MTODOS DE PRONSTICO

JUAN DAVID ORTEGON

JUAN DAVID BENAVIDEZ

QUE ES UN PRONSTICO?
En el mbito de los negocios un PRONSTICO es una
herramienta que permite hacer una estimacin acerca de la
probabilidad de los eventos futuros. Aunque existen diferentes
mtodos para la elaboracin de un pronstico, siempre se debe
seguir un proceso lgico que consta de los siguientes pasos:
Formular el problema y recolectar datos
Manipular y limpiar datos
Construir y evaluar el modelo
Aplicar el modelo
Evaluar el pronstico

A travs de la planeacin, se
pretende alterar de una manera
consciente los eventos futuros,
en tanto que usamos los
pronsticos para predecirlos. Una
buena planeacin emplea un
pronstico como insumo; si ste
no es aceptable, en ocasiones,
puede disearse un plan para
modicar el curso de los eventos.

Incluso los buenos pronsticos

tendrn algn error, pero el logro
del error ms pequeo posible es la
meta consistente con los costos
razonables de la preparacin de
pronsticos. En reconocimiento de
los errores inherentes a los
pronsticos, todo pronstico debe
contar con, por lo menos, dos
clculos: uno para la mejor
estimacin de la demanda y el otro
para el error del pronstico.

POR QU ES IMPORTANTE HACER

PRONSTICOS?
Disminuyen la incertidumbre
sobre el futuro.
Juegan un papel muy
importante en el proceso de
planificacin de una
organizacin.
Todos requieren los pronsticos. La necesidad de
pronsticos est en todas las lneas funcionales, as
como en todos tipos de organizaciones. Los pronsticos
son absolutamente necesarios para avanzar en el
ambiente de negocios actual, siempre cambiante y
altamente dinmico.

Tipos de pronsticos
Segn el plazo

Segn el entorno a
pronosticar

De corto plazo
De mediano plazo
De largo plazo

Micro
Macro

Segn el
procedimiento
empleado

Cualitativo
Cuantitativo

Segn el producto
obtenido

Pronstico puntual
Pronstico por intervalo
Pronstico por densidad

SELECCIN DE UN MTODO DE
PRONSTICO
La consideracin primordial en la seleccin de un mtodo para pronosticar es
que los resultados deben facilitar el proceso de toma de decisiones a los
gerentes de la organizacin. Rara vez un mtodo funciona para todos los casos.
Para elegir acertadamente la tcnica de pronstico, el pronosticador debe
hacer lo siguiente:
Definir la naturaleza del problema
que se va a pronosticar
Explicar la naturaleza de los datos
en investigacin.

Describir las capacidades

y limitaciones de las tcnicas de
elaboracin de pronsticos

potencialmente tiles.
Desarrollar algn criterio
predeterminado, con el cual se
pueda tomar la decisin. Un factor
importante es la identificacin y
comprensin de patrones histricos
en los datos.

EL PROCESO DE PRONSTICO
1. FASE ESTRATEGICA

2. FASE OPERATIVA
El proceso del pronstico es como cualquier otro
proceso: si no se controla y verifica, es como una
espiral fuera de control.

FASE OPERATIVA DEL PROCESO DE

PRONSTICO
1.
2.
3.
4.
5.

Formulacin del problema y recopilacin de datos

Manipulacin y limpieza de datos
Construccin y evaluacin del modelo
Implementacin del modelo (el pronstico real)
Evaluacin del pronstico

MONITOREO DEL PROCESO

METODOS CUALITATIVOS DE
PRONSTICO
Se basan en el criterio administrativo y no usan modelos especcos; por lo tanto,
distintos individuos pueden utilizar el mismo mtodo cualitativo y llegar a
pronsticos sumamente diferentes.
No obstante, los mtodos cualitativos son de utilidad cuando existe una falta de
datos o cuando los datos histricos no son instrumentos de prediccin conables del
futuro; en este caso, el tomador de decisiones humano puede emplear los mejores
datos disponibles y un enfoque cualitativo para llegar a un pronstico.
Es posible un enfoque sistemtico para la preparacin de pronsticos
cualitativos aun cuando no se formule un modelo matemtico explcito.

MTODOS CUALITATIVOS DE PRONSTICO

MTODO

DESCRIPCIN

APLICACIONES

1. DELPHI

El pronstico se desarrolla por

medio de un panel de expertos
que responden una serie de
preguntas en rondas sucesivas.
Las respuestas annimas del
panel se realimentan a todos los
participantes en cada ronda. Se
pueden requerir de tres a seis
rondas para obtener la
convergencia del pronstico.

Pronsticos de ventas a largo

plazo para la planeacin de la
capacidad de las instalaciones.
Pronsticos tecnolgicos para
evaluar cuando podran ocurrir
cambios tecnolgicos.

