Академический Документы
Профессиональный Документы
Культура Документы
Pronstico Equipo de
de Ventas Administracin
Estrategia Pronstico de
de Negocios Recursos de Produccin
EJEMPLOS DE PRONSTICOS DE
RECURSOS DE PRODUCCIN
Horizonte Comienzo Unidad de
Pronstico
Tiempo
del Pronstico Medida
MARKETING
OPERACIONES
MARKETING
Proporciona informacin
relacionada con el merca-do
y las predicciones de la
demanda.
Administra la demanda
mediante polticas de
fijacin de precio y
promociones p.e. los
descuentos de tempo rada
nivelan la demanda por un
producto o servicio.
OPERACIONES
Se encarga de asegurar que los bienes y
servicios de la Empresa se proporcionen
cuando se necesiten.
TIPOS DE PRONOSTICO POR
HORIZONTE DE TIEMPO
PRONOSTICO A CORTO PLAZO
Hasta 3 meses.
Asignacin de trabajos
PRONOSTICO A MEDIANO PLAZO
Entre 3 meses y 3 aos.
Planeacin de Produccin y venta.
PRONOSTICO A LARGO PLAZO
Mas de 3 aos
Planeacin de un nuevo producto.
TIPOS DE PRONSTICOS
1. Econmicos Cuanto
vender?
2. Tecnolgicos
3. De demanda
1.-PRONOSTICOS ECONOMICOS
Sirven para pronosticar lo que
sern las condiciones generales
de los negocios dentro de
algunos meses o aos.
Lo hacen los gobiernos, los
bancos y los servicios de
prediccin economtrica.
2.- PRONOSTICOS TECNOLOGICOS
Pronostican la probabilidad y
el significado de posibles
desarrollos futuros. Indican la
direccin de los cambios
tecnolgicos y la tasa de
cambios esperada.
3.- PRONOSTICOS DE LA DEMANDA
Las predicciones de
demanda pronostican la
cantidad y la duracin de la
demanda de los bienes y
servicios de una empresa.
ENFOQUES PARA PRONSTICAR
Cuanto
vender?
I. CUALITATIVOS
II. CUANTITATIVOS
I.- ENFOQUES CUALITATIVOS PARA
PRONOSTICAR LA DEMANDA
Las tcnicas cualitativas de pronstico
dependen de conjetura adquiridas con base en
la institucin las tcnicas cualitativas mas
comunes son:
1. Consenso de Comit Ejecutivo
2. Mtodo Delphi
3. Informacin Jefes Zonales
4. Encuestas
TCNICA Y ENFOQUE DE
PRONSTICO CUALITATIVO
Se fundamentan en la experiencia
Criterio
Intuicin
Encuestas del mercado
Pueden ser resultados muy buenos o
muy malos
Existen mtodos de juicio y mtodos
de conteo
1. CONSENSO DE COMIT EJECUTIVO
Permite la fusin de las opiniones de una
seccin de expertos interfuncionales.
Involucra pequeo grupo de alto nivel los
administradores.
Grupo estimaciones de la demanda de trabajo
conjunto.
1. CONSENSO DE COMIT EJECUTIVO
Combina la experiencia de gestin con
modelos estadsticos.
Esta tcnica es relativamente econmica y
mas utilizada a mediano y largo plazo.
Relativamente rpida
La desventaja es que se crea el grupo que
piensa.
2. METODO DELPHI
Este mtodo involucra a un grupo de expertos
que comparten informacin y eventualmente
llegan a un consenso en una prediccin a largo
plazo con respecto a las tecnologa del futuro o
a las ventas futuras de un nuevo producto.
Esta conformado por tres tipos de personas:
Los decisores (Decision Makers).
Facilitadores (Staff).
Los encuestados (Respondents).
3. INFORMACION DE JEFES ZONALES
La fuerza de ventas esta en contacto directo con
los clientes (lo cual constituye una buena fuente
de informacin que considera las intenciones de
los clientes a corto y a mediano plazo):
Cada vendedor proyecta sus ventas.
La fuerza de ventas conoce a los clientes.
Tienden a ser demasiado optimistas Sales
3. INFORMACION DE JEFES ZONALES
Combina el estimado de las ventas futuras
que hace cada vendedor para su territorio
en un pronstico de ventas totales.
