Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CONCEPTO
Se define como la estimacin de la demanda de uno o varios productos en un futuro para una empresa.
Pronstico (KRAJEWSKI): es una prediccin de eventos futuros que se utilizan con propsitos de planificacin
Diferencia entre pronstico y prediccin Pronstico: utiliza tcnicas como la serie de tiempos y modelos estructurados Prediccin: se basa en juicios cualitativos
MERCADOTECNIA Ventas para los planes de nuevos productos, para remunerar al personal de ventas.
MANUFACTURA -Capacidad de la fbrica -Nmero de trabajadores requeridos -Decisiones respecto a inventarios -Planes y programas de produccin -Requisicin de materiales e insumos
1. Factores cclicos
La influencia cclica en la demanda pueden provenir de hechos tales como: la guerra, condiciones econmicas, moda, etc.
2. Variaciones aleatorias
Son productos de hecho fortuitos, es aquella en la que no existe un patrn reconocible de los datos
3. La tendencia
Lineal
3. La tendencia
Exponencial
3. La tendencia
En forma de S
3. La tendencia
Asntota
4. Horizontal
4. Estacionalidad
Son las variaciones segn la temporada y corresponden a fluctuaciones que tienen lugar en un periodo de tiempo dado y se repiten en el mismo periodo.
Factores externos:
no se tiene control
Economa creciente
Incremento en la construccin
Mezcla de mercado
MTODOS CUANTITATIVOS
Largo plazo(>2aos)
TECNICA DE PRONSTICO
Causal juicio
Causal juicio
Considera las opiniones de gerentes, expertos, estimacin de la fuerza de ventas, encuestas de consumidores. Se traducen en estimaciones cuantitativas. Son subjetivos o simples juicios y se basan en clculos y opiniones Se usan cuando no existen datos histricos, se presenta un nuevo producto o cambia de tecnologa
Ventaja: La fuerza de ventas tiene mayores probabilidades de saber que comprarn los clientes en el futuro y en que cantidades.
Desventaja: Algunos vendedores son optimistas y otros cautelosos lo cual puede introducir sesgos en el pronstico.
El personal puede subestimar los pronsticos individuales para que el rendimiento futuro supere las proyecciones o para esforzarse menos (cuando se trabaje por medidas de rendimiento por vendedor)
INVESTIGACIN DEL MERCADO: Rene datos por diferentes medios (encuestas, entrevista)
ANALOGA HISTRICA: Cuando se trata de pronosticar la demanda de un producto nuevo, la situacin ideal es que se pueda usar como modelo un producto existente o un producto genrico,
KALA
MTODO DELPHI: Oculta la identidad de las personas que participan en el estudio dando a cada individuo la misma importancia.
Desventaja El proceso es muy largo (ms de un ao) por lo que el panel de expertos puede cambiar alargando el proceso Su calidad es entre regular y buena para la identificacin de puntos de flexin en la demanda de nuevos productos.
2. MTODOS CUANTITATIVOS
Anlisis de series de tiempo: mtodo estadstico que depende en alto grado de datos histricos de la demanda, con los que se proyectan la demanda futura y reconoce las tendencias y patrones estacinales. Mtodos causales: utilizan datos histricos de variables independientes como campaas de promocin, condiciones econmicas y actividades de los competidores.
Simple
Desventaja: al tener en cuenta todos los datos histricos, llega un momento donde las demandas reales que se agregan no modifican el pronstico futuro.
Formula: Ft : Donde: ft = pronostico para el periodo futuro A t -1 = demanda real del periodo ms reciente A t -2 = demanda de hace 2 periodos A t - n = demanda de hace n periodos n = Nmero de periodos A t-1+ A t-2 ..+A t-n n
emprico
Alternativas
Ft = A t-1
Ft = A t-1 + Considera incremento o disminucin estacionalidad
Movible Simple
Combina los datos de la demanda de la mayor parte de los periodos recientes, siendo su promedio el pronstico para el periodo siguiente.
Se caracteriza porque todas las demandas tienen el mismo peso o importancia, se puede emplear un promedio movible de 2 a 20 periodos, pero al tomar la decisin hay que continuar usando el mismo nmero de periodos
Cuando los datos de la demanda son poco variables se recomienda tomar bastantes periodos y viceversa.
