2.

2 CARACTERSTICAS DE LA DEMANDA

DEMANDA
Es la calidad y cantidad de bienes y servicios que pueden ser adquiridos en los
diferentes precios del mercado por un consumidor (demanda individual) o por el
conjunto de consumidores (demanda total o de mercado).

Caractersticas de la demanda
Es la cuantificacin de la necesidad real o psicolgica de una poblacin de
compradores, con poder adquisitivo suficiente para adquirir un determinado
producto que satisfaga dicha necesidad
Satisfacer las necesidades del cliente y que el negocio o empresa prospere
comercial y financieramente. El mercado est sujeto a diversos factores de
diferente ndole, algunos de ellos son controlables por la empresa y otros no tanto.
Este se divide en distintos factores:
1. Estacionalidad: refleja una proyeccin de la demanda en un periodo especfico
del ao.
La estacionalidad, si vendo artculos de playa, es de esperarse que la demanda de
mis productos se incremente en algunos meses por los eventos que suceden en
esos meses del ao, y es de esperar que al paso del tiempo, este comportamiento
se repita de manera continua. De vital importancia en este punto, reviste el clculo

del ndice estacional, para ayudar a establecer una proyeccin de la demanda en

un periodo en particular del ao. Por ejemplo, la demanda de trajes de bao
pudiera ser de 100 unidades mensuales, pero en el mes de Julio el promedio se
eleva a 175 y en el mes Septiembre baja a 35, el ndice estacional del mes de
Julio ser 1,75 y el de Septiembre de 0,35, quiere decir que en el mes de ms
venta, esta se incrementa en 75% por arriba del promedio y en el mes ms bajo
estar 65% por debajo del promedio. Si analizas esta informacin es oro molido
para tus pronsticos, ya que se sabrs en qu momento incrementar tus
inventarios y cuando disminuirlos y ganar puntos financieros en tu organizacin.

2. Tendencia: determinar y medir las tendencias del precio para asi poder
establecer y manejar operaciones.
La tendencia, si las ventas de mi producto se estn incrementando, al graficar los
datos, esto tiene que mostrarse de manera evidente, habr meses en los que la
demanda no muestre un comportamiento incremental, pero en la fotografa
general la tendencia puede ser alcista, o por el contrario, puede ser estable o estar
en declive, una anlisis grfico de ello nos puede dar un excelente indicador de lo
que sucede en el comportamiento. Al igual que la estacionalidad, las estimaciones
y clculos de la tendencia de la demanda son de mucha utilidad, herramientas hay
muchas y variadas, los promedios mviles simples, dobles, suavizacin
exponencial, simple, doble, la regresin lineal entre las ms populares. El reto aqu
es definir cual utilizar al tratar de predecir el comportamiento de la demanda. Lo
que ayudar a definir el modelo a utilizar es la combinacin del anlisis de
tendencia con la grfica de madurez de un producto en el mercado, si estos ya
tienen tiempo en el mercado
3. Variacin aleatoria: altas y bajas del producto (Venta), sin que esta se pueda
predecir con exactitud; lo conveniente ser monitorearlo y prepararse con
inventario para amortiguar el efecto de la demanda.
La variacin aleatoria, hablamos hace un momento de productos nuevos en el
mercado o modas que se presentan en el uso de algn producto bien sea porque
el actor o actriz de moda l
o utiliza y como lderes de opinin influencian en el mercado y provocan un
comportamiento atpico en el mismo, en casos como estos habr altos y bajos en
su venta, sin que sta se pueda predecir con exactitud, aqu lo conveniente es
monitorearlo y prepararse con inventario para amortiguar el efecto de la demanda.

