2.1.2 PRONOSTICOS.

Pronstico.
Entre muchas definiciones podemos decir que Pronstico es la
estimacin anticipada de una variable con base en su historia y/o
variables explicativas. Es decir mediante algn o algunos
procedimientos matemticos se examina la historia o secuencia de
valores pasados de una variable y tratamos de alguna manera de
extrapolar este comportamiento para tratar de tener un indicio sobre el
valor futuro de dicha variable.
El pronstico juega un papel muy importante en la planificacin de
materiales, podemos encontrar pronsticos de abastecimiento, de
condiciones, comerciales, de tecnologa, precios, etc. Y en cualquiera
de estos rubros el pronstico es necesario para la toma de decisiones.
Por qu pronosticar?
Los pronsticos son una forma de atenuar la incertidumbre con la que
deben convivir los directivos de empresa. Ya sea con tcnicas muy
complejas, o con mtodos simples, o aun en forma cndida e intuitiva,
la previsin de los niveles de actividad a afrontar en los perodos
futuros es una ocupacin propia de gerentes de venta, de produccin,
de compras, de logstica. Inclusive el evadir conscientemente realizar
algn pronstico constituye una forma de decisin por omisin, y
presumiblemente no la mejor. Implcitamente se asume que la
situacin ser similar a la actual.
Los pronsticos, no pueden garantizarnos un 100% de seguridad en
el futuro, pero es importante que sean lo ms acertados y explcitos
posibles, ya que las decisiones que se toman tomndolos como
referencia, pueden tener consecuencias crticas a largo plazo para una
empresa (ventas bajas, fuerte competencia, etc.).
Al tomar una decisin, hay que considerar la variabilidad que puede
tener un pronstico y los riesgos que esto representa, y no tomar

como una verdad absoluta y nica lo que nos dice un solo pronstico,
tomando en cuenta otros .
Se debe estar preparado para afrontar la incertidumbre o los
imprevistos que pudieran ocurrir, estar preparados para contestar la
pregunta Qu ocurrir si..?

Pasos para elaborar un modelo de pronstico.

1) Formular el problema.
2) Recolectar los datos.
3) Manipular y limpiar los datos.
4) Construir y evaluar el modelo
5) Aplicar el modelo.
6) Evaluar el pronstico.

reas de aplicacin de pronsticos.

Ventas: en el presupuesto de ventas para saber
aproximadamente cuanto se tendr de ingresos a un
determinado periodo de tiempo;
Operaciones: en el presupuesto de operacin para saber
aproximadamente
cuanto se gastar en aspectos
administrativos, de ventas y de financiamiento;
Mercadotecnia: en estudios de mercados para la incorporacin
de nuevos productos o servicios (demanda); y,
Gerencia: en estudios de crecimiento de la empresa respecto al
sector, por mencionar los ms comunes.

Tipos de pronsticos.

Bsicamente podemos clasificar los mtodos de pronstico en dos

grandes grupos: cualitativos y cuantitativos. Se emplean varias
metodologas en diferentes empresas o an en una misma en funcin
del horizonte temporal, la urgencia en la toma de decisiones y la
informacin disponible.
Cuando la situacin no es clara y hay pocos datos, como por ejemplo
al estudiar el lanzamiento de un producto innovador o una nueva
tecnologa, se recurre a mtodos cualitativos, donde prevalece la
intuicin. Por el contrario, cuando la situacin es ms estable y existen
datos histricos, se suelen utilizar los mtodos cuantitativos.
Mtodos Cualitativos
Jurado de opinin ejecutiva:
Se agrupan las opiniones de un grupo de expertos de alto nivel o de
directivos, a menudo en combinacin con modelos estadsticos. Hay
que tener en mente las desventajas de la interaccin grupal en este
sentido: que haya mucha gente no garantiza que haya opiniones
conocedoras realmente del tema; las posiciones muy probablemente
escondan intereses personales o simplemente no sean enunciadas
por miedo a contrariar a la mayora; hay gran vulnerabilidad a la
posicin y personalidad de algunos de los individuos, sea por sus
aptitudes de manejo de grupos o simplemente por la jerarqua
organizacional... Es clave entonces la correcta eleccin de los
participantes.
Mtodo Delphi:
Es un proceso iterativo grupal, con ciertas reglas y metodologa,
mediante el cual se pretende maximizar las ventajas que presentan
los mtodos basados en grupos de expertos y minimizar sus
inconvenientes. Ello se logra mediante el anonimato (ningn experto
conoce la identidad de los otros que componen el grupo de debate,
evitando la influencia y permitiendo que uno se anime a modificar su
postura inicial), una iteracin con retroalimentacin controlada, y la
expresin de los resultados mediante una distribucin estadstica.
Proposicin de personal comercial:
Se agrupan y revisan estimacin de ventas esperadas por los
vendedores, y luego se obtiene un pronstico global. Tener cuidado

