Ventajas y desventajas del pronóstico cualitativo

Capacidad predictiva

La principal ventaja de la previsión cualitativa es su capacidad para predecir cambios en los

patrones de ventas y el comportamiento del cliente en función de la experiencia y el juicio de los
ejecutivos senior y expertos externos. Por ejemplo, si se espera que la economía disminuya en el
corto plazo, el propietario de una pequeña empresa puede confiar en su propia experiencia y en la
de su personal de ventas senior para estimar una pequeña disminución en las ventas el próximo año.
Flexibilidad

El pronóstico cualitativo brinda a la administración la flexibilidad necesaria para utilizar fuentes de

datos no numéricos, como la intuición y el juicio de gerentes experimentados, profesionales de
ventas y expertos de la industria. Esto puede mejorar la calidad de un pronóstico porque los datos
cuantitativos no pueden captar los matices que los años de experiencia pueden detectar. Por
ejemplo, si una pequeña empresa planea abrir una nueva tienda, los datos cuantitativos pueden
mostrar tendencias históricas de ventas sólidas para el área. Sin embargo, la diligencia debida puede
indicar que los cambios de zonificación recientemente aprobados para un nuevo centro comercial
podrían tener un impacto significativo en las ventas en el futuro, lo que haría que la nueva ubicación
sea inaceptable. La gerencia podría entonces usar su juicio colectivo para seguir adelante con la
expansión, retrasarla o reducirla.
Ambigüedad

El pronóstico cualitativo es útil cuando hay datos ambiguos o inadecuados. Por ejemplo, una
empresa de tecnología de inicio que desarrolle una nueva aplicación de software no tendrá datos
históricos para ningún tipo de análisis cuantitativo. Puede usar los resultados de compañías
comparables y estimaciones del tamaño del mercado para predecir ventas futuras, pero es el juicio y
la intuición de los fundadores lo que guiará la mayoría de las decisiones clave. Las grandes
empresas pueden tener los recursos para realizar grupos de enfoque y pruebas de campo para
diseñar y ajustar sus nuevos productos, pero sus pronósticos de ventas todavía necesitarán aportes
cualitativos.
Consideraciones: Desventajas

El método cualitativo de pronóstico tiene ciertas desventajas, como los eventos de anclaje y la
percepción selectiva. Los eventos de anclaje significan que los pronosticadores permiten que los
eventos recientes influyan en las percepciones sobre eventos futuros. Por ejemplo, un minorista
puede haber recibido un pedido inusualmente grande este año, que es poco probable que se repita el
próximo año. La percepción selectiva significa que los pronosticadores ignoran la información
relevante que puede entrar en conflicto con su visión de cómo se desarrollará el futuro. Por ejemplo,
el propietario de un restaurante puede decidir ignorar el ingreso de los minoristas de grandes cajas y
las tiendas de comestibles en sus pronósticos, suponiendo que sus restaurantes internos y las
comidas listas para cocinar no tendrán ningún impacto en las ventas futuras.

