METODOLOGIA PARA EL ANLISIS DE MERCADO: Tcnicas de pronstico

Ing. Mario Humberto Taipe Cancho

Datos
Cuando se cuenta con datos histricos

(informacin secundaria) validos y confiables. Cuando no se cuenta con datos histricos

Fuente de informacin primaria (encuestas). Datos del sector. Serie cronolgica incompleta.

Tcnicas de pronstico de variables con datos histricos

Mtodo de regresin lineal en series de

tiempo (estacional). Mtodo de promedio mvil en series de tiempo (tendencia). Mtodo de regresin lineal con dos variables.

Pronstico de Variables

Mtodo de regresin lineal en series de tiempo (estacional)

Pronstico en series de tiempo

Pronosticar es hacer predicciones sobre el

futuro, la ciencia administrativa proporciona diversos enfoques cuantitativos para pronsticos que implican construir un modelo matemtico apropiado que use datos pasados y usar el modelo para pronosticar demandas desconocidas futuras. Como estos modelos se basan en datos anteriores, slo son aplicables para predecir la demanda de artculos para los que se dispone de una cantidad sustancial de informacin anterior y no para productos nuevos.

Modelos de Series de Tiempo Una serie de tiempo es un conjunto de datos, registrados

secuencialmente durante el tiempo.

Modelos de nivel: Cuando la demanda por periodo es

relativamente constante sobre el tiempo alrededor de un valor A fijo pero desconocido. Modelo de Tendencia: cuando la demanda por perodo muestra un patrn por lo general creciente o decreciente durante el tiempo. Modelo estacional: cuando la demanda por perodo tiene un patrn estacional definido que se repita de manera constante. Modelo estacional de tendencia: cuando la demanda muestra tanto una tendencia lineal como un efecto estacional.

Ejemplo: Serie de tiempo (estacional)

Pronstico de la demanda
MES ENE FEB MAR ABR MAY JUN JUL AGO SET TOTAL Ventas en Unidades 600 620 632 638 607 590 630 604 630 5551

Nmero de datos = 9 meses impar Demand. Proyect. = a + b (tiempo) a = Demanda n b = (demanda x tiempo) (tiempo)

Nota: tiempo = 0

Solucin:
MES ENE FEB MAR ABR MAY JUN JUL AGO SET TOTAL VENTAS 600 620 632 638 607 590 630 604 630 5551 TIEMPO -4 -3 -2 -1 0 1 2 3 4 0 VENTAS x TIEMPO -2400 -1860 -1264 -638 0 590 1260 1812 2520 20 (TIEMPO) 16 9 4 1 0 1 4 9 16 60

a = Demanda = 5551 = 616.7 b = (demanda x tiempo) = 20 0.3 tiempo 60 n 9 demanda = a + b tiempo demanda = 616.7 + 0.3 tiempo

Pronosticar para el mes de octubre, noviembre y diciembre

Demanda octubre Demanda noviembre Demanda diciembre 616,777 + 0,333 (5) 616,777 + 0,333 (6) 616,777 + 0,333 (7) 618,444 = 618 618,777 = 619 619,111 = 619

Apuntes
Dependiendo de la variable se deber redondear a

enteros o a un mximo 3 decimales. Si es una variable discreta se redondea a enteros, si es una variable continua se redondea a 3 decimales. Adems se recomienda no redondear pasos previos, es decir, el valor de a o b es recomendable asumir todos los decimales para de esa forma tener ms precisin. Este tipo de proyecciones son recomendables si el producto en anlisis es un producto estacional, es decir, de temporada, en donde el tiempo es la variable independiente y las ventas estn en funcin al tiempo. Toda proyeccin es de tendencias y para medir la tendencia es necesario datos pasados a mayor cantidad de datos mejor.

Pronstico de Demanda

Con dos variables relacionadas

Primer paso
Se debe expresar en trminos de funcin la

proyeccin de la demanda, para ello hay que definir la causa y el efecto: Qi = f(Precio, contenido de grasa, promocin del producto) Se lee as: la demanda de productos lcteos se encuentra en funcin o depende de: el precio de los productos lcteos, el contenido de grasa y la promocin del producto, ceteris paribus.

Segundo paso
Se debe identificar las variables ms

relevantes, en este caso dichas variables son la demanda y el precio del producto. La demanda es efecto, el precio es causa, la demanda es dependiente, el precio es independiente o dato.