con los intereses que pueden tener, ya que normalmente van a dos
opciones. Si cobran un porcentual sobre las ventas, sobreestimarn la
demanda con tal de que no les falte producto para vender. Si cobran
en funcin al grado en el cual superan un objetivo, subestimarn la
demanda, para negociar un objetivo menor y as superarlo ms
ampliamente o con menor esfuerzo. Subestimar sobreestimar en
funcin de la metodologa de incentivos por ventas que se encuentre
Estudio de mercado:
Requiere informacin de los clientes sobre sus intenciones futuras de
compra. Esto incluye tanto sus preferencias, experiencia con el
producto, y necesidades, como una definicin del precio mximo que
estaran dispuestos a pagar la cantidad que demandaran a un
determinado precio. Hay que tener en mente que no siempre coincide
lo que el cliente dice con lo que realmente hace. Es slo una
herramienta ms, pero no debe tomarse como la verdad.
Otros mtodos.
Intuicin
Consultas no formales

Mtodos Cuantitativos
Enfoque Simple
Supone que la demanda en el prximo periodo ser igual a la
demanda del periodo ms reciente. Es la mejor prediccin para los
precios de insumos, acciones, etc., que cotizan. Porque si el mercado
realmente creyera que en un tiempo valdr ms, comprara tanto hoy
que hara llevar el precio a ese valor esperado. Por ejemplo, si hoy la
accin de Microsoft cotiza a U$S 20, cunto predice que va a valer
maana?: U$S 20. Y si en realidad maana vale U$S 25, cunto dira
que vale pasado maana?: U$S 25
Series de Tiempo
Es una secuencia de datos uniformemente espaciada. Se obtiene
observando las variables en periodos de tiempo regulares. Se trata de
un pronstico basado en los datos pasados; es decir que supone que

los factores que han influido en el pasado lo seguirn haciendo en el

futuro.
Se pueden descomponer en tendencia, estacionalidad y variacin
aleatoria.

La Tendencia es el movimiento gradual de ascenso o descenso

de los datos a lo largo del tiempo.Los cambios en la poblacin,
ingresos, etc. influyen en la tendencia.
La Estacionalidad es la existencia de un patrn peridico de
comportamiento de los datos. Se puede deber a la climatologa,
las costumbres, etc. y producirse dentro de un periodo diario,
semanal, mensual, anual... Por ejemplo, los Subterrneos tienen
dos claros picos de demanda durante las horas de flujo de
pasajeros hacia y desde los trabajos; a su vez, durante los
meses de verano tienen menor demanda que durante el resto
del ao, debido a la reduccin de poblacin en poca de
vacaciones.
Las Variaciones Aleatorias, que son saltos en los datos
causados por el azar y situaciones inusuales. Son de corta
duracin y no se repiten, o al menos no lo hacen con una
frecuencia determinada. Al ser aleatorias, no se pueden predecir.

Media Simple
Luego del mtodo de enfoque simple, le sigue en simpleza la media
simple. En este mtodo pronosticamos un valor futuro similar al
promedio de todos los valores pasados.
Dentro de las ventajas del mtodo tenemos que es muy amortiguado,
por lo cual no encontramos grandes saltos, y es muy simple de
comprender por cualquier persona. El problema es que al tener en
cuenta todos los datos histricos, llega un momento donde los valores
reales que se agregan prcticamente no modifican el pronstico futuro.
Aun as, en algunas ocasiones se utiliza.
Media Mvil
Consiste simplemente en tomar el promedio aritmtico de los ltimos n
perodos. El valor de n se elige en funcin a la influencia que
queramos que tenga la historia ms antigua en la prediccin de los
valores futuros. Un valor de n muy chico, har que los pronsticos
sigan ms de cerca de los ltimos valores reales, mientras que un
valor de n ms grande, se traduce en una curva ms amortiguada
aunque, por el mismo motivo, tambin de una menor velocidad de
cambio.
Se utiliza si no hay tendencia o si sta es escasa. Se suele utilizar
para alisar la curva, facilitando una lectura general de los datos.
Casos particulares: Si slo considerramos 1 perodo previo para el
clculo de la media mvil, estaramos utilizando la Estimacin Simple.