Aunque existen limitaciones en los métodos cualitativos, los métodos siguen siendo el
método de pronóstico más utilizado en el negocio actual. “Es importante tener en cuenta que
algunas evaluaciones subjetivas suelen participar en todos los tipos de previsi ones de
demanda" (Chase C, 2009).
Métodos Cualitativos: Técnicas Acumulativas (Grass Root), raíz de pasto enfoque subjetivo
El método de pronóstico de base requiere una fuerza de ventas sofisticada e informada. Funciona
mejor en entornos no minoristas donde el personal de ventas o los gerentes de cuentas tienen
relaciones profundas con los clientes y entienden a fondo su base de clientes. El método de base
solicita a los usuarios más cercanos al usuario final que determinen qué venderán en el próximo
período contable, luego suman todos los valores para obtener un pronóstico general. Este método de
pronóstico puede funcionar bien con ciertas herramientas de administración de relaciones con el
cliente o software de administración de ventas. La ventaja de utilizar los pronósticos de los
vendedores es que los vendedores están altamente calificados para explicar la demanda de
productos, especialmente en sus propios territorios. La desventaja es que los vendedores tienden a
ser optimistas en sus estimaciones, ya que el optimismo es una característica que se encuentra a
menudo en los buenos vendedores. Además, aquellos que trabajan en ventas pueden temer que un
pronóstico de ventas bajo dé lugar a despidos en el área de ventas. No se debe confiar en las
opiniones de los vendedores a la exclusión de todo lo demás por una razón adicional. Los
vendedores pueden no estar conscientes de los cambios inminentes en otras áreas relacionadas,
como la disponibilidad de materias primas, los desarrollos económicos nacionales o la llegada de un
formidable nuevo competidor.
Caso práctico: una subsidiaria de General Electric Company (GE), implementó un novedoso
sistema de análisis y predicción de la demanda para respaldar su mercado anual. El mercado inicial
es un breve período a fines de mayo, cuando las cadenas de televisión venden la mayoría de su
inventario de publicidad en el aire. El sistema utiliza una combinación innovadora del método
Delphi y la metodología de pronóstico de Grass Roots para estimar la demanda del tiempo
comercial de televisión. Incorporamos esta metodología de pronóstico dentro de un sistema de flujo
de trabajo que automatiza el proceso de recolección de estimaciones de la demanda y se integra a la
perfección en los sistemas de ventas existentes de NBCU. Desde 2004, más de 200 empleados de
ventas y finanzas en NBCU han estado usando el sistema para respaldar las decisiones de ventas
durante el mercado por adelantado cuando NBCU firma acuerdos de publicidad por más de $ 4.5
mil millones. El sistema permite a NBCU vender y analizar escenarios de precios en todas las
propiedades de televisión de NBCU con facilidad y sofisticación, mientras que predice la demanda
con una alta precisión. Los líderes de ventas de NBCU acreditan al sistema por haberles otorgado
una ventaja competitiva única.
Investigación de mercado

El método de investigación de mercado consiste en consultar con clientes actuales o

potenciales. Las empresas realizan estudios de mercado para obtener información para realizar
predicciones precisas sobre el tamaño, el alcance, la demografía y los hábitos de compra de un
determinado producto y mercado de servicios o nicho. La investigación de mercado abarca desde
encuestas a consumidores hasta entrevistas y paneles que brindan información subjetiva y
cualitativa. Muchas empresas de productos de consumo utilizan la investigación de mercado como
su principal herramienta de pronóstico. Hay una serie de procesos que deben aplicarse al realizar la
investigación de mercado:
1. La investigación debe definir el problema y establecer los objetivos de la investigación
2. Desarrollar un plan de investigación, que incluya las fuentes de datos, los métodos de
investigación y el plan de muestreo
3. Recopilar información
4. Analizar información
5. Presentar el resultado
6. Haga la decisión
El método de investigación de mercado es bueno para las ventas de nuevos productos y los
pronósticos a largo plazo, a veces puede necesitar expertos externos.
Los beneficios de usar este método es que es un método conveniente y simple, hay muchas agencias
de investigación de mercados que realizarán investigaciones de encuestas generales con un período
de intervalo, por lo que es fácil que la compañía solo compre los espacios de preguntas en dicha
encuesta. Las encuestas en línea también son una herramienta poderosa para lograr el pronóstico
con muy bajo costo, pero de alta eficiencia, el resultado se puede recopilar y analizar en un período
de tiempo increíblemente corto. Sin embargo, los pronósticos generalmente se sobreestiman, ya que
los clientes normalmente son optimistas y se entregan a la ilusión, el peor de los casos es que “no
apreciarán la importancia de este cuestionamiento, por lo que sus estimaciones, en muchos casos,
no serán más que suposiciones”. (Lancaster G y Lomas R, 1985)
Por lo tanto, este método se utiliza mejor cuando los clientes están dispuestos a expresar su
intención de compra con una precisión razonable, y a medida que la cantidad de usuarios sea menor,
mayor será la precisión del pronóstico. Como resultado, este método es frecuentemente utilizado
por productores especializados en productos industriales. Hoy en día, la investigación de mercado
de la base de Internet también se usa ampliamente, en este caso, la gran cantidad de participantes
puede proporcionar datos más confiables para el análisis, y esta encuesta a menudo se realiza con
algunas promociones de incentivo (como un cupón gratuito al finalizar la encuesta). Este método,
Puede ayudar no solo a preparar un pronóstico, sino también a mejorar el diseño de productos y la
planificación de nuevos productos.
ERROR DE PRONOSTICO:
podemos definir error de pronóstico como la comparación entre el valor pronosticado y el valor
real.
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.
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)

