Академический Документы
Профессиональный Документы
Культура Документы
Ventajas: Desventajas:
• Es un método de aplicación flexible y • No permite evidenciar las emociones y
que se hace en un corto periodo de percepciones del individuo.
tiempo. • El diseño de la encuesta es
• Puede ser económico comprado con determinante para obtener un
otros métodos. pronostico acertado.
• No necesita personas experimentadas • Difícil aplicación para evaluar
para aplicar la encuesta. aspectos cualitativos.
• Facilita el análisis estadístico cuando
se tabulan las respuestas, según el
diseño de la encuesta.
Consulta a la fuerza de ventas: Con la técnica de consulta a la fuerza de
ventas te basas en la experiencia de quienes están en campo y tienen más
contacto con los clientes: Los vendedores. Se basa en la experiencia y
percepción de cada vendedor.
Ventajas: Desventajas:
método incluyente: tiene en cuenta • La estimación del vendedor puede
al vendedor. ser no confiable:
Permite hacer comparaciones de la • Vendedor pesimista
estimación de cada vendedor para • Vendedor conservador
diseñar estrategias.
Permite hacer pronósticos
agrupados- zonas mas grandes.
Jurado de opinión ejecutiva es una técnica que se basa en la experiencia y los
conocimientos técnicos de los altos mandos de la empresa para llegar a un
consenso con el fin de pronosticar la demanda.
Ventajas: Desventajas:
• Método ágil al involucrar • Desconoce el trabajo en campo.
únicamente a los altos mandos. • Puede generar conclusiones
• Es de bajo costo a comparación ambiguas al ser un método basado
con otros. en la experiencia de ejecutivos.
Un grupo de consenso son las personas que expresan su opinión o
percepción frente a un tema en particular para tomar una decisión.
Por ejemplo tocando el ámbito empresarial, para hacer un pronóstico de
demanda, los grupos de consenso están conformados por vendedores, jefes y
gerentes, siendo vendedores el nivel operativo, los jefes el táctico y gerentes el
estratégico.
• Ventajas: • Desventajas:
• Método de bajos costo. • Intimidación ante niveles
• Pertinencia en las respuestas al superiores en un ámbito de
involucrar diferentes niveles reunión.
jerárquicos. • Puede ser de lenta aplicación
dependiendo del tamaño de la
empresa.
Analogía de productos similares: Su predicción de la demanda se basa
en el comportamiento de las ventas de un producto similar o modelo. La
comparación puede ser realizada con un producto sustituto o
complementario.
2.4 Métodos Cuantitativos para estimar la demanda.
• Promedio simple:
Se aplica promedio sobre los datos históricos de ventas. Útil cuando la
demanda no presenta estacionalidad o tendencia.
Realmente no hay una regla general que nos diga qué ponderación elegir. La experiencia y el
análisis de la demanda suelen ser decisorios para determinar la importancia en la ponderación.
Sin embargo, se suele considerar que en el cálculo de pronósticos es más importante la
demanda reciente, pues ante ausencia de datos, es el indicador más fiel que tenemos para el
próximo periodo.
A diferencia de los métodos de promedio móvil simple y ponderado, este método no necesita de
gran volumen de datos históricos de la demanda. Por ende cada vez que se calcula el pronóstico, se
remueve la observación anterior y es reemplazada por la demanda más reciente, y aquí es donde
radica la ventaja.
El método de suavización exponencial simple trabaja a través de una constante de suavización alfa (α)
que tiene un valor comprendido entre 0 y 1, aunque en la aplicación real su valor suele variar entre 0,05 y
0,50.
Donde
Ft= Nuevo pronóstico
Ft-1= Pronóstico del periodo anterior
α = constante de suavización
At-1= demanda real del periodo anterior
Ejemplo:
• Ejemplo de suavización exponencial
• Luz Verde es una empresa de seguros que ha decidido expandir su mercado a la ciudad
capital de un país. Por ser la ciudad que congrega más habitantes, han decidido
comenzar ofreciendo servicio de seguro para coches.
