Merriwell Bag Company

1. Desarrolle y justifique un método de pronóstico que llene las

especificaciones de la compañía.

Considerando la información disponible, y que el caso plantea u fuerte factor

estacional para la demanda, se hará un ANALISIS DE SERIES DE TIEMPOS, con la
información completa que hay a partir del año 83, para poder determina un
pronóstico para el año 1988.

Procedimiento de cálculos, análisis y pronósticos.

Cuando se registra y observa una serie de tiempo variable, muchas veces es difícil
o imposible visualizar sus diferentes componentes. El propósito de descomponer
una serie de tiempo es observar cada uno de sus elementos aislados. Al hacerlo, se
puede tener una mejor idea de las causas de la variabilidad de la serie.

Al aislar las componentes de una serie de tiempo se facilita el proceso para

determinar los pronósticos. Si se entiende el movimiento de los elementos de una
serie, el pronóstico resulta más sencillo.

Para entender los elementos de una serie de tiempo, deben considerarse las
relaciones matemáticas entre las componentes. El modelo que más se usa para la
descomposición de las series de tiempo es el Modelo Multiplicativo, en el que se
analiza la serie como el producto de sus componentes:

Y= T x S x C x I

Donde: T es el componente de la Tendencia

S es el componente de Estacionalidad
C es el componente Cíclico
I es el componente irregular o aleatorio

a).- Ajuste de previsión y tendencia con mínimos cuadrados

Para ajustar una línea de tendencia de mínimos cuadrados a la serie mensual de
cinco años en nuestro caso, codificamos los valores consecutivos de X desde O
hasta 60 y empleamos la herramienta de análisis de datos “Regresión” de EXCEL,
el modelo lineal está dado por

Ŷ= 6,798.97 + 45.13 X

En la que las unidades de X son meses.

La intersección a = 6,798.97 es el valor de tendencia ajustado que refleja las

ventas durante el mes de origen o base, enero 1983. La pendiente b = 45.13 indica
que las ventas estuvieron aumentando con una tasa de 45.13 por mes durante este
periodo de cinco años. Lo anterior se representa en la figura siguiente, en la que la
 pendiente de la recta de tendencia ajustada mensualmente muestra una ligera
tendencia a aumentar con el tiempo. Esta ecuación puede ser utilizaba para
proyectar valores de tendencia mensual de ventas. Sin embargo, series de tiempo
mensual como ésta se ven influenciadas por factores estacionales, y debemos
desarrollar un índice estacional que explique las fluctuaciones que se dan de un
mes a otro.

Estadísticas de la regresión
Coeficiente de
correlación múltiple 0.338506753
Coeficiente de
determinación R^2 0.114586822
R^2 ajustado 0.099321077
Error típico 2209.670761
Observaciones 60

ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor crítico de
libertad cuadrados cuadrados F F
Regresión 1 36649818.17 36649818.17 7.506140449 0.008156976
Residuos 58 283193402.5 4882644.871
Total 59 319843220.7

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Intercepción 6798.968075 577.7415749 11.76818213 5.29498E-17 5642.49353 7955.44262
Mes 45.12944438 16.4722014 2.739733646 0.008156976 12.15677555 78.10211321

Mes Curva de regresión ajustada

18,000
16,000
Desestacionalizada

14,000
12,000
Ventas

10,000
8,000
6,000
4,000
2,000
0
0 10 20 30 40 50 60 70
Ventas Desestacionalizadas
Mes Pronóstico Ventas Desestacionalizadas
B).- Cálculo del Indice Estacional

Es importante aislar y estudiar los movimientos estacionales de una serie de tiempo

mensual por dos razones. Primero, al conocer el valor del componente estacional para
cualquier mes en particular, podemos fácilmente ajustar y mejorar las proyecciones de
tendencia con propósitos de predicción.
Segundo, al conocer el valor del componente estacional, podemos descomponer la
serie de tiempo mediante la eliminación de la influencia estacional, junto con aquellas
pertenecientes a la tendencia y a las fluctuaciones irregulares, y, en consecuencia,
concentrarnos en los movimientos cíclicos de la serie. Si, como se supone a menudo,
los movimientos estacionales son bastante constantes respecto al tiempo, la
construcción de un índice estacional puede ilustrar esto.