Tercer paso
Ao Consumo (demanda) Miles Litros 23.4 28.2 30.6 27.5 24.0 21.2 20.0 19.6 Precio por Litro S/. (Prom. Ao) 2.5 3.4 3.6 3.6 4.0 4.2 4.4 4.4 2 (Demanda) 547.56 795.24 936.36 756.25 576.00 449.44 400.00 384.16 2 (Precio) 6.25 11.56 12.96 12.96 16.00 17.64 19.36 19.36 (Demanda x Precio) 58.50 95.88 110.16 99.00 96.00 89.04 88.00 86.24

2006 2007 2008 2009 2010 2011 2012 2013

Total

194.5

30.1

4845.01

116.09

722.82

Tercer paso
b n( Demanada* Pr ecio) ( Demanda)( Pr ecio) n( Pr ecio2 ) ( precio) 2

8(722 .82 ) (194 .5)(30 .1) b 3.16556583 2 8(116 .09 ) (30 .1)
b = -3.166

Tercer paso
Demanda b( Pr ecio) a n n

194.5 3.16556583(30.1) a 36.2229414 8 8

a = 36.223
E
2 Demanda a( Demanda) b( Demanda* Pecio)

n2

Tercer paso
E

Demanda

a( Demanda) b( Demanda* Pecio) n2

4845 .01 36 .2229414 (194 .5) ( 3.16556583 )( 722 .82 ) 3.82496588 82

E = 3.825

Cuarto paso
La funcin estar expresada de la siguiente

manera:

demanda proyectada = a + b (precio) error demanda proyectada = 36.223 - 3.166 (precio) 3.825 demanda proyectada 2014 = 36.223 - 3.166 (4.6) +3.825 demanda proyectada 2014 por exceso = 25.484 demanda proyectada 2014 = 36.223 - 3.166 (4.6) - 3.825 demanda proyectada 2014 por defecto = 17.834 demanda proyectada 2015 = 36.223 - 3.166 (5.0)+3.825 demanda proyectada 2015 por exceso = 24.218 demanda proyectada 2015 = 36.223 - 3.166 (5.0) - 3.825 demanda proyectada 2015 por defecto = 16.568

Cuarto paso
Nota: el valor de b = -3.166 significa que hay

una relacin entre el precio del producto y la demanda es decir por cada 10 de incremento en el precio hay una disminucin de 31.66 en la demanda.
El valor a = 36.223 significa que si se

regalar el producto la empresa podra tener como demanda 36.223 miles de litro de productos lcteos.

Cuarto paso
Grfico

Pronstico Tcnica del Promedio Mvil

Promedio Mvil
El mtodo del Promedio mvil no slo es til para

alisar una serie de tiempo, sino que es el mtodo bsico utilizado para medir la fluctuacin estacional. Esto se realiza al mover los valores de la media aritmtica a travs de la serie de tiempo. Para aplicar el mtodo del promedio mvil a una serie de tiempo, los datos deben seguir una tendencia lineal aproximada y tener un patrn de fluctuaciones rtmico definido (que se repite, por ejemplo cada tres aos). La informacin en el ejemplo siguiente tiene tres componentes: tendencia, ciclo e irregularidad, simbolizadas T, C e I, respectivamente.

Promedio Mvil
No hay variacin estacional porque los datos

se registran anualmente. En realidad lo que se hace en el mtodo del promedio mvil es promediar C e I. El residuo es la tendencia. Si la duracin de los ciclos es constante y si las amplitudes de los ciclos son iguales, las variaciones cclicas e irregulares pueden eliminarse por completo usando el mtodo del promedio mvil, el resultado es una recta.

