PRONÓSTICO DE

VENTAS

• El forecasting, se le conoce al
proceso de pronosticar ventas o
demandas, se define como el arte
y la ciencia para predecir el futuro
para un bien, componente o
servicio en particular, con base en
datos históricos, estimaciones de
mercadeo e información
promocional, mediante la
aplicación de diversas técnicas de
previsión.
¿POR QUÉ?

Los pronósticos de la demanda

ejercen una gran influencia en la
determinación de factores claves de
los procesos, factores como lo son la
capacidad instalada (equipos,
almacenes, plantas), requerimientos
financieros (inventarios, flujo de
caja), estructura organizativa
(personas, sistemas, servicios),
contratos con terceros (compras,
operadores), etc.
 Competencia
mundial,

CONDICIONES El rápido cambio

CAMBIANTES tecnológico

Las crecientes
preocupaciones por
el medio ambiente
FACTORES QUE AFECTAN LA DEMANDA

Externos Internos
Reglamentaciones del gobierno Diseño de productos o servicios

Precios
Leyes
Promociones publicitarias
Escasez en materias primas
Diseño de envases

Factores macroeconómicos Incentivos a personal de ventas

METODOS
CUALITATIVOS

•Usados para
nuevos productos,
cambios en la
tecnología.
•Basados en la
experiencia y buen
juicio para
pronosticar.
 Técnicas acumulativas

Ventajas
Mayores probabilidades de Prejuicios individuales
saber que productos o pueden causar sesgos en el
servicios compraran los pronostico.
clientes. No siempre percibe la
Los territorios de ventas diferencia entre lo que el
divididos por distritos o cliente quiere y lo que
regiones. necesita.
Los pronósticos pueden Personal de ventas puede

Desventajas
combinarse para cifras subestimar sus pronósticos
regionales o nacionales para su propio beneficio.
Investigación de
mercado

Diseño de un
cuestionario que
Elección del canal de
indague el interés de las
aplicación
personas en recibir el
producto o servicio.

Análisis de la
Selección de una información, aplicando el
muestra representativa buen juicio y criterios
estadísticos

Asignar márgenes para

incluir factores no
mencionados en el
cuestionario

Esta foto de Autor desconocido está bajo licencia CC BY-NC

Grupos de consenso
Ventajas

Hace un resumen de Costoso: absorbe el

las opiniones, la valioso tiempo de los
experiencia y los ejecutivos.
conocimientos Pueden no ser
técnicos de uno o acertados cuando
varios gerentes, para sufren modificaciones
llegar a un solo independientes

Desventajas
pronostico.

Esta foto de Autor desconocido está bajo licencia CC BY-NC

Analogía histórica

SE APLICA EL ÚTIL EN EL
CONOCIMIENTO DE PRONÓSTICO DE
LAS VENTAS DE UN VENTAS DE
PRODUCTO SIMILAR PRODUCTOS NUEVOS.
DURANTE VARIAS
ETAPAS DE SU CICLO
DE VIDA.
Método Delfos

• Proceso para obtener el

consenso dentro de un grupo de
expertos, al tiempo que se
respeta el anonimato de sus Coordinador envía
Coordinador envía
integrantes. preguntas a expertos
resumen estadístico de
respuestas y sumario
externos.
• Útil cuando no existen datos de argumentos.
históricos sobre los cuales
puedan desarrollarse modelos
estadísticos y cuando los Los participantes Las rondas continúan
gerentes de la empresa no pueden modificar sus hasta llegar a un
respuestas consenso.
tienen experiencia en la cual
fundamentar proyecciones bien
informadas.
METODOS CUANTITATIVOS: Series de Tiempo

Para pronósticos a corto plazo, se usan mucho los

métodos de series de tiempo. Una serie de tiempo
es simplemente una lista cronológica de datos
históricos, suponiendo que la historia predice el
futuro de manera razonable. Existen varios modelos
y métodos de series entre los cuales elegir, y que
incluyen el modelo constante, de tendencia y
estacional, dependiendo de los datos históricos y de
la comprensión del proceso fundamental.
Componentes de la
demanda
Tendencia: Estacionalidad
• Movimiento gradual ascendente • Es un patrón de datos que se
o descendente de los datos en repite después de un periodo de
el tiempo. ( mas comunes son tiempo. Por ejemplo: estaciones
lineal, en forma de s y de tiempos o días de la semana
exponencial
Ciclos: Variaciones aleatorias:
• Son patrones de • Son cambios en los datos a los
comportamientos en los datos que no se les puede asignar una
que se repiten después de causa especifica y no siguen un
varios años. patrón.
Análisis series de tiempo