Media Mvil Ponderada

Se utiliza cuando se presenta una tendencia. Los datos anteriores
pierden importancia relativa. Las ponderaciones se basan en la
intuicin. Ante cambios importantes de la demanda, puede seguir
siendo muy lenta la respuesta.

Casos particulares:: Si le asignramos el mismo peso (factor de

ponderacin) a cada uno de los n perodos elegidos, estaramos
utilizando la Media Mvil.
Suavizacin Exponencial
Es un caso especial de pronstico de media mvil ponderada, donde
ahora los factores de ponderacin disminuyen exponencialmente,
dndole ms peso a los perodos ms recientes.
Se necesita una constante de alisado (), que toma valores entre 0 y 1,
eligindola de forma subjetiva. Ventaja: necesita una cantidad reducida
de datos histricos.
Pt =P t1 + ( V t 1Pt1 )

Pt = Nuevo pronstico del perodo t

Pt-1 = Pronstico del perodo anterior t - 1
= Constante de suavizamiento exponencial (valores entre 0 y 1)
Vt-1 = Demanda real del perodo anterior t - 1.
Anlisis de Regresin Lineal
Supone relacin lineal entre las dos variables (demanda vs tiempo,
demanda vs PBI, u otra variable independiente). Se calcula mediante
el mtodo de cuadrados mnimos. No vamos a ahondar en el tema en
la materia ya que se ve en otras materias de la carrera, y hoy en da
es muy simple su utilizacin desde Excel. Slo queremos recordarles
un punto importante que se suele pasar por alto: el coeficiente de
correlacin r, o el r2 slo indican un mayor o menor grado de
correlacin lineal. O sea, que un valor cercano a cero no significa que
no haya correlacin, sino que lo que no hay es una fuerte correlacin
lineal, pero puede tranquilamente haber una cuadrtica, o de algn
otro grado.
Modelo Estacional Multiplicativo
Cuando nos encontramos con un caso con una marcada
estacionalidad, se debe utilizar un mtodo que lo contemple, como por
ejemplo ste. Los pasos a seguir son:

1. Encontrar la demanda estacional media (sumando la demanda

de esa estacin cada ao y dividindola entre el nmero de aos
de datos disponibles)
2. Calcular la demanda total media -a lo largo de todas las
estaciones- (dividiendo la demanda media anual entre el nmero
de datos anual)
3. Calcular un ndice estacional (dividiendo la demanda estacional
media de esa estacin - calculado en 1- por la demanda total
media calculado en 2-).
4. Estimar la demanda anual de todo el ao prximo.
5. Calcular el pronstico para cada estacin (dividiendo esta
estimacin de la demanda anual total entre el nmero de
estaciones y entonces multiplicarla por el ndice estacional de
esa estacin)
GUA PARA SELECCIONAR EL MTODO MS CONVENIENTE DE
PRONSTICO.

Mtodo de
pronstico
Exponencial simple
aminorado
Exponencial de Holt
aminorado
Exponencial de
Winter aminorado
Modelos de
regresin de
tendencia.
Modelos de
regresin causal.

Descomposicin de
series de tiempo.

Cantidad de datos
histricos
5 a 10
observaciones para
establecer el peso.
10 a 15
observaciones para
establecer el peso.
Un mnimo de 4 a
5 observaciones
por temporada.
10 a 20 para
estacionalidad, un
mnimo de 5 por
estacin.
10 observaciones
por variable
independiente.

Patrn de datos

Plazo del
pronstico.
Corto.

Tiempo de
preparacin.
Breve.

Tendencia pero no
estacionalidad.

Corto a
mediano.

Breve.

Tendencia y
estacionalidad.

Corto a
mediano.

Breve.

Tendencia y
estacionalidad.

Corto a
mediano.

Breve.

Capacidad para
manejar factores
complejos.

Corto,
mediano o
largo.

Maneja patrones
cclicos y

Corto a
mediano.

Mucho para la
preparacin,
breve para la
aplicacin.
Breve a
moderado.

Basta con ver dos

crestas y valles.

Los datos deben

ser estticos.

Caja de Jenkins.

50 o ms
observaciones.

estacionales,
puede identificar
puntos de inflexin.
Deben ser
estticos o ser
convertidos a
estticos

Corto,
mediano o
largo.

Mucho.