En el anlisis de la demanda es conveniente separar estos artculos y tratarlos de

manera diferente y no mezclarlos con el resto de los productos.
4. Variacin cclica: las oscilaciones de larga duracin alrededor de la curva de
tendencia, esto quiere decir un ascenso y descenso de una serie de tiempo
La variacin cclica, esta se presenta en periodos largos en el tiempo, por ejemplo
en poca de elecciones municipales, presidenciales o de cualquier ndole, habr
productos (anuncios espectaculares, carteles, etc.) que presenten un
comportamiento atpico quiz incremental, por lo que, nuevamente el registro
oportuno de este tipo de eventos resulta de suma importancia, para no jugar a las
adivinanzas cuando de predecir la demanda se trate.

2.2 Mtodos cualitativos de pronstico

Su empresa puede desear probar alguno de los mtodos cualitativos de pronstico
a continuacin si no cuenta con datos histricos de las ventas de sus productos.
Cualitativas. Subjetivas: de juicio. Basadas en estimados y opiniones.
Raz de Pasto Grass Roots. Deriva un pronstico reuniendo informacin de
las personas que estn en un extremo de la jerarqua y que se ocupan de aquello
que se pronosticar. Investigacin de mercado. Rene datos por distintos
medios (encuestas, entrevistas, etc.) a efecto de comprobar hiptesis sobre el
mercado. Utilizada normalmente para pronosticar ventas de productos nuevos y
ventas a largo plazo.
Consenso de jurado. Intercambio franco y libre en juntas. La idea es que la
discusin del grupo producir mejores pronsticos que los de cualquier individuo.
Los participantes pueden ser gerentes, vendedores o clientes.
Analoga histrica. Relaciona lo que se pronostica con un elemento similar. Es
importante para planear productos nuevos porque se puede derivar un pronstico
empleando el historial de un producto similar.
Mtodo Delphi. Un grupo de expertos contesta un cuestionario. Un moderador
compila los resultados y prepara otro cuestionario que tambin le presenta al
grupo. As, el grupo pasa por un proceso de aprendizaje debido a que recibe
nueva informacin y a que nadie est sujeto a influencia alguna por presin del
grupo ni de personas dominantes.
II. Anlisis de series de tiempo. Se basa en la idea de que podemos usar la
historia de los hechos ocurridos para prever el futuro.
Promedio movible simple. Se obtiene el promedio de un periodo especfico que
contiene una serie de datos dividiendo la suma de los valores de stos entre el
nmero de valores. Por lo tanto, cada uno tiene la misma influencia.
Promedio ponderado movible. Se ponderan puntos especficos, adjudicndoles
mayor o menor valor que a otros, segn los aconseje la experiencia.
Mtodo exponencial aminorado. Se ponderan los puntos de datos recientes con
un valor ms alto, y su peso va disminuyendo exponencialmente a medida que los
datos envejecen.

Anlisis de regresin. Se adapta una lnea recta a los datos del pasado,
normalmente relacionando el valor de los datos con el tiempo. La tcnica ms
comn de adaptacin es la de los cuadrados mnimos.
Tcnica de la caja de Jenkins. Es una tcnica muy complicada, pero
aparentemente resulta la ms exacta, en trminos estadsticos, de todas las que
existen. Relaciona un tipo de modelo estadstico con los datos y adapta el modelo
a la serie de tiempo empleando la distribucin bayesiana posterior.
Series de tiempo Shiskin. Tambin llamada X-11. Fue desarrollada por Julius
Shiskin, de la oficina del Censo de EE.UU. Constituye un mtodo eficaz para
descomponer una serie de tiempo en estacional, tendencias e irregular. Requiere
un mnimo de tres aos de historia. Es muy buena para identificar puntos de
inflexin, sobre todo en las ventas del compaa
III. Causales. Trata de entender el sistema bsico en torno al elemento que ser
pronosticado. Por ejemplo, las ventas pueden ser afectadas por la publicidad, la
calidad y los competidores.
1. Anlisis de regresin. Es parecido al mtodo de los cuadrados mnimos en las
series de tiempo, pero puede contener muchas variables. Su base es que el
pronstico se deriva de otros hechos que han ocurrido.
2. Modelos economtricos. Tratan de describir algn sector de la economa
mediante una serie de ecuaciones interdependientes.
3. Modelos de insumos/productos. Se concentran en las ventas que cada
industria hace a otras empresas y gobiernos. Indican los cambios en las ventas
que una industria productora puede esperar debido a las compras realizadas por
otra industria.
4. Indicadores lderes. Representan estadsticas que se mueven en la misma
direccin que la serie que se est pronosticando, pero que se mueven antes que
la serie; por ejemplo, un incremento en el precio de la gasolina que indica una
disminucin futura en la venta de autos grandes.
IV. Modelos de simulacin. Modelos dinmicos, normalmente de computadora,
que permiten al pronosticador formular supuestos respecto a variables internas del
entorno externo del modelo. Dependiendo de las variables del modelo, el
pronosticador puede hacer preguntas como: Qu pasara con mi pronstico si el
precio aumentara 10 por ciento? Cul sera el efecto que una recesin nacional
leve tendra en mi pronstico?

