PRONÓSTICO

“ES UNA ESTIMACIÓN CUANTITATIVA O

CUALITATIVA DE UNO O VARIOS FACTORES
(VARIABLES) QUE CONFORMAN UN EVENTO
FUTURO, CON BASE EN INFORMACIÓN
ACTUAL O DEL PASADO”

1
 PORQUÉ?
• La empresa se mueve en un contexto
altamente incierto
• Política, tecnología y medio ambiente
repercuten sobre variables relevantes para la
empresa: costos de producción, inventarios,
volumen de ventas
• La empresa debe tomar decisiones sobre
Factores Controlables tomando en cuenta
Factores Incontrolables.

2
FACTORES CONTROLABLES
AQUELLOS SOBRE LOS CUALES LA EMPRESA
DECIDE SU ESTRUCTURA, NIVELES, POLÍTICA Y
MODO DE OPERAR:
 NIVELES DE PRODUCCIÓN
 NIVELES DE INVENTARIO
 CAPACIDAD

3
FACTORES INCONTROLABLES
AQUELLOS SOBRE LOS CUALES LA
EMPRESA NO PUEDE DECIDIR NI
MODIFICAR: DEPENDEN DE FACTORES
EXTERNOS A LA EMPRESA
 DEMANDA DEL PRODUCTO
 COMPETENCIA
 ECONOMÍA
 COMPORTAMIENTO DEL CONSUMIDOR

4
QUÉ PRONOSTICAR?
LA EMPRESA REQUIERE PREDECIR FACTORES
INCONTROLABLES:MERCADO, ENTORNO,
ECONOMÍA, QUE SON INCIERTOS, PARA
DECIDIR (PLANEAR) SOBRE FACTORES
CONTROLABLES: NIVELES DE INVENTARIO, DE
PRODUCCIÓN, CAPACIDAD.

5
OBJETIVO
REDUCIR LA INCERTIDUMBRE DEL FUTURO,
MEDIANTE LA ANTICIPACIÓN DE EVENTOS
CUYA PROBABILIDAD DE OCURRENCIA SEA
RELATIVAMENTE ALTA, RESPECTO A OTROS
EVENTOS POSIBLES.

6
CLASIFICACIÓN DE
PRONÓSTICOS
HORIZONTE DE PLANEACIÓN
 LARGO PLAZO: inversión en capital, localización
de planta, nuevos productos, expansión,
crecimiento del mercado, tecnología
 MEDIANO PLAZO: tamaño de la fuerza de trabajo,
ciclicidad de la demanda, requerimientos de
capacitación
 CORTO PLAZO: frecuencia de pedidos , demanda,
niveles de inventario requeridos

7
CLASIFICACIÓN DE
PRONÓSTICOS
POR ÁREAS DE LA EMPRESA

 MERCADOTECNIA: crecimiento del mercado,

pronósticos económicos y poblacionales
 PRODUCCIÓN: programas de expansión,
pronóstico de la demanda a mediano y largo plazo
 FINANZAS: presupuesto de gastos, ventas del
próximo año

8
CLASIFICACIÓN DE TÉCNICAS DE
PRONÓSTICOS
POR TIPO DE DATOS

 CUALITATIVAS: técnicas subjetivas. Utilizan

información cualitativa (experiencia de expertos).
 CUANTITATIVAS: se basan en datos numéricos y
utilizan herramienta matemática y estadística para
su elaboración. (SE BASAN EN DATOS
HISTÓRICOS)

9
TÉCNICAS CUALITATIVAS
LA MISMA TÉCNICA USADA POR DOS
EXPERTOS DISTINTOS PUEDE PRODUCIR
RESULTADOS DIFERENTES
 INVESTIGACIÓN DE MERCADOS
 ANALOGÍAS HISTÓRICAS
 MÉTODO DELPHI
 CONSENSO GENERAL
 IMPACTO CRUZADO
 ANÁLISIS DE ESCENARIOS