Donde:
ft = pronstico para el periodo futuro A t -1 = demanda del periodo pasado A t -2 = demanda de hace 2 periodos A t - n = demanda de hace n periodos n = Nmero de periodos
Se usa cuando
Desventaja (requisitos): Todos los elementos individuales deben estar en forma de datos, porque un nuevo pronstico del periodo requiere que sumemos datos nuevos y que eliminemos datos ms antiguos. Requiere una histricos. cantidad importante de datos
Permite adjudicar una importancia o peso cualquiera a cada elemento o periodo, siempre y cuando todos los valores sumen 1 o 100%. Formula: ft : W1 At 1 + W2 At 2 + W3 At 3 ..+ Wn At n
Donde: ft = pronstico para el periodo futuro W1 = peso que se le dar a la venta real en el periodo t -1 W2 = peso que se le dar a la venta real en el periodo t -2 W3 = peso que se le dar a la venta real en el periodo t -3 W n = peso que se le dar a la venta real en el periodo t n n = Nmero total de periodos del pronostico
Wi = 1
1.
2.
Por lo general el pasado ms reciente es el indicador ms importante de lo que podemos esperar para el futuro, y por tanto este debe tener mayor peso.
3.
Cuando los datos son variables se debe determinar los pesos en consecuencia; es decir, se le asignara mayor peso a las mayores demandas y menor peso a las menores demandas.
Desventaja: su uso es ms complicado y caro que el mtodo exponencial aminorado. Se necesitan bastantes datos. Los costos de obtener y actualizar datos pueden ser altos.
Aminorado
(Suavizacin
Exponencial)
Considera que los datos ms recientes indican mejor el futuro que los de un pasado distante, Es ms fcil de usar y es ms lgico Se usa cuando los cambios de tendencia no son muy grandes o pronunciados Es la tcnica ms utilizada para pronosticar a corto plazo
DATOS
alfa (), constante de atenuacin, tasa de reaccin, El pronstico ms constante de La demanda real reciente ajuste que ocurri en ese (pronstico del exponencial, periodo ltimo periodo) parmetro suavizador. (0<= <=1)
(5%<= <=10%). Cuando una empresa tiene una demanda relativamente estable o uniforme. Entre la demanda real y la proyectada hay una diferencia pequea
(15%<= <=30%). Cuando una empresa registra una demanda inestable, se da mayor importancia al crecimiento o disminucin registrada recientemente, si continua la tendencia de la demanda el alfa es an mayor.
Ventaja
Los modelos exponenciales son ms acertados (que los anteriores modelos) Es relativamente fcil (simplicidad) Se requiere pocos clculos
Desventaja
Cuando
la serie de demanda muestran tendencia significativa, se debe usar un alfa alto, sin embargo los resultados del exponencial aminorado se retrasan.
Ante
Donde:
ft = pronstico exponencial aminorado para el periodo t ft -1 = pronstico del periodo anterior At -1 = demanda del periodo anterior = constante de atenuacin, aislamiento, reaccin
Se llama exponencial aminorado porque cada incremento en el pasado debe disminuir en (1- ). por ejemplo si = 0.3, entonces
Ponderacin con = 0.3 0.3 0.21 0.15 0.10
Ponderacin ms reciente Datos de un periodo pasado Datos de dos periodos pasado Datos de tres periodos pasado
= (1- )0
= (1- )1 = (1- )2 = (1- )3
Pronstico inicial
1. usar la demanda del primer periodo (CHASE) 2. si se dispone de datos histricos, calcular el promedio simple de los tres primeros periodos (KRAJEWSKI) 3. promedio simple de las demandas disponibles (Germn Mndez. U. distrital)
Donde:
Ft = pronstico aminorado exponencialmente para el periodo t Tt = tendencia aminorada exponencialmente para el periodo t FIT t = pronstico que incluye tendencia para el periodo t At -1 = demanda real del periodo anterior = constante de atenuacin para la ecuacin de pronstico = constante de atenuacin para la ecuacin de tendencia
Errores sesgados
CHASE (2005). Se presenta cuando un error es cometido constantemente. Una fuente del sesgo es cuando se emplea una lnea equivocada para una tendencia y cuando se mueve equivocadamente la demanda estacional del punto donde suele ocurrir. (Cuando el intervalo del pronstico es corto).
KRAJEWSKI. Son equivocaciones cometidas constantemente donde se observa que el pronostico ser siempre demasiado alto o demasiado bajo
Errores aleatorios
CHASE (2005) Son aquellos que el modelo de pronstico empleado no puede explicar.