• Como ejercicio inicial, la empresa desea pronosticar cuántos seguros de vehículo serán
contratados por las personas de la ciudad capital, para lo cual usarán como dato inicial
los seguros de vehículos contratados en otra ciudad con menos habitantes pero con
mayor posicionamiento en el mercado.
• El pronóstico de demanda del período 1 es 2869 seguros de carro adquiridos por
personas, pero la demanda para ese periodo fue de 3200. La compañía según su criterio
asigna α=0,35.
• La demanda del próximo periodo es:
Ft= 2869+0.35(3200-2869)=2984.85
• Este mismo ejercicio lo realizó a través del año, obteniendo la siguiente tabla comparativa
entre lo realmente obtenido (demanda – segunda columna) y lo pronosticado en ese
momento (tercer columna).
Suavización exponencial doble:
Es una modificación del suavizamiento exponencial simple.
Agrega una constante de suavización delta (δ), cuya función es reducir el error que ocurre
entre la demanda real y el pronóstico.
Las fórmulas
para calcular
cada
componente
son las
siguientes:
• Donde:
• Ft= Pronóstico suavizado exponencialmente con la serie de datos del periodo t
• Tt= Tendencia suavizada para el período t
• At= Demanda real para el período t
• Alfa α= Constante de suavizamiento para el promedio
• Delta δ= Constante de suavizamiento para la tendencia
• FITt= Pronóstico de demanda con tendencia
Ejemplo:
• IngE es una empresa productora de alimento para peces y requiere calcular el pronóstico de
demanda con el método de suavizado exponencial con corrección por tendencia para los
próximos meses.
• El pronóstico de demanda del período 1 fue de 1500, pero las ventas reales fueron de 1132 y la
tendencia en ese momento fue de 150. La compañía asigna un α=0,10. Prevén una tendencia
alcista en próximos meses, por lo que definen δ=0,30.
Por último determinamos nuestro pronóstico con ajuste a la tendencia, que es simplemente una suma:
Para el período 2, IngE pronostica una demanda de 1732,66 unidades de alimento para peces.
Con el mismo procedimiento, logramos calcular el pronóstico de demanda para los próximos meses:
Eso, graficando la demanda y nuestro pronóstico ajustado con tendencia
(segunda y última columna) se ve así:
• Para qué calcular el error pronóstico
• ¿Qué utilidad tiene calcular el error de pronóstico de demanda? Su cálculo nos
permite tomar decisiones frente a qué método de pronóstico es el mejor y logran
detectar cuando algo en nuestra previsión de la demanda no está marchando bien,
con lo que conseguimos cambiar el rumbo de nuestras decisiones a fin tomar las
mejores elecciones.
• Hay dos fuentes de error en pronósticos: Sesgados y aleatorios.
• El primero, también llamado sistemático es ocasionado por un error constante, por
ejemplo una mala interpretación de la demanda, usar variables incorrectas o con
relaciones equivocadas. Este tipo de error se verá minimizado de acuerdo a la
experticia del administrador de operaciones.
• El error aleatorio es aquel que no tiene explicación, es decir, es el error originado por
factores imprevisibles y por ende no se conoce qué es lo que lo causa.
• Con esto en mente, debemos tener claro que siempre va a haber error en el cálculo
de un pronóstico de demanda. En la práctica, se intenta minimizar ambos tipos de
errores eligiendo el mejor método de pronóstico, y es por eso que existen la medición
del error en pronósticos de demanda.
Suma acumulada de errores de
pronóstico (CFE)
Es la medida más básica de todas y es
la que da origen a las demás. Es la
suma acumulada de los errores de
pronóstico. Nos permite evaluar el
sesgo del pronóstico. Por ejemplo, si
a través de los periodos el valor real de
la demanda siempre resulta superior al
valor de pronóstico, la CFE será más
grande, indicando la existencia de
un error sistemático en el cálculo de
la demanda.
Desviación media absoluta (MAD)
Mide la dispersión del error de pronóstico o
dicho de otra forma, la medición del tamaño
del error en unidades. Es el valor absoluto de
la diferencia entre la demanda real y el
pronóstico, dividido sobre el número de
periodos.