10
INVESTIGACIÓN DE MERCADOS
OBTENER INFORMACIÓN ACERCA DEL
COMPORTAMIENTO REAL DEL MERCADO,
MEDIANTE ENCUESTAS DIRIGIDAS AL
PÚBLICO CONSUMIDOR O A PARTIR DE LA
EXPERIENCIA DE VENDEDORES, PARA
CONCLUIR SOBRE EL COMPORTAMIENTO
FUTURO

11
ANALOGÍAS HISTÓRICAS
SE FUNDAMENTA EN UN ANÁLISIS
COMPARATIVO DE CASOS SIMILARES AL QUE
SE ESTUDIA. TRATA DE RECONOCER
PATRONES DE SIMILITUD PARA SACAR
CONCLUSIONES Y OBTENER UN PRONÓSTICO:
productos similares, producto en otros mercados,
etc.

12
MÉTODO DELPHI
PRETENDE LLEGAR A UN CONSENSO A TRAVÉS
DE LA OPINIÓN DE EXPERTOS, EVITANDO LA
CONFRONTACIÓN DE LOS MISMOS, YA QUE
NO EXISTE UNA INTERACCIÓN DIRECTA
ENTRE LOS PARTICIPANTES. ESTOS EXPRESAN
LIBREMENTE SUS OPINIONES.

13
MÉTODO DELPHI
 Los expertos responden un cuestionario
 Se obtiene la media y desviación de cada
pregunta
 Se pide justificar respuesta a aquellos que se
encuentran fuera del rango de dos o mas
desviaciones, sobre la media de cada pregunta.
 Se pasa esta opinión a todos los participantes y
se vuelve a aplicar el cuestionario

14
MÉTODO DELPHI

 El proceso se repite hasta lograr un consenso en las

diferentes preguntas o hasta identificar subgrupos
de opiniones
 Con la información obtenida se procede a la toma
de decisiones.

15
CONSENSO GENERAL
 SE REÚNE A UN GRUPO DE EXPERTOS
 A PARTIR DE UNA LLUVIA DE IDEAS SE
ESTABLECEN DISCUSIONES HASTA LLEGAR A UN
ACUERDO QUE REFLEJE EL SENTIR DE LA
MAYORÍA

16
IMPACTO CRUZADO
DESARROLLAR UNA MATRIZ PARA ESTUDIAR
LOS EFECTOS DE DIVERSOS FACTORES SOBRE
LA PROBABILIDAD DE OCURRENCIA DE UN
EVENTO, ASÍ COMO EL IMPACTO QUE ESTA
PUEDA TENER EN OTRA SERIE DE EVENTOS

17
IMPACTO CRUZADO
 Determinar los eventos a incluirse en el estudio
 Estimar la probabilidad inicial de cada evento y la
probabilidad condicional de cada par de eventos
 Seleccionar eventos en forma aleatoria y calcular su
repercusión sobre los demás eventos como
resultado de la ocurrencia o no del evento elegido.

18
ANÁLISIS DE ESCENARIOS
Describir diferentes escenarios futuros posibles
(mas probable, probable, poco probable)
considerando factores que los determinen
(cambios en la población, inflación, variación de la
demanda) para reconocer las implicaciones a largo
plazo de los cambios posibles

19
TÉCNICAS CUANTITATIVAS
 INFORMACIÓN: REQUIEREN DE DATOS
HISTÓRICOS DE LAS VARIABLES INVOLUCRADAS

 SUPUESTO: EL PATRÓN HISTÓRICO DE LAS

VARIABLES SEGUIRÁ SIENDO VÁLIDO EN EL
FUTURO ANALIZADO

20
TÉCNICAS CUANTITATIVAS
 EXTRAPOLATIVAS: ajustes de curvas y
métodos de suavizamiento. Los patrones
observados en el pasado se proyectan al futuro
 ANÁLISIS DE SERIES DE TIEMPO: métodos de
descomposición y modelos ARIMA
(autorregresivos, integrados y promedios
móviles)
 MODELOS CAUSALES: modelos
econométricos (regresión)