2. ESTUDIOS DE
MERCADO

Paneles, cuestionarios, mercados

de prueba o encuestas que se
usan para recopilar datos sobre
las condiciones del mercado.

Pronsticos de las ventas

totales de la compaa, de
grupos mayores de productos
o de productos individuales.

3. ANALOGA DEL La prediccin se basa en las fases Pronsticos de ventas a largo

CICLO DE VIDA
de introduccin, crecimiento, y plazo para la planeacin de la
maduracin de productos
capacidad de las instalaciones.
similares. Aplica la curva de
crecimiento en ventas con forma
de S.
4. CRITERIO
INFORMADO

El pronstico lo puede realizar un Pronsticos de ventas totales y

grupo o un individuo con base en de productos individuales.
la experiencia, presentimientos o
hechos a cerca de la situacin. No
se emplean mtodos rigurosos.

EXACTITUD
COSTO
A CORTO
A MEDIANO
A LARGO
RELATIVO
PLAZO
PLAZO
PLAZO
Regular a muy Regular a muy Regular a muy Mediano a alto
buena
buena
buena

Muy buena

Buena

Regular

Alto

Deficiente

Regular a
buena

Regular a
buena

Mediano

Deficiente a
regular

Deficiente a
regular

Deficiente a
regular

Bajo

EL MTODO DELPHI

EJEMPLO: EL MTODO DELPHI

A Applied Biosystems le gustara pronosticar el crecimiento de las ventas tanto en equipos
como en consumibles durante los prximos 10 aos en cada regin. Para empezar, se le
pidi a cada experto que proporcionara una estimacin del crecimiento de las ventas de
instrumentacin y equipo y de los consumibles en cada regin para los prximos 10 aos.
A cada uno se le inform el nivel actual de las ventas anuales y una estimacin de la
participacin en el mercado por grupo para Europa, Japn y Australia. Los expertos,
quienes no se conocen entre s y que estn ubicados en diferentes partes del mundo,
estn comunicados por computadora con el gerente del proyecto de Applied Biosystems.

SEGUNDA RONDA:
Las opiniones del experto A permanecen esencialmente sin cambio.
El experto B ajusta su rango del crecimiento de las ventas del equipo e instrumental
en el mercado europeo de +20% a +60%, un ligero ajuste hacia abajo. Tambin ajusta
hacia abajo el lmite superior de su rango para el crecimiento de la venta de
consumibles en el mercado japons a +150%.Deja sin cambio sus pronsticos de
crecimiento de las ventas en el mercado australiano.
La experta C ajusta los rangos de sus pronsticos de crecimiento de las ventas para el
mercado europeo a Equipo/Instrumental +10% a +90% Consumibles +15% a +40%
Ella deja sin cambio sus pronsticos para Australia.
TERCERA RONDA:
No produce algn cambio adicional.

MTODOS CUANTITATIVOS DE
PRONSTICO
En general, los mtodos cuantitativos
manejan un modelo matemtico
fundamental para llegar a
un pronstico.
El supuesto bsico de todos los
mtodos cuantitativos de pronstico
es que los datos histricos y los
patrones de los datos son
instrumentos de prediccin conables
del futuro.

ANLISIS DE SERIES DE TIEMPO

Los mtodos de anlisis de series de tiempo se usan para hacer anlisis detallados
de los patrones histricos de una variable a lo largo del tiempo y para proyectarlos
hacia el futuro.
Uno de los supuestos bsicos de todos los mtodos de anlisis de series de tiempo
es que la variable puede descomponerse en elementos bsicos como nivel
promedio, tendencia, estacionalidad, ciclo y error. La grafica presenta una muestra
de estos componentes para una serie de tiempo representativa.

La estrategia bsica que se aplica en los pronsticos de series de tiempo

consiste en identicar la magnitud y la forma de cada componente con base
en los datos histricos disponibles. stos, excepto el componente aleatorio,
se proyectan, entonces, hacia el futuro. Si slo queda un pequeo
componente aleatorio y el patrn persiste hacia el futuro, se obtendr un
pronstico conable. la descomposicin de una serie de tiempo es la
siguiente:

Como puede verse, este modelo de series de tiempo posee un nivel, una
tendencia, un factor estacional y un trmino de error aleatorio; cada uno de
ellos se estima a partir de datos histricos para desarrollar una ecuacin que,
posteriormente, habr de usarse para pronosticar valores futuros.

Mtodos de suavizacin de series de

tiempo
Promedios mviles.
Promedios mviles ponderados
Suavizacin exponencial

Promedios mviles.
El mtodo de los promedios mviles utiliza el
promedio de los n valores de datos ms recientes en
la serie de tiempo como el pronstico para el
siguiente periodo

Precisin del pronstico

Promedios mviles.