La desviación absoluta media (MAD; mean absolute deviación) se utilizaba con mucha frecuencia
en el pasado, pero posteriormente fue reemplazada por la desviación estándar y las medidas de error
estándar. En años recientes, la MAD regresó por su simplicidad y utilidad al obtener señales de
rastreo. La MAD es el error promedio en los pronósticos, mediante el uso de valores absolutos. Es
valiosa porque, al igual que la desviación estándar, mide la dispersión de un valor observado en
relación con un valor esperado. La MAD se calcula utilizando las diferencias entre la demanda real
y la demanda pronosticada sin importar el signo. Es igual a la suma de las desviaciones absolutas
dividida entre el número de puntos de datos o, en forma de ecuación:

donde: t = Número del periodo

A = Demanda real para el periodo
F = Demanda pronosticada para el periodo
n = Número total de periodos
| | = Símbolo utilizado para indicar el valor absoluto sin tomar en cuenta los signos positivos y
negativos
Cuando los errores que ocurren en el pronóstico tienen una distribución normal (el caso más
común), la desviación absoluta media se relaciona con la desviación estándar como
Por el contrario 1 MAD = 0.8 desviaciones estándar
La desviación estándar es la medida más grande. Si la MAD de un conjunto de puntos es 60
unidades, la desviación estándar es 75 unidades. En la manera estadística normal, si los límites de
control se establecen en más o menos 3 desviaciones estándar (o ± 3.75 MAD), entonces 99.7% de
los puntos caerían dentro de estos límites.
Error cuadrático medio (MSE)
Al igual que la DAM, el MSE es una medida de dispersión del error de pronóstico, sin embargo esta
medida maximiza el error al elevar al cuadrado, castigando aquellos periodos donde la diferencia
fue más alta a comparación de otros. En consecuencia, se recomienda el uso del MSE para periodos

con desviaciones pequeñas.

Error porcentual medio absoluto (MAPE) (Mean Absolute Percentage Error)
El MAPE nos entrega la desviación en términos porcentuales y no en unidades como las anteriores
medidas. Es el promedio del error absoluto o diferencia entre la demanda real y el pronóstico,
expresado como un porcentaje de los valores reales.

Otros autores le llaman Porcentaje de error medio absoluto (PEMA) o lo manejan como EPAM.
Error de pronóstico MAD/MEAN, GMRAE y SMAPE
Existen otras medidas de error de pronóstico menos comunes, generalmente variaciones de MAPE y
MAD. El MAD/MEAN actúa sobre datos intermitentes y de bajo volumen, mientras el GMRAE es
usado para evaluar el grado de error del pronóstico fuera de la muestra.
Las medidas de error de pronóstico calculadas para un solo método en un solo período de tiempo
carecen de significado. Su utilidad radica cuando comparamos las medidas de error con las
medidas de otros métodos de pronóstico o con otros períodos de tiempo.
http://warwickdf.weebly.com/qual--market-research.html

https://smallbusiness.chron.com/real-life-examples-qualitative-forecasting-72990.html

https://www.channelplay.in/india/resources/insights/analyzing-market-research-data-forecasting-
techniques

https://ingenioempresa.com/medicion-error-pronostico/