21
ETAPAS DE UN PRONÓSTICO
 DEFINIR EL PROPÓSITO
 RECOLECTAR DATOS: fuentes primarias o
secundarias
 PREPARAR LOS DATOS:ordenar y clasificar
 SELECCIONAR LA TÉCNICA ADECUADA:
cualitativa o cuantitativa
 EJECUTAR EL PRONÓSTICO: estimar errores
 DAR SEGUIMIENTO: confrontar con
información actual

22
ETAPAS DE UN PRONÓSTICO
SELECCIÓN DE LA TÉCNICA ADECUADA:
LA MEJOR TÉCNICA ES AQUELLA QUE
 Facilite la toma de decisiones en el momento adecuado
 Que sea entendida por el que toma las decisiones
 Pase un análisis costo-beneficio
 Cumpla con las restricciones del sistema: tiempo
disponible, datos, disponibilidad de cómputo.
 Cumpla con los criterios de: precisión, estabilidad,
objetividad

23
TIPOS DE DATOS
 OBSERVADOS EN UN MOMENTO PRECISO DEL
TIEMPO: un día, una hora, una semana, etc..
Ejemplo: observar una característica en una
muestra de productos para controlar calidad,
ingreso de la población, grado de escolaridad de
empleados, etc...
Objetivo: extrapolar a toda la población las
características de la muestra

24
TIPO DE DATOS
 SERIES DE TIEMPO: una sucesión cronológica de
observaciones de una variable a intervalos iguales
de tiempo.
Ejemplo: ventas trimestrales de los últimos 5 años,
desempleo en los últimos años, precio de un
producto en el tiempo, etc..
Objetivo: analizar patrones del pasado que puedan
extrapolarse al futuro

25
PATRONES O COMPONENTES DE UNA SERIE DE
TIEMPO
 TENDENCIA: componente de muy largo plazo
 CICLICIDAD: componente de largo plazo
 ESTACIONALIDAD:componente de corto plazo
 FACTOR ALEATORIO: componente de muy corto
plazo

26
TENDENCIA
COMPONENTE DE MUY LARGO PLAZO QUE REPRE-
SENTA EL CRECIMIENTO O DECRECIMIENTO DE
LOS DATOS EN UN PERÍODO EXTENDIDO

FUERZAS QUE AFECTAN Y EXPLICAN TENDENCIA:

 Crecimiento de la población
 Inflación
 Ventas de un producto en su etapa de crecimiento en el
ciclo de vida

27
TENDENCIA: ventas de SEARS
(1955-1985)
50000

40000

30000

20000

10000

0
55 60 65 70 75 80 85

SEARS

28
ESTACIONALIDAD
PATRÓN DE CAMBIO QUE SE REPITE AÑO CON AÑO
EN EL MISMO NÚMERO DE PERÍODOS

FUERZAS QUE AFECTAN Y EXPLICAN ESTACIONALIDAD:

 PERÍODOS ESCOLARES
 PERÍODOS VACACIONALES
 PRODUCTOS DE ESTACIÓN
 ESTACIONES DEL AÑO

29
ESTACIONALIDAD
180

160

140

120

100

80

60
81 82 83 84 85 86 87 88 89 90

MURPHY

30
CICLICIDAD
FLUCTUACIÓN ALREDEDOR DE LA TENDENCIA
QUE SE REPITE PERO A INTERVALOS DISTINTOS Y
CON AMPLITUDES DISTINTAS
FUERZAS QUE AFECTAN Y EXPLICAN CICLICIDAD:

 PERÍODOS DE EXPANSIÓN Y DE RECESIÓN

DE LA ECONOMÍA
 CICLOS ECONÓMICOS

31
CICLICIDAD
400

350

300

250

200

150

100
60 65 70 75 80 85 90

VENTAS TENDENCIA

32
FACTOR ALEATORIO
MIDE LA VARIABILIDAD DE UNA SERIE CUANDO
LOS DEMÁS COMPONENTES SE HAN ELIMINADO
O NO EXISTEN

FUERZAS QUE AFECTAN Y EXPLICAN ALEATORIEDAD

 CAMBIOS CLIMÁTICOS
 DESASTRES NATURALES
 HUELGAS
 HECHOS FORTUITOS

33
SERIE ALEATORIA:generada por
números aleatorios
1000

800

600

400

200

0
5 10 15 20 25 30

ALEA

34
SERIE ESTACIONARIA
SERIE CUYO VALOR PROMEDIO NO CAMBIA
A TRAVÉS DEL TIEMPO

FUERZAS QUE AFECTAN Y EXPLICAN

ESTACIONARIEDAD

 SISTEMAS DE PRODUCCIÓN CON TASA

UNIFORME
 VENTAS DE PRODUCTOS EN SU ETAPA DE
MADUREZ EN EL CICLO DE VIDA
35
SERIE ESTACIONARIA
1000

800

600

400

200

85 86 87 88 89 90 91 92

VENTAS TENDENCIA

36
SERIE CON VARIOS PATRONES
500

400

300

200

100
60 65 70 75 80 85 90

VENTAS
CICLO
TENDENCIA

37
PROMEDIO MOVIL SIMPLE
 El método de pronóstico móvil simple se
utiliza cuando se quiere dar más importancia a
conjuntos de datos más recientes para obtener
la previsión. Cada punto de una media móvil de
una serie temporal es la media aritmética de un
número de puntos consecutivos de la serie,
donde el número de puntos es elegido de tal
manera que los efectos estacionales y / o
irregulares sean eliminados.

38
PROMEDIO MOVIL SIMPLE
 El pronóstico de promedio móvil es óptimo para
patrones de demanda aleatorios o nivelados
donde se pretende eliminar el impacto de los
elementos irregulares históricos mediante un
enfoque en períodos de demanda reciente.


39
PROMEDIO MOVIL PONDERADO
 Este método de pronóstico es una variación
del promedio móvil. Mientras, en el promedio
móvil simple se le asigna igual importancia a cada
uno de los datos que componen dicho promedio, en
el promedio móvil ponderado podemos asignar
cualquier importancia (peso) a cualquier dato del
promedio (siempre que la sumatoria de las
ponderaciones sean equivalentes al 100%). Es una
práctica regular aplicar el factor de ponderación
(porcentaje) mayor al dato más reciente.


40
PROMEDIO MOVIL PONDERADO
 El pronóstico de promedio móvil ponderado es
óptimo para patrones de demanda aleatorios o
nivelados donde se pretende eliminar el
impacto de los elementos irregulares históricos
mediante un enfoque en períodos de demanda
reciente, dicho enfoque es superior al del
promedio móvil simple.

41
Suavización exponencial
 El método de suavización o suavizamiento exponencial
simple puede considerarse como una evolución del
método de promedio móvil ponderado, en éste caso se
calcula el promedio de una serie de tiempo con un
mecanismo de autocorrección que busca ajustar los
pronósticos en dirección opuesta a las desviaciones del
pasado mediante una corrección que se ve afectada por
un coeficiente de suavización.

 Así entonces, este modelo de pronóstico precisa tan

sólo de tres tipos de datos: el pronóstico del último
período, la demanda del último período y el coeficiente
de suavización. 42
Suavización exponencial
 El pronóstico de suavización exponencial
simple es óptimo para patrones de demanda
aleatorios donde se pretende eliminar el
impacto de los elementos irregulares históricos
mediante un enfoque en períodos de demanda
reciente, este posee una ventaja sobre el modelo
de promedio móvil ponderado ya que no
requiere de una gran cantidad de períodos y de
ponderaciones para lograr óptimos resultados.

43
Regresión lineal
 El modelo de pronóstico de regresión
lineal permite hallar el valor esperado de una
variable aleatoria ’y’ cuando ’x’ toma un valor
específico. La aplicación de este método implica un
supuesto de linealidad cuando la demanda presenta
un comportamiento creciente o decreciente, por tal
razón, se hace indispensable que previo a
la selección de este método exista un análisis de
regresión que determine la intensidad de las
relaciones entre las variables que componen el
modelo.
 44
Regresión lineal
 El pronóstico de regresión lineal simple es un
modelo óptimo para patrones de demanda con
tendencia (creciente o decreciente), es decir,
patrones que presenten una relación de
linealidad entre la demanda y el tiempo.


45