• Son los métodos de pronósticos mas conocidos y estudiados. Se

basan en modelar el comportamiento histórico de un conjunto de
datos y extrapolar ese comportamiento
PATRONES DE LA DEMANDA
Enfoque simple

Usar el último dato

como pronostico para
el siguiente periodo
Promedio simple

El patrón horizontal de
una serie de tiempo se
basa en la media de
las demandas. Por lo
tanto el pronostico se
obtendrá sacando el
promedio de una serie
de datos a través del
tiempo.
Promedio móvil simple

Cuando la demanda de un
producto no crece ni baja con
rapidez, y si no tiene
características estacionales, un
promedio móvil puede ser útil
para eliminar las fluctuaciones
aleatorias del pronóstico.
Calcula la demanda promedio
para los n periodos mas
recientes con el fin de utilizarla
como pronostico del periodo
siguiente.
Promedio móvil simple
Promedio móvil
ponderado
Es una variación del promedio móvil
en la que no todos los datos tienen el
mismo peso.

Los datos que tienen mayor

importancia tengan mayor peso.

Los pesos deben sumar 1

La distribución de los pesos

determina la velocidad de respuesta
del pronóstico
 Ejemplo de promedio móvil ponderado:

Semana Demanda Peso relativo

1 650 0,2
2 678 0,3
3 720 0,5

Se solicita el pronóstico para la semana 4:

Suavización exponencial

La principal desventaja es la necesidad de manejar en forma continua gran cantidad de datos

históricos

Requiere solamente tres tipos de datos:

• Pronostico del ultimo periodo

• Demanda de ese periodo
• Parámetro suavizador, alfa

1. Calcular un promedio ponderado de la demanda mas reciente

2. Pronostico calculado para el ultimo periodo.

3. La ecuación correspondiente es:

• 𝐹𝑡+1 = 𝛼(𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑒𝑠𝑡𝑒 𝑝𝑒𝑟𝑖𝑜𝑑𝑜) + (1 – 𝛼) (𝑃𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑜 𝑝𝑎𝑟𝑎 𝑢𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜)

• 𝐹𝑡+1 = 𝛼𝐷𝑡 + 1 – 𝛼 𝐹𝑡
• 𝐹𝑡+1 = 𝐹𝑡 + 𝛼(𝐷𝑡 – 𝐹𝑡 )
Suavización exponencial
Suavización exponencial
Tendencia Lineal

Las estimaciones para el promedio y la tendencia son suavizadas, para lo cual se requieren dos constantes
de suavización.

Calcular el promedio y la tendencia para cada periodo

𝐴𝑡 = 𝛼(𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑒𝑠𝑡𝑒 𝑝𝑒𝑟𝑖𝑜𝑑𝑜) + (1 − 𝛼) (𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 + 𝐸𝑠𝑡𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑡𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑢𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜)

•𝐴𝑡 = 𝛼(𝐷𝑡 ) + (1 − 𝛼) (𝐴𝑡−1 + 𝑇𝑡−1 ))

𝑇𝑡 = 𝛽(𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑒𝑠𝑡𝑒 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 − 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑢𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜) + (1 − 𝛽) (𝐸𝑠𝑡𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑡𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑢𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜)

•𝑇𝑡 = 𝛽(𝐴𝑡 − 𝐴𝑡−1 ) + (1 − 𝛽) 𝑇𝑡−1

𝐹𝑡 +1 = 𝐴𝑡 + 𝑇𝑡
METODOS CUANTITATIVOS

• Medanalysis, Inc. Ofrece servicios de laboratorio clínico a los pacientes

de Health Providers, una agrupación de 10 médicos familiares asociados
que brindan un nuevo programa de mantenimiento de la salud. Los
gerentes están interesados en pronosticar el numero de pacientes que
van a requerir análisis de sangre cada semana. Es preciso comprar
suministros y tomar una decisión acerca del número de muestras
sanguíneas que serian enviadas a otro laboratorio, para compensar las
limitaciones de la capacidad del laboratorio principal. Las informaciones
recientes acerca de los efectos nocivos que provoca el colesterol en el
corazón han generado un incremento en las solicitudes de análisis
ordinarios de sangre en todo el país. En promedio, Medanalysis realizo
28 análisis de sangre cada semana durante las cuatro ultimas semanas.
La tendencia en ese periodo fue de tres pacientes adicionales por
semana. La demanda en esta semana fue de 27 analisis de sangre .
Usaremos α 0.20 y β = 0.20 para calcular el pronostico correspondiente
a la semana próxima.
 RELACIONES CAUSALES

Se emplean cuando se tienen datos históricos y la relación entre el

factor que intenta pronosticar y otros factores externos o internos
(ej. Actividades del gobierno o promociones publicitarias).

