  Las ponderaciones se basan en la intuición:   Ecuación: Media móvil ponderada = Σ ponderaciones Σ (ponderación para el periodo n) (demanda en el periodo n) .0.Método de la media móvil ponderada  Se utiliza cuando se presenta una tendencia:  Los datos anteriores suelen carecer de importancia.

Feb. Sep. May. Oct. Ago. Mes Media móvil .Demanda real frente a los métodos de media móvil y media móvil ponderada 35 Demanda de ventas 30 Media móvil ponderada Ventas reales 25 20 15 10 5 0 Ene. Nov. Dic. Mar. Jun. Jul. Abr.

las previsiones son menos sensibles a los cambios.  Se necesitan muchos datos históricos. © 1984-1994 T/Maker Co.  No es posible predecir bien la tendencia.Inconvenientes de los métodos de media móvil  Al aumentar n veces. .

  Se necesita una constante de alisado (): Toma valores entre 0 y 1.  Se escoge de forma subjetiva.Alisado exponencial  Es una técnica de previsión de media móvil ponderada: Las ponderaciones disminuyen exponencialmente. .  Se ponderan más los datos más recientes.   Necesita una cantidad reducida de datos históricos.

... + (1.1 + (1-)At .)t-1·A0    Ft = Valor de la previsión At = Valor real  = Constante de alisado  Ft = Ft-1 + (At-1 .3 + (1.2 + (1.Ecuaciones del alisado exponencial  Ft = At .4 + .)2·At .Ft-1)  Se utiliza para calcular la previsión.)3At .

10). . 1995 180 1996 168 1997 159 1996 175 1999 190 © 1995 Corel Corp. La previsión para 1995 fue de 175. Desea predecir el número de personas que asistirán en el año 2000 mediante el alisado exponencial ( = 0.Ejemplo de alisado exponencial Usted está organizando una reunión Kwanza.

00 + 2000 ND .Solución del alisado exponencial Ft = Ft-1 + · (At-1 . F t ( α = 0.10) 175.Ft-1) Año Real 1995 180 Previsión.00 (Dado) 1996 1997 1998 1999 168 159 175 190 175.

Solución del alisado exponencial
Ft = Ft-1 + · (At-1 - Ft-1)
Año Real 1995 1996 1997 1998 1999 180 168 159 175 190 175,00 + 0,10( Previsión, F t ( α = 0,10) 175,00 (Dado)

2000

ND

Solución del alisado exponencial
Ft = Ft-1 + · (At-1 - Ft-1)
Año Real 1995 1996 1997 1998 1999 2000 180 168 159 175 190 ND Previsión, F t (α = 0,10) 175,00 (Dado) 175,00 + 0,10(180 -

Solución del alisado exponencial
Ft = Ft-1 + · (At-1 - Ft-1)
Año Real 1995 1996 1997 1998 1999 2000 180 168 159 175 190 ND Previsión,Ft (α = 0,10) 175,00 (Dado) 175,00 + 0,10(180 - 175,00)

175.Solución del alisado exponencial Ft = Ft-1 + · (At-1 .Ft-1) Año Real 1995 1996 1997 1998 1999 180 168 159 175 190 Previsión.10) 175.00) = 175.00 + 0.Ft (α = 0.10(180 .50 2000 ND .00 (Dado) 175.

00) = 175.50) = 174.175.Ft-1) Año 1995 1994 1995 1996 1997 Real 180 168 159 175 190 Previsión.00 + 0.75 1998 ND .10(180 .10) 175.Solución del alisado exponencial Ft = Ft-1 + · (At-1 .175.50 + 0. F t ( α = 0.50 175.10(168 .00 (Dado) 175.

175.50 1997 1998 1999 2000 159 175 190 ND 175.Ft-1) Año 1995 1996 Real 180 168 Previsión.00 + 0.10(180 .18 .00) = 175.75)= 173.10) 175.175.00 (Dado) 175. F t ( α = 0.10(168 .75 + 0.Solución del alisado exponencial Ft = Ft-1 + · (At-1 .50 + 0.75 174.50) = 174.174.10(159 .

36 2000 ND .Ft-1) Año 1995 1996 1997 1998 1999 Real 180 168 159 175 190 Previsión. F t ( α = 0.10(180 .75 + 0.50 + 0.75 174.10) 175.50 175.Solución del alisado exponencial Ft = Ft-1 + · (At-1 .00) = 175.18) = 173.174.175.00 + 0.173.18 + 0.10(175 .75) = 173.10(159 .50) = 174.00 (Dado) 175.18 173.175.10(168 .