C).- Se desestacionaliza la serie

Una vez calculados los índices estacionales, se divide los valores observados entre los
índices estacionales correspondientes, obteniendo un valor desestacionalizado.
Con este valor desestacionalizado se hace una regresión para obtener la recta de
tendencia.

D).- Tendencia

Al dividir el valor desestacionalizado entre los ajustados por la recta de tendencia se

obtiene un índice que contiene las componentes cíclicas e irregular

E).- Ciclo e Irregular

El negocio esta en un ciclo de crecimiento, aunque se sospecha que ya puede estar

entrando a la madurez. Hay muchos factores irregulares que afectan las ventas como:
 Ingreso y salida de clientes
 Ingreso de nuevos productos, cambia las ventas esperadas en un mes.
 Falta de producto en el mercado. A veces se agotan los stocks, con lo que el
mercado queda desabastecido. Está situación es aprovechada por la competencia.
 Acciones de la competencia
 Periodos de crecimiento de la economía, que aumentan el consumo.

Los cálculos se presentan en el Anexo1:

2. Pronostique la demanda agregada por mes para el año 1998.

Usando el análisis de series de tiempos se puede pronosticar la demanda,

considerando efectos como la estacionalidad y la tendencia

Indice
Año Meses Tendencia Pronóstico
Estacional
1988 Ene.88 61 9,552 48.76% 4,658
Feb-88 62 9,597 52.44% 5,033
Mar-88 63 9,642 44.02% 4,244
Abr-88 64 9,687 29.45% 2,853
May-88 65 9,732 62.53% 6,086
Jun-88 66 9,778 73.97% 7,233
Jul-88 67 9,823 94.95% 9,327
Ago-88 68 9,868 114.62% 11,311
Sep-88 69 9,913 166.33% 16,488
Oct-88 70 9,958 175.65% 17,492
Nov-88 71 10,003 215.96% 21,603
Dic-88 72 10,048 121.30% 12,189

3. Además del pronóstico de la demanda de los clientes grandes y

de la demanda agregada, ¿cómo se podría mejorara la exactitud
del pronóstico?

Para un mejor pronóstico se debería tomar la información de clientes con un

historial de compras de por lo menos dos años, concentrándose en los clientes que
hacen el 80% de las ventas.
Esto va a permitir filtrar información eliminar los outlayers, y hacer un mejor
estimado de las necesidades estacionales de los clientes habituales, dada la
estabilidad de sus ventas.
Con la recta de tendencia se determina el crecimiento de los principales
compradores, y dada la flexibilidad de las operaciones, se podrán atender los
requerimientos de los clientes más pequeños.
Ordenar los clientes por antigüedad y por importancia (volumen de compras
anuales)
Cuantificar las contingencias que originan incertidumbre en la entrega de pedidos y
que habría obligado a diferir pedidos hacia la competencia. Trasladar al cliente el
almacenaje de productos que puedan escasear de modo que estos mantengan un
stock de seguridad en sus almacenes, así evitar el perder ventas.
Investigar oportunidades de Tercerizar los procesos complejos

4. ¿Qué papel debe jugar el "sentir" de Ed Merriwell para establecer

los nuevos pronósticos de venta?

Su "sentir" ayuda con las variables no explicativas, identificarlos y cuantificarlos

para incorporarlos al modelo de regresión u otro modelo que pueda mejora su
pronostico
Mejorar los datos cuantitativos que se consideran.
Considerar otros factores como moda, tendencias del mercado, nuevos
competidores, clientes más exigentes que no solo requieren el producto sino
servicios adicionales, etc
Ed Merriwell determinaba la demanda y producción por su sentir, es decir en
función de su experiencia del sector, su conocimiento de los clientes, y su intuición
sobre el negocio. Busca nuevas oportunidades de negocios, tiene una actitud
innovadora para mejorar su posicionamiento, en el mercado

Tiene demasiado acercamiento con algunos clientes lo que le puede perjudicar,

pues llega a extremo de almacenar productos de sus clientes, sin considerar las
consecuencias para su propio negocio como la falta de espacio para su materia
prima.
 Anexo 01