3. INFORMACION DE JEFES ZONALES
VENTAJAS
-Representantes de venta responsables del
pronstico
-Se utiliza conocimiento y experiencia de
vendedores
-Cuotas de ventas asignadas por los mismos
vendedores
3. INFORMACION DE JEFES ZONALES
DESVENTAJAS
-Vendedores no estn capacitados para hacer
pronsticos
-Vendedores bajan cuotas de venta para alcanzarlas con
mayor facilidad
-Los pronsticos se basan en condiciones presentes y
no a futuro
4. ENCUESTA
Una empresa puede
basar sus pronsticos Cuantas horas usar
Ud. Internet la prxima
de las compras futuras de semana?
sus clientes actuales y
potenciales mediante
encuestas.
Esta informacin puede
obtenerse por medio de
encuestas personales, por
telfono, correo, email o
fax.
4. ENCUESTA
Encuesta de intencin de compra
Se toma una muestra de los clientes y se les pregunta
su intencin de compra en un periodo especfico
Se combinan en un solo pronstico ya sea por
producto, por territorio o por clientes.
4. ENCUESTA
Ventajas de encuesta
El pronstico lo determinan los usuarios reales del
producto
Pronstico rpido y econmico cuando participan
algunos clientes
4. ENCUESTA
Desventajas
La tcnica se vuelve cara cuando los usuarios son
numerosos y no se les puede localizar
Lo que dice el comprador y lo que hace es diferente
Pronstico depende de los usuarios que no siempre
quiere cooperar
4. ENCUESTA
Mercados de prueba
Generalmente para estimar ventas de un nuevo
producto
Prueba que se realiza en un mercado limitado para
ver la reaccin del consumidor antes de ampliarse al
mercado regional o nacional
Se puede observar el impacto de las ventas
Participacin en el mercado (tasa de prueba y de
repeticin)
Qu pasa con un pronstico equivocado?
AREA DEMASIADO ELEVADO DEMASIADO BAJO
Produccin Exceso de produccin Produccin inadecuada para
productos no vendido satisfacer necesidades del
cliente
Mtodo
Cuantitativo
Modelos Modelos
Serie de Tiempos Causales
1989 4040
3900
1990 4010
1991 4120 3700
1992 3980
1993 4070 3500
1994 4190 1985 1987 1989 1991 1993 1995
COMPONENTES DE LAS SERIES DE TIEMPO
Tendencia Cclica
Estacional Aleatorio
DESCOMPOSICION DE UNA SERIE DE
TIEMPOS: TENDENCIA
Response
Mo., Qtr.
DESCOMPOSICION DE UNA SERIE DE
TIEMPOS: ESTACIONALIDAD
Ao Trimestre 4
Ao Mes 12
Ao Semana 52
Mes Semana 4
Mes Dia 28-31
Semana Dia 7
DESCOMPOSICION DE UNA SERIE DE
TIEMPOS: VARIACIONES CICLICAS
CICLOS (C) son patrones que ocurren en
los datos cada varios aos.
Las alzas y las bajas de la economa o de
una industria especificas se representan
en variaciones cclicas. El ciclo de
negocios que se repite de cinco a diez
aos es un ejemplo.
DEFINICION: La variacin cclica tiene
una duracin de por lo menos un ao; la
variacin varia de un ciclo a otro.
DESCOMPOSICION DE UNA SERIE DE
TIEMPOS: VARIACIONES ALEATORIAS
Las variaciones aleatorias son
variaciones en la demanda que no
pueden explicarse mediante tendencias,
variaciones de temporada o variaciones
cclicas. Un suceso impredecible, como
una guerra, una huelga, un terremoto o
partes de legislacin, puede causar
grandes variaciones aleatorias. A
diferencia de las otras tendencias , la
variacin aleatoria siempre esta presente.
DEMANDA DE PRODUCTO PARA 4 AOS CON
TENDENCIA Y ESTACIONALIDAD
Demanda de producto o servicio
Lnea de actual
demanda
Demanda promedio
para 4 aos
Variacin
aleatoria
Ao Ao Ao Ao
1 2 3 4
MODELOS DE
SERIE DE TIEMPOS
DEFINICION
Se llama Series de Tiempo a un conjunto de
observaciones sobre valores que toma una
variable (cuantitativa) en diferentes momentos
del tiempo.