Ejemplo de Promedio Mvil

Ao 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 Ventas 7690 8120 9550 9180 10210 10600 9980 9830 8600 7690 10680 9850
Se dispone de la siguiente informacin de correspondiente a ventas (en miles de soles) de lana. Para los aos 2002 - 2013:

Ejemplo de Promedio Mvil

El ciclo mejor ajustado es cuando la serie cclica es 6 aos
Ao 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 Ventas (Dt) 7690 8120 9550 9180 10210 10600 9980 9830 8600 7690 10680 9850 t 0 1 2 3 4 5 6 7 8 9 10 11 K=5 Ft (Dt - Ft) (Dt - Ft)^2 K=6 Ft (Dt - Ft) (Dt - Ft)^2

8950.00 9532.00 9904.00 9960.00 9844.00 9340.00 9356.00

1650.00 448.00 -74.00 -1360.00 -2154.00 1340.00 494.00

2722500 200704 5476 1849600 4639716 1795600 244036 11457632

9225.00 9606.67 9891.67 9733.33 9485.00 9563.33

755.00 223.33 -1291.67 -2043.33 1195.00 286.67

570025.0 49877.8 1668402.8 4175211.1 1428025.0 82177.8 7973719.4

Ventas
12000

K=5

10000

8950

8000

. . . . . . . . . . . . .
9356

6000

0 2002

2005

2008

2011

2013

Aos

Ventas
12000

K=6

10000

9225

8000

. .

. . . . . . .. . . .
9563

6000

0 2002

2005

2008

2011

2013

Aos

Tcnicas de Pronstico cuando no existen datos histricos

Tcnicas de Indices Estacionales Tcnicas de Sistema de Ecuaciones

Tcnica de ndices Estacionales

La presente tcnica se puede utilizar cuando

se tiene datos de un sector econmico que pertenezca el producto bienes o servicios que nosotros estamos analizando, es decir a partir de datos del sector agregado se puede inferir la tendencia de nuestro producto en particular, para ello se debe construir nmeros ndices y luego aplicarlos a la data primaria que se cuente (encuesta).

Ejemplo de ndice estacional

Se cuenta con la siguiente informacin de ventas para el sector agropecuario en miles de soles de un ao (mes a mes) y segn una encuesta realizada se tiene que la proyeccin de ventas para esa empresa es de 1200 para todo el ao:
Mes Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic n = 12 Prom = Ventas del Sector 3500 3680 3200 3120 2680 2500 2230 3000 3200 3890 4560 5600 41160 3430 Indice 1,020 1,073 0,933 0,910 0,781 0,729 0,650 0,875 0,933 1,134 1,329 1,633 1 Ventas de la empresa 102,041 107,289 93,294 90,962 78,134 72,886 65,015 87,464 93,294 113,411 132,945 163,265 1200,000 Prom = 1200/12 = 100

Pronstico con pocos datos

Tcnica del sistema de ecuaciones

Sistema de Ecuaciones
Condicin: Dos datos para proyectar Primer Paso: Ordenar la informacin e identificar la variable ms relevante para que las dems permanezcan constantes (ceteris Paribus) vease el ejemplo:

Ventas 1200

Inversin en Publicidad 200

1800

400

Segundo paso: Formar la funcin de causa y efecto. Variable dependiente : Ventas Variable Independiente : Inversin en publicidad Ventas en funcin a la publicidad.
Tercer paso: La ecuacin lineal ser: VT = a + b (inversin en publicidad) reemplazando la informacin: 1200 = a + b ( 200 ) 1800 = a + b ( 400 )

VT

600 +

3 (Inversin en Publicidad)

Si la inversin en publicidad es = 600 VT = 600 + 3 ( 600 )

Entonces,
VT = 2400

Otras tcnicas de Pronstico

Tendencias Geomtricas: poblacin, precios, etc. Promedio Mviles : Volumen

Pronstico Geomtrico
t Poblacin Futura = Poblacin Presente ( 1 + g ) PF = ? g= 1.9% ao 2013

PP = 23340,960

2003

10 Poblacin 2003 = 23340,960 (1 + 0.019) Poblacin 2013 =

Pronstico Cualitativo
En proyectos sociales se utiliza el mtodo

DELPHI que consiste en programar entrevistas a personas entendidas en el tema, instituciones que hayan realizado estudios sobre el tema, proyectos similares q ue hayan sido ejecutados exitosamente y que est disponible la informacin. Se recomienda complementar las proyecciones de tipo cualitativa con proyecciones cuantitativas.

Pronstico Cualitativo
Las proyecciones de tipo cualitativa

normalmente responden a la siguientes preguntas:

Qu

objetivo pretendemos alcanzar? Qu metas se van a lograr? Qu Indicadores Verificables Objetivamente (IVO) se van a utilizar?

APLICACIN EN EXCEL