Las relaciones causales expresan se expresan en términos

matemáticos y suelen ser en ocasiones complejas

Proveen instrumentos de pronostico refinados y son excelentes

para prever los puntos de flexión de la demanda y para la
elaboración de pronósticos a largo plazo.
REGRESIÓN LINEAL SIMPLE

El análisis de regresión
lineal establece una En la regresión lineal
relación entre una variable simple hay solamente una
dependiente y una o más variable independiente.
variables independientes.

Si los datos están

La variable dependiente es
constituidos por una serie
cualquier cosa que
de tiempo, la variable
nosotros queramos
independiente es el
pronosticar.
tiempo.
 • Ecuación de regresión
• Este modelo toma la forma:
• 𝒀 = 𝒂 + 𝒃𝑿
REGRESIÓN • Y = variable dependiente
LINEAL SIMPLE • X = variable independiente
• a = intercepto con eje Y
• b = pendiente de la línea
REGRESIÓN
LINEAL
SIMPLE
• Una vez que se han
calculado los valores de
a y b, se puede sustituir
cualquier valor futuro
de X para pronosticar el
valor correspondiente
de Y.
REGRESIÓN
LINEAL SIMPLE
Año Matriculas(miles)
• En una pequeña universidad 1 2.5
regional, las matrículas han 2 2.8
crecido constantemente
durante los últimos seis años. 3 2.9
Utilice la regresión de series
de tiempo para pronosticar las
4 3.2
matriculas para los próximos 5 3.3
tres años
6 3.4
Descomposición de una serie de tiempo

Se puede definir una serie de tiempo como los datos ordenados

en forma cronológica que pueden contener uno o varios
componentes de la demanda: tendencia, estacionalidad, ciclos o
variación aleatoria.

La descomposición de una serie de tiempo consiste en identificar

y separar los datos de la serie en estos componentes.
Ejemplo de una serie de tiempo con tendencia y
estacionalidad

Nº trimestre Nº pasajeros (en miles)

1 3.5
2 8
3 5.5
4 10
5 9.5
6 14
7 11.5
8 16
9 15.5
10 20
11 17.5
12 22
13 21.5
14 26
Variación estacional aditiva

• La variación estacional aditiva

simplemente supone que la
cantidad estacional es una
constante sin importar cuál es la
tendencia o la cantidad
promedio.
• Pronóstico que incluye
tendencia y estacional =
Tendencia + Estacional
Variación estacional multiplicativa

• En la variación estacional
multiplicativa, la tendencia se
multiplica por los factores
estacionales.
• Pronóstico que incluye
tendencia y estacional =
Tendencia × Factor estacional
EJEMPLO PROPORCION
SIMPLE
EJEMPLO
REGRESIÓN
RELACIONES CAUSALES
 El error hace referencia a la diferencia
entre el valor del pronostico y lo
ocurrido en la realidad. Es la precisión
del pronostico.

Errores en
las series
La demanda de un producto es
de tiempo generada por la interacción de una
serie de factores demasiado compleja
como para que un modelo la describa
con exactitud. Por lo tanto, todos los
pronósticos contienen cierto grado de
error.
Medición del error
Desviación media absoluta {MAD – Mean Absolute
Desviation}

• El MAD representa el error promedio de los pronósticos que emplean

valores absolutos:
𝑛
1
𝑀𝐴𝐷 = ෍ 𝐴𝐼 − 𝐹𝑡
𝑁
𝐼=1
T= Numero del periodo
A = Demanda real para el periodo
F= Demanda pronosticada para el periodo
N= Numero total de periodos
||= símbolo utilizado para indicar el valor absoluto sin tomas en cuenta
los signos positivos o negativos
 • Una señal de seguimiento es una
medida que indica si el promedio
pronosticado sigue el paso de
cualquier cambio hacia arriba o
hacia abajo en la demanda. Como
se utiliza en el pronóstico, la señal
de seguimiento es el número de
desviaciones absolutas medias que

SEÑAL DE el valor pronosticado se encuentra

por encima o por debajo de la
ocurrencia real.
RASTREO
EJEMPLO
Simulación como herramienta
de pronostico

• La simulación en el computador es una

técnica poderosa para abordar problemas
complicados. Es una descripción de un
problema reducida a un programa
informático.
• Se trata de modelos dinámicos,
usualmente basados en computadores,
que cruzan los datos de las variables
internas ( capacidad de producción, por
ejemplo) y externas (niveles de poder
adquisitivo de su mercado) para
pronosticar la demanda.
• La simulación es una herramienta común
para modelar problemas de planeación en
producción. Se utiliza con menor
frecuencia como herramienta de
pronostico.
Esta foto de Autor desconocido está bajo licencia CC BY-SA-NC