Para que se utilizan las Series
de Tiempo?
Hoy las diversas organizacio-
nes requieren conocer el
comportamiento futuro de
ciertos fenmenos con el fin de
planificar, prevenir,es decir, se
utilizan para predecir lo que
ocurrir con una variable en el
futuro a partir del
comportamiento de esa variable
en el pasado.
APLICACIONES
En las organizaciones es de mucha utilidad en
predicciones a corto y mediano plazo, por
ejemplo ver que ocurrira con la demanda de un
cierto producto, las ventas a futuro, decisiones
sobre inventario, insumos, etc....
No as para el diseo de un proceso productivo
ya que no se disponen de datos histricos y se
trata de un proyecto a largo plazo.
MODELOS DE SERIE DE TIEMPO
Modelo Multiplicativo de una serie de tiempo:
At = Tt * St * Ct * Et
Modelo Aditivo de una serie de tiempo:
At = Tt + St + C + Et
Donde :
At=Demanda real en el perodo t
Tt= Componente de tendencia para el perodo t.
St= Componente de temporada para el perodo t.
Ct= Componente de ciclo para el perodo t.
Et= Componente aleatoria o error para el perodo t.
SELECCIN DE UN MODELO
1. El horizonte de tiempo para
realizar la proyeccin.
2. La disponibilidad de los datos.
3. La exactitud requerida.
4. El tamao del presupuesto de
proyeccin.
5. La disponibilidad de personal
calificado.
MODELOS DE SERIES DE TIEMPO
Mtodo de proyeccin Cantidad de datos Patrn de los datos Horizonte de Tiempo de Antecedentes del
histricos proyeccin preparacin personal
Maneja patrones
Descomposicin de las Suficiente para ver 2 cclicos y estacionales Corto tiempo para
series de tiempo picos y simas puede identificar los Corto a mediano la moderacin Poca sofisticacin
puntos crticos
2011 4
2012 6
2013 5
2014 3
2015 7
SOLUCION DEL PROMEDIO MOVIL SIMPLE
Ventas
8 Actual
6
4 Pronstico
2
0
11 12 13 14 15 16
Ao
PROMEDIO SIMPLE
CON WINQSB 2
PROMEDIO MOVIL SIMPLE
CON WINQSB 2
PROMEDIO MOVIL PONDERADO
Ventas actuales
25
20
15
10
Promedio mvil
5
0
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
Meses
DESVENTAJAS DEL PROMEDIO MOVIL
Weighted
30 moving
average
25
Sales demand
20 Actual
sales
15
Moving
10 average
5
| | | | | | | | | | | |
Figure 4.2
J F M A M J J A S O N D
Se esta organizando
AO PRONOSTICO
una reunin de trabajo
en un Taller de 2011 180
mantenimiento. Se 2012 168
espera pronosticar la
atencin del ao 2016. 2013 159
El ( = 0.0). En 2011 el 2014 175
pronstico fu 175.
2015 190
EJEMPLO DE SUAVIZADO EXPONENCIAL
Ventas
190 Actual
180
170 Pronstico
160
150
140
11 12 13 14 15 16
Ao
SUAVIZADO EXPONENCIAL CON
TENDENCIA
Como el suavizado exponencial simple falla al
responder a las tendencias, se calcula un promedio de
suavizacin exponencial simple y se ajusta para
retrasos (+) y (-). La ecuacin de tendencia emplea
una constante .
Ejemplo: Estimar las ventas para el ao siete tomando
en cuenta una tendencia inicial de 22.73, un = 0.3,
una = 0.50, y un pronstico inicial de 340. Adems,
establezca el MAD.
Ao 1 2 3 4 5 6
Ventas 400 470 500 530 560 595
TENDENCIA LINEAL
El mtodo ms empleado para describir una tendencia
lineal es el de mnimos cuadrados, para encontrar una
lnea de mejor ajuste para un conjunto de puntos.