Solución del alisado exponencial Ft = Ft-1 + · (At-1 .02 .10(180 .18) = 173.00 + 0.00) = 175.173.18 173.50 175. F t ( α = 0.175.50 + 0.75 + 0.36 + 0.18 + 0.00 (Dado) 1996 1997 1998 1999 168 159 175 190 175.10(159 .10(175 .36 2000 ND 173.75 174.10(168 .50) = 174.10(190 .10) 175.36) = 175.174.Ft-1) Año 1995 Real 180 Previsión.173.175.75) = 173.

Gráfico del alisado exponencial Ventas 190 180 170 160 150 140 93 94 95 96 Año 97 Real Previsión 98 .

.) (1 . Ponderaciones = = 0.)At .10 = 0.)2 10% .90 Periodo anterior Hace 2 periodos Hace 3 periodos  (1 .1 + (1.2 + (1.)2At .3 + .Efectos de la previsión de la constante de alisado  Ft =  At ..

10 = 0..)2 10% 9% .3 + .)2At .) At .1 + (1.) (1 .. Ponderaciones = = 0.90 Periodo anterior Hace 2 periodos Hace 3 periodos  (1 .Efectos de la previsión de la constante de alisado  Ft =  At .2 + (1.

) (1 .)2At .10 = 0..)2 10% 9% 8..Efectos de la previsión de la constante de alisado  Ft =  At .)At .3 + . Ponderaciones = = 0.1% .2 + (1.90 Periodo anterior Hace 2 periodos Hace 3 periodos  (1 .1 + (1.

1 + (1.Efectos de la previsión de la constante de alisado  Ft =  At .10 = 0.2 + (1.)2At .90 Periodo anterior Hace 2 periodos Hace 3 periodos  (1 .)At . Ponderaciones = = 0.3 + .)2 10% 90% 9% 8..1% .) (1 ..

3 + . Ponderaciones = = 0..10 = 0.)2At .90 Periodo anterior Hace 2 periodos Hace 3 periodos  (1 .1% .)2 10% 90% 9% 9% 8.1 + (1.) At .) (1 .Efectos de la previsión de la constante de alisado  Ft =  At .2 + (1..

)2 10% 90% 9% 9% 8. Ponderaciones = = 0.9% .1 + (1.10 = 0..90 Periodo anterior Hace 2 periodos Hace 3 periodos  (1 .2 + (1.) At .)2At .1% 0.3 + ..) (1 .Efectos de la previsión de la constante de alisado  Ft =  At .

previsión DAM   errores de previsión n .Si se selecciona  Trate de minimizar la desviación absoluta media (DAM) Si: Entonces: Error de previsión = demanda .

Si se selecciona  Trate de minimizar el error cuadrático medio (ECM) Si: Entonces: Error de previsión = demanda .previsión ECM   errores de previsión 2 n .

Alisado exponencial con ajuste de tendencia Previsión incluyendo la tendencia (PITt) = previsión alisada exponencialmente (Ft) + tendencia alisada exponencialmente (Tt) Requiere 2 constantes de alisado: (α. β) .

)Tt-1 .)(tendencia estimada del último periodo) o Tt = (Ft .)Ft-1 + Tt-1 Tt = (previsión de este periodo .previsión del último periodo) + (1.Ft-1) + (1.)(previsión del último periodo + tendencia estimada del último periodo) o Ft = (At) + (1.Alisado exponencial con ajuste de tendencia Ft =  (demanda real de este periodo) + (1.

 At = demanda real en el periodo t.Alisado exponencial con ajuste de tendencia  Ft = previsión alisada exponencialmente de la serie de datos en el periodo t.  = constante de alisado para la media.  Tt = tendencia alisada exponencialmente en el periodo t. .  = constante de alisado para la tendencia.

.Comparación de previsiones 40 35 30 25 20 15 10 5 0 Ene. Sep. Mar. Jul. May. Mes Jun. Demanda del producto Demanda real Alisado exponencial + Tendencia Alisado exponencial Feb. Abr. Ago.

Método de mínimos cuadrados Valores de la variable dependiente Observación real Desviación Desviación Desviación Desviación Desviación Desviación Punto en la línea de tendencia Desviación ˆ  a  bx Y Periodo de tiempo .

54X Demanda Demanda real 8 10 Periodo de tiempo .Demanda real y línea de tendencia 180 160 140 120 100 80 60 40 20 0 0 2 4 6 Y = 56.70+ 10.