Paso 1: Cálculo del Índice de Estacionalidad

Promedio Móvil Promedio Móvil Índice

Año Meses Ventas US$
12 meses Centrado Estacional
1983 Ene.83 2,000
Feb.83 3,000
Mar.83 3,000
Abr.83 3,000
May.83 4,000
Jun.83 6,000 6,500
Jul.83 7,000 6,583 6,542 107.01%
Ago.83 6,000 6,667 6,625 90.57%
Set.83 10,000 6,667 6,667 150.00%
Oct.83 12,000 6,833 6,750 177.78%
Nov.83 14,000 6,917 6,875 203.64%
Dic.83 8,000 7,083 7,000 114.29%
1984 Ene.84 3,000 6,750 6,917 43.37%
Feb.84 4,000 6,917 6,833 58.54%
Mar.84 3,000 7,083 7,000 42.86%
Abr.84 5,000 7,083 7,083 70.59%
May.84 5,000 7,250 7,167 69.77%
Jun.84 8,000 7,417 7,333 109.09%
Jul.84 3,000 7,333 7,375 40.68%
Ago.84 8,000 7,417 7,375 108.47%
Set.84 12,000 7,583 7,500 160.00%
Oct.84 12,000 7,417 7,500 160.00%
Nov.84 16,000 7,333 7,375 216.95%
Dic.84 10,000 7,167 7,250 137.93%
1985 Ene.85 2,000 7,500 7,333 27.27%
Feb.85 5,000 7,667 7,583 65.93%
Mar.85 5,000 7,917 7,792 64.17%
Abr.85 3,000 8,167 8,042 37.31%
May.85 4,000 8,333 8,250 48.48%
Jun.85 6,000 8,167 8,250 72.73%
Jul.85 7,000 8,417 8,292 84.42%
Ago.85 10,000 8,333 8,375 119.40%
Set.85 15,000 8,250 8,292 180.90%
Oct.85 15,000 8,167 8,208 182.74%
Nov.85 18,000 8,250 8,208 219.29%
Dic.85 8,000 8,333 8,292 96.48%
1986 Ene.86 5,000 8,583 8,458 59.11%
Feb.86 4,000 8,917 8,750 45.71%
Mar.86 4,000 9,000 8,958 44.65%
Abr.86 2,000 9,083 9,042 22.12%
May.86 5,000 9,250 9,167 54.55%
Jun.86 7,000 9,583 9,417 74.34%
Jul.86 10,000 9,583 9,583 104.35%
Ago.86 14,000 9,417 9,500 147.37%
Set.86 16,000 9,333 9,375 170.67%
Oct.86 16,000 9,333 9,333 171.43%
Nov.86 20,000 9,500 9,417 212.39%
Dic.86 12,000 9,417 9,458 126.87%
1987 Ene.87 5,000 9,250 9,333 53.57%
Feb.87 2,000 8,917 9,083 22.02%
Marz.87 3,000 9,250 9,083 33.03%
Abr.87 2,000 9,583 9,417 21.24%
May.87 7,000 9,750 9,667 72.41%
Jun.87 6,000 9,417 9,583 62.61%
Jul.87 8,000
Ago.87 10,000
Set.87 20,000
Oct.87 20,000
Nov.87 22,000
Dic.87 8,000
 Cálculo del índice de Estacionalidad

Año Meses Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre

1983 107.01% 90.57% 150.00% 177.78% 203.64%

1984 43.37% 58.54% 42.86% 70.59% 69.77% 109.09% 40.68% 108.47% 160.00% 160.00% 216.95%
1985 27.27% 65.93% 64.17% 37.31% 48.48% 72.73% 84.42% 119.40% 180.90% 182.74% 219.29%
1986 59.11% 45.71% 44.65% 22.12% 54.55% 74.34% 104.35% 147.37% 170.67% 171.43% 212.39%
1987 53.57% 22.02% 33.03% 21.24% 72.41% 62.61%
Indice 48.47% 52.13% 43.75% 29.27% 62.16% 73.53% 94.38% 113.94% 165.33% 174.60% 214.67%
Indice ajustado 48.76% 52.44% 44.02% 29.45% 62.53% 73.97% 94.95% 114.62% 166.33% 175.65% 215.96%