Y = a + bX
Y = valor pronosticado en un periodo X
a = valor de la tendencia cuando X = 0
b = pendiente de la recta de tendencia
X = periodo (codificado)
TENDENCIA LINEAL
Ao Periodo X Demanda (Y)
1994 1 35
1995 2 42
1996 3 48
1997 4 51
1998 5 54
1999 6 60
2000 7 71
2001 8 75
TENDENCIA LINEAL
Tendencia lineal: ejemplo
80
75
70
65
60
55
50
45
40
35
30
1994 1995 1996 1997 1998 1999 2000 2001
TENDENCIA LINEAL
Tendencia lineal: ejemplo
X Y XY X
1 35
2 42
3 48
4 51
5 54
6 60
7 71
8 75
Sumas
TENDENCIA LINEAL
Tendencia lineal: frmulas
n xy x y
b
n x x
2 2
a
y
b
x
n n
TENDENCIA LINEAL
Tendencia lineal
t Yt Yt et
1 35
2 42
3 48
4 51
5 54
6 60
7 71
8 75
9
TENDENCIA LINEAL
Se puede calcular el coeficiente de determinacin, a
fin de evaluar qu tan correcta es la estimacin de la
recta de regresin.
El coeficiente de determinacin r se calcula como:
n xy x y
2
n x x n y y
2
r 2 2 2 2
TENDENCIA LINEAL
Tambin es posible calcular intervalos de confianza
para la estimacin. Para ello es necesario calcular el
error estndar de la estimacin.
Se y 2
a y b xy
n2
TENDENCIA LINEAL
Nivel de Z Frmula
confianza
68% 1 y Se
95% 2 y 2Se
99% 3 y 3Se
APLICACIN DE VARIOS MTODOS A
DATOS DESESTACIONALIZADOS
Los datos muestran alguna tendencia creciente a lo largo del
tiempo, adems de una marcada estacionalidad. Se proceder
a desestacionalizar los datos, lo que permite observar hasta
donde las variaciones se deben a efectos estacionales o bien, a
otros factores.
El proceso de ajuste estacional se realizar a travs del
clculo de factores estacionales:
Factor estacional = Prom. periodo / prom. global
Pronstico=Indice Estacional*Pronostico de la tendencia
Estacional
Ao Trim. Yt
1 1 13618
2 12930
3 13138
4 16532
2 1 14514
2 14128
3 15568
4 17448
3 1 13984
2 13644
3 15898
4 19300
APLICACIN DE VARIOS MTODOS A
DATOS DESESTACIONALIZADOS
20000
19000
18000
17000
16000
15000
14000
13000
12000
11000
10000
1 2 3 4 1 2 3 4 1 2 3 4
Trim estres
APLICACIN DE VARIOS MTODOS A
DATOS DESESTACIONALIZADOS
FACTOR
A1 A2 A3 SUMA PROM
ESTACIONAL
Veamos un ejemplo
DESVIACION MEDIA ABSOLUTA (MAD)
Muestra la magnitud del error global.
No penaliza los errores extremos.
No anula los errores.
No da idea de la direccin del error.
En unidades originales.
DESVIACION MEDIA ABSOLUTA (MAD)
Ejemplo: Durante los ltimos 8 trimestres, el puerto del
Callao ha descargado de los barcos grandes cantidades
de grano. El Jefe de Operaciones del puerto quiere
probar el uso de suavizado exponencial para ver que tan
bien funciona la tcnica para predecir el tonelaje
descargado. Supone que el pronstico de grano
descargado durante el primer trimestre fue 175 toneladas.
Se examinan dos valores de .
= 0,10 y = 0,50.
La siguiente tabla muestra los clculos detallados slo
para = 0,10
DESVIACION MEDIA ABSOLUTA (MAD)
Pronstico Pronstico
Toneladas reales
Redondeado con Redondeado con
descargadas
Trimestre = 0,10 = 0,50
4 175 166
173 = 174,75+0,10 (159-174,75)
5 190 173 = 173,18+0,10 (175+173,18) 170
desviaciones 12,50
MAD = 10,50
n
225
Actual = .5
200 demand
Demand
175
= .1
150 | | | | | | | | |
1 2 3 4 5 6 7 8 9
Quarter
2
1 180 175 5 = 25
2
2 168 176 (-8) = 64
2
3 159 175 (-16) = 256
4 175 173 (2) 2 = 4
2
5 190 173 17 = 289
2
6 205 175 30 = 900
2
7 180 178 2 =4
2
8 182 178 4 = 16
Suma de los cuadrados de los errores 1.558
2
MSE = (errores de pronstico)
= 1.558 / 8 = 194,75
n