Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Administración de La Demanda
Administración de La Demanda
en la Cadena de Suministro
DAVID I. LÓPEZ MONTERROSO
Administración de la Demanda
En la mayor parte de los casos, la demanda de productos o servicios se puede dividir en seis compnentes: demanda
promedio para el periodo, una tendencia, elementos estacionales, elementos cíclicos, variación aleatoria y
autocorrelación.
Pronósticos de Demanda
Los modelos de pronósticos de series de tiempo tratan de predecir el futuro con base en la información pasada. Por
ejemplo, las cifras de ventas recopiladas durante las últimas seis semanas se pueden usar para pronosticar las ventas
durante la séptima semana.
Este tipo de análisis se deriva de la compilación de los datos de ventas de aquellos que se encuentran al final de la
cadena de suministro. Por ejemplo, un pronóstico general de las ventas se puede derivar combinando las entradas de
cada uno de los vendedores que están más cerca de su territorio.
La suposición es que la persona que está más cerca del cliente o del usuario final del producto conoce mejor sus
necesidades futuras. Aunque esto no siempre es cierto, en muchos casos, se trata de una suposición válida.
En estos módelos, es importante definir el periodo de tiempo: corto plazo casi siempre se refiere a menos de tres meses;
mediano plazo a un periodo de tres meses a 2 años; y largo plazo a un término mayor de 2 años. En general, los
modelos a corto plazo compensan la variación aleatoria y se ajustan a los cambios a corto plazo (como las respuestas
del consumidor a un producto nuevo). Los pronósticos a mediano plazo son útiles para efectos estacionales, y los
modelos a largo plazo detectan las tendencias generales y son muy útiles para identificar los cambios más importantes.
Análisis de Series de Tiempo
Guía para seleccionar un método de pronóstico apropiado
El modelo de pronóstico
que una empresa debe
utilizar depende de:
El horizonte de tiempo
que se va a pronosticar.
La disponibilidad de los
datos.
La precisión requerida.
El tamaño del
presupuesto de
pronóstico.
La disponibilidad de
personal calificado.
Análisis de series de tiempo