PROMEDIOS MVILES PONDERADOS

Consiste en seleccionar diferentes pesos para cada valor de datos y
luego calcular un promedio ponderado de los n valores de datos
ms recientes como el pronstico.
En la mayora de los casos, la observacin ms reciente recibe el
mayor peso, y el peso disminuye para los valores de datos ms
antiguos.

Suavizacin exponencial
La suavizacin exponencial utiliza un promedio ponderado de
valores de series de tiempo pasadas como pronstico; es un caso
especial del mtodo de promedios mviles ponderados en el cual
seleccionamos slo un peso, el peso para la observacin ms
reciente.

Suavizacin exponencial

Suavizacin exponencial

Los modelos matemticos pueden ajustarse a datos de una serie

de tiempo con componentes de nivel, de tendencia y de tipo
estacional; como un modelo lineal o no lineal, comnmente a
travs de mtodos de regresin. Incluye lneas de tendencia,
polinomios, logaritmos no lineales, series de Fourier, entre otros. El
modelo resultante puede ofrecer un pronstico ms exacto que la
tcnica de suavizacin exponencial; sin embargo, un modelo
ajustado es ms costoso y, por lo tanto, debe hacerse un anlisis
de negociacin entre la exactitud y el costo del modelo.

Para ayudar a los analistas en su trabajo de preparacin de pronsticos,

se desarroll el mtodo de Box-Jenkins para la realizacin de
pronsticos de series de tiempo. Esta tcnica cuenta con una fase
especial de identicacin del modelo y permite un anlisis ms preciso
de los modelos propuestos que el que es posible con los otros mtodos;
no obstante, el mtodo de Box-Jenkins requiere de aproximadamente 60
periodos de datos histricos y es demasiado costoso para los
pronsticos rutinarios. Pese a ello, cuando se trata de un pronstico
especial que implique una decisin costosa, el uso del modelo de BoxJenkins, ciertamente, puede justicarse.

MTODOS CAUSALES
En general, los mtodos causales de pronstico desarrollan un modelo
de causa y efecto entre variables; por ejemplo: la demanda de los
helados puede relacionarse con la poblacin, la temperatura promedio
del verano y la hora. Pueden recopilarse datos sobre estas variables y
realizarse un anlisis para determinar la validez del modelo propuesto.

Anlisis de regresin
El anlisis de regresin es una tcnica estadstica que se puede utilizar para
desarrollar una ecuacin matemtica que muestre cmo se relacionan las
variables. En la terminologa de regresin, la variable a predecir se llama
variable dependiente o de respuesta. La variable o variables que se utilizan
para predecir el valor de la variable dependiente se llaman variables
independendientes o pronosticadores. El anlisis de regresin que involucra
una variable independiente y una variable dependiente para el cual la relacin
entre las variables se aproxima por medio de una recta se llama regresin
lineal simple. El anlisis de regresin que integra dos o ms variables
independientes se conoce como anlisis de regresin mltiple.

Anlisis de regresin

Anlisis de regresin

Anlisis de regresin

Anlisis de regresin

Correlacin Lineal
Interesa cuantificar la intensidad de la relacin lineal entre dos
variables. El parmetro que nos da tal cuantificacin es el
coeficiente de correlacin lineal de Pearson r, cuyo valor oscila
entre 1 y +1

Correlacin Lineal

Correlacin Lineal

Coeficiente de Determinacin
Denominamos coeficiente de determinacin R2 como el
coeficiente que nos indica el porcentaje del ajuste que se ha
conseguido con el modelo lineal
A mayor porcentaje mejor es nuestro modelo para predecir
el comportamiento de la variable Y

Regresin lnea mltiple

REDES NEURONALES
Aplicacin de las Redes Neuronales al Pronstico de Precios
en el Mercado de Valores .
Pronstico del precio de la energa elctrica usando redes
neuronales artificiales.
Prediccin de series temporales con redes neuronales: una
aplicacin a la inacin colombiana

ASPECTOS DE INTERES
CONSIDERACIONES
MACROECONMICAS DEL
PRONSTICO

SOFTWARE DE
PRONSTICOS

CONCLUSIONES

BIBLIOGRAFA
Schroader R., Mayer S., Johnny M., Administracin de
Operaciones, Conceptos y casos contemporneos. Mc
Garw Hill. Quinta Edicin 2011.
Hanje J., Wichern D. Pronsticos en los Negocios.
Prentice Hall Pearson Educacin. Novena Edicin. 2010
Torres MJ. Pronsticos, una herramienta clave para la
planeacin de las empresas. Articulo.
Astigarraga E. El mtodo Delphi. Univaersidad de Deusto.
2008.