Mtodo cualitativo

Descripcin

Jurado de opinin
ejecutiva

Se renen las opiniones de un grupo pequeo de

gerentes de alto nivel que juntas estiman la demanda.
El grupo utiliza su experiencia directiva y en algunos
casos la suma a los resultados de modelos
estadsticos.

Compuesto del
departamento de
ventas

Se pide a cada vendedor (por ejemplo por cubrimiento

territorial) proyectar sus ventas. Como el vendedor es
el ms cercano al mercado tiene la capacidad de
conocer la demanda de los clientes. Las proyecciones
se combinan despus a nivel municipal, provincial y
regional.

Mtodo Delphi

Se identifica un panel de expertos en el que los

expertos pueden ser gerentes, empleados comunes, o
expertos del sector. A cada uno de ellos se les solicita
individualmente su estimacin de la demanda. Se
realiza un proceso iterativo hasta que los expertos
alcancen un consenso.

Encuesta del
mercado de
consumidores

Se pregunta a los clientes sobre sus planes de

compras y su comportamiento de compras proyectado.
Se necesita a una gran cantidad de encuestados para
poder generalizar ciertos resultados.

2.3 Mtodos cuantitivos para los pronsticos

Son modelos matemticos que se basan en datos histricos y suponen que
son relevantes para el futuro. Casi siempre puede obtenerse informacin
pertinente al respecto. Los mtodos cuantitativos de pronsticos se dividen
en series de tiempo y de relaciones causales.
SERIES DE TIEMPO
Una serie de tiempo es un conjunto de observaciones de una variable a lo
largo del tiempo. Generalmente es tabulado o graficado para mostrar la
naturaleza de su dependencia con el tiempo. La figura 2.4.1 muestra estos
componentes para una serie de tiempo representativa. Cuando se suman o
en algunos casos, se multiplican los componentes, se igualarn a la serie de
tiempo original.

SERIES DE TIEMPO

Los componentes de serie de tiempo (Monks, 1994) son clasificados

generalmente como tendencia T, cclica C, estacional S, aleatoria o
irregular R. El pronstico Yc es una funcin de esos componentes:
Yc= T * C * S* R

SERIES DE TIEMPO
La tendencia es un movimiento direccional gradual a largo plazo en los
datos (creciente o declinatorio). Los factores cclicos son ondulaciones a
largo plazo alrededor de la lnea de tendencia, y frecuentemente estn
asociados con ciclos econmicos. Los efectos estacinales son variaciones
similares que ocurren entre periodos correspondientes.

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. Un enfoque simple es un promedio simple de los
datos del pasado en el cul las demandas de todos los perodos anteriores
tienen el mismo peso relativo.
ENFOQUE SIMPLE
Se calcula de la siguiente forma:
Donde:

D1= demanda del periodo ms reciente

D2= demanda que ocurri hace dos periodos
Dk= demanda que ocurri hace k periodos

ENFOQUE SIMPLE
Cuando se usa un promedio simple para crear un pronstico, las demandas
de todos los periodos anteriores tienen la misma influencia (equipesada) al
determinar el promedio. De hecho un factor de peso de 1/k se aplica a cada
demanda anterior.