Indice de Estacionalidad Ajustado

Indice de Estacionalidad Ajustado

250.00%

200.00%

150.00%

100.00%

50.00%

0.00%
1 2 3 4 5 6 7 8 9 10 11 12

Gráfico de los Residuales

C xI

2.50

2.00

1.50
C xI
1.00

0.50

0.00
0 10 20 30 40 50 60 70
Paso 3: Modelo Multiplicativo de Análisis de Series de Tiempo

Ventas
Año Meses Ventas Reales Desestacionaliz Tendencia CxI
adas
1983 Ene.83 1 2,000 4,101 6,844 0.60
Feb.83 2 3,000 5,721 6,889 0.83
Mar.83 3 3,000 6,815 6,934 0.98
Abr.83 4 3,000 10,187 6,979 1.46
May.83 5 4,000 6,397 7,025 0.91
Jun.83 6 6,000 8,111 7,070 1.15
Jul.83 7 7,000 7,372 7,115 1.04
Ago.83 8 6,000 5,234 7,160 0.73
Set.83 9 10,000 6,012 7,205 0.83
Oct.83 10 12,000 6,832 7,250 0.94
Nov.83 11 14,000 6,483 7,295 0.89
Dic.83 12 8,000 6,595 7,341 0.90
1984 Ene.84 13 3,000 6,152 7,386 0.83
Feb.84 14 4,000 7,628 7,431 1.03
Mar.84 15 3,000 6,815 7,476 0.91
Abr.84 16 5,000 16,979 7,521 2.26
May.84 17 5,000 7,996 7,566 1.06
Jun.84 18 8,000 10,815 7,611 1.42
Jul.84 19 3,000 3,159 7,656 0.41
Ago.84 20 8,000 6,979 7,702 0.91
Set.84 21 12,000 7,215 7,747 0.93
Oct.84 22 12,000 6,832 7,792 0.88
Nov.84 23 16,000 7,409 7,837 0.95
Dic.84 24 10,000 8,244 7,882 1.05
1985 Ene.85 25 2,000 4,101 7,927 0.52
Feb.85 26 5,000 9,535 7,972 1.20
Mar.85 27 5,000 11,359 8,017 1.42
Abr.85 28 3,000 10,187 8,063 1.26
May.85 29 4,000 6,397 8,108 0.79
Jun.85 30 6,000 8,111 8,153 0.99
Jul.85 31 7,000 7,372 8,198 0.90
Ago.85 32 10,000 8,724 8,243 1.06
Set.85 33 15,000 9,018 8,288 1.09
Oct.85 34 15,000 8,540 8,333 1.02
Nov.85 35 18,000 8,335 8,378 0.99
Dic.85 36 8,000 6,595 8,424 0.78
1986 Ene.86 37 5,000 10,253 8,469 1.21
Feb.86 38 4,000 7,628 8,514 0.90
Mar.86 39 4,000 9,087 8,559 1.06
Abr.86 40 2,000 6,792 8,604 0.79
May.86 41 5,000 7,996 8,649 0.92
Jun.86 42 7,000 9,463 8,694 1.09
Jul.86 43 10,000 10,532 8,740 1.21
Ago.86 44 14,000 12,214 8,785 1.39
Set.86 45 16,000 9,620 8,830 1.09
Oct.86 46 16,000 9,109 8,875 1.03
Nov.86 47 20,000 9,261 8,920 1.04
Dic.86 48 12,000 9,892 8,965 1.10
1987 Ene.87 49 5,000 10,253 9,010 1.14
Feb.87 50 2,000 3,814 9,055 0.42
Marz.87 51 3,000 6,815 9,101 0.75
Abr.87 52 2,000 6,792 9,146 0.74
May.87 53 7,000 11,195 9,191 1.22
Jun.87 54 6,000 8,111 9,236 0.88
Jul.87 55 8,000 8,425 9,281 0.91
Ago.87 56 10,000 8,724 9,326 0.94
Set.87 57 20,000 12,024 9,371 1.28
Oct.87 58 20,000 11,386 9,416 1.21
Nov.87 59 22,000 10,187 9,462 1.08
Dic.87 60 8,000 6,595 9,507 0.69