KRAJEWSKI. Ocurre cuando se presentan factores imprevisibles que hacen que el pronstico se desve de la demanda real.
Et
= At Ft
Donde:
Et = error del pronstico para el periodo t At = demanda real para el periodo t Ft = pronstico para el periodo t
Mide el error total de un pronstico. Consiste en la suma de errores tanto positivos como negativos de un pronstico.
No es bueno que sea positivo porque indica desabasto Es preferible que sea negativo (cercano a cero). Hay inventarios
Si el valor es pequeo el pronstico se aproxima generalmente a la demanda real. Si el valor es grande indica la posibilidad de errores del pronstico considerables.
4. DESVIACIN MEDIA ABSOLUTA PORCENTUAL (DMAP) ERROR PORCENTUAL MEDIO ABSOLUTO (MAPE)
KRAJEWSKI. Indica si un mtodo de pronstico est previendo con precisin los cambios reales de la demanda.
Los limites aceptables para la seal de rastreo dependen del tamao de la demanda que se esta pronosticando. Sin embargo se tendr en cuenta un lmite de control de ms o menos 3 DMA, es decir por encima o por debajo de este parmetro, el mtodo de pronstico se debe revisar o descartar porque no esta reflejando correctamente la demanda
Numero de DMA
Numero relacionado de Porcentaje del rea desviaciones estndar dentro de los limites de control (rea bajo la curva) 0,7881 57,62 1,5762 89,04 2,3643 98,36 3,1524 99,86
Ejemplo de aplicacin
MTODOS CAUSALES
La regresin se define como la relacin funcional de dos o ms variables correlacionadas (demanda vs tiempo). La regresin lineal se refiere a un tipo especial de regresin donde las relaciones entre las variables forman una lnea recta.
El mtodo trata de ajustar la lnea recta a los datos histricos que minimizan la suma de los cuadrados de la distancia vertical entre cada punto de datos y su punto correspondiente en la lnea.
Donde:
Y = variable dependiente (ventas) a = interseccin con el eje Y b = pendiente de la lnea x = variable independiente (tiempo, promocin, precio)
NOTA:
Si los puntos de los datos estn dispersos de manera aleatoria alrededor de la lnea de regresin (distribuidos normalmente) entonces el pronstico quedar de la siguiente forma:
Mide la intensidad de la relacin entre la variable independiente y la variable independiente. -1 <= r <= 1
r = (+) Los cambios registrados de la variable independiente (incremento o disminuciones) de un periodo a otro, estn acompaados por cambios de la variable dependiente en la misma direccin. (0,6 <= r <= 1)
r = (-) indica que las disminuciones de la variable independiente, siempre van acompaados de incrementos en la variable dependiente, y viceversa. (- 1 <= r <= - 0,6)
r = 0 no existe relacin alguna entre las variables. No relacin. (-0,6 <= r <= 0,6)
Mide la variacin de la variable dependiente con respecto de su valor medio que se explica por medio de la lnea de regresin (0 <= r2 <= 1) r2 = 1
Las ecuaciones de regresin son deseables, porque la variacin de la variable dependiente y del pronstico generado a partir de la ecuacin de regresin, se encuentran estrechamente relacionados.
(La variacin de una variable se le atribuye a la otra.)
Consiste en encontrar los componentes bsicos de la serie de la tendencia, estacinales y cclicos. El pronostico clsico por descomposicin de series de tiempos esta construido sobre la filosofa de que un patrn de ventas histricas puede descomponerse en tres categoras:
Tendencia: por medio del anlisis de regresin, se puede conocer el comportamiento de las ventas.
Estacional: picos y valles que se presentan en una poca especifica (cada ao).
PROCEDIMIENTO
1. Determinar el factor o ndice estacional: es la cantidad de
correccin que necesita una serie de tiempo para ajustarse a la estacin del ao. 2. Desestacionalizar los datos originales: para eliminar el efecto estacional en los datos, se divide los datos originales (ventas reales) entre el factor estacional
3. Desarrollar una lnea de regresin: aplicando mnimos cuadrados para los datos desestacionalizados, determine una lnea de tendencia.
4. Proyectar la lnea de regresin hacia el periodo que ser pronosticado: se debe determinar el pronstico para los periodos requeridos. 5. Crear el pronstico final: el cual consiste en ajustar la lnea de regresin para los factores estacionales. Como la ecuacin (Y) ha sido desestacionalizada, ahora se debe multiplicar los datos