PROMEDIOS MVILES

Esta tcnica se utiliza en pronsticos a corto plazo; consiste en tomar un

conjunto (serie histrica) para encontrar el promedio de estos. Este
promedio es utilizado como pronostico para el prximo periodo, el cual se
utiliza para pronosticar otros valores.
PROMEDIOS MVILES

Matemticamente el promedio mvil simple es:

Donde:

Ft+1= el valor pronosticado en el periodo t+1

N = nmero de periodos incluidos en el pronostico
Xt= el valor observado en el periodo t (demanda)

PROMEDIOS MVILES
Para encontrar la exactitud del promedio se procede a encontrar el error
absoluto dado por:

PROMEDIOS MVILES
Posteriormente se determina la media del error absoluto dada por:

PROMEDIOS MVILES
Posteriormente se determina la desviacin estndar del error dada por:
Donde:
n<30 entonces se toma (n-1)
n>30 se toma el valor de n

Una serie de tiempo es un conjunto de datos numricos uniformemente separados

que se obtiene observando respuestas a intervalos regulares de tiempo. En
el modelo de series de tiempo el pronstico se basa solamente en datos anteriores
y asume que los factores que influencian las ventas pasadas, presentes y futuras
de sus productos continuarn.
Por otro lado, el modelo causal utiliza una tcnica matemtica conocida como el
anlisis de regresin que relaciona una variable dependiente (por ejemplo, la
demanda) con una variable independiente (por ejemplo, el precio, publicidad, etc.)
en la forma de ecuacin lineal. Los mtodos de pronstico de series de tiempo
estn descritos a continuacin:
Descripcin
Mtodo de
pronstico de
series de
tiempo

Enfoque
simplista

Asume que la demanda en el siguiente perodo es igual que

la demanda en el ms reciente perodo; el patrn de la
demanda puede no siempre ser completamente estable
Por ejemplo:
Si las ventas de julio fueron 50, las ventas de agosto
tambin sern 50

Descripcin
Mtodo de
pronstico de

series de
tiempo

Promedio mvil El PM es una serie de promedios aritmticos y se utiliza si

(PM)
existe poca o ninguna tendencia en los datos; ofrece una
impresin general de los datos en el tiempo
Un promedio mvil simple utiliza la demanda promedio
durante una secuencia fija de perodos y es bueno para una
demanda estable sin patrones pronunciados de
comportamiento.
Ecuacin:
P 4 = [D 1 + D2 + D3] / 4
P Pronstico, D Demanda, No. Periodo
(ver ejemplo ilustrativo - promedio mvil simple)
Un promedio mvil ponderado ajusta el mtodo de
promedio mvil para reflejar fluctuaciones con mayor
exactitud asignando mayor peso a los datos ms recientes,
lo que significa que los datos ms viejos son por lo general
menos importantes. Los pesos se basan en la intuicin y
estn entre 0 y 1 y deben sumar un total de 1.0
Ecuacin:
PMP 4 = (P) (D3) + (P) (D2) + (P) (D1)
PMP Promedio mvil ponderado, P Peso, D Demanda,
No. Periodo
(ver ejemplo ilustrativo - promedio mvil ponderado)

Alisado
exponencial

El alisado exponencial es un mtodo de ponderacin que

responde ms fuertemente a cambios recientes en la
demanda asignando una constante de alisamiento que es

ms fuerte para los datos ms recientes; es til si los

cambios recientes en los datos son el resultado del cambio
real (e.g., patrn de temporada) y no solo fluctuaciones
aleatorias
P t + 1 = a D t + (1 - a ) P t
Donde
P t + 1 = pronstico del siguiente periodo
D t = demanda real en el actual periodo
P t = el pronstico determinado anteriormente para el actual
perodo
= un factor de ponderacin llamado la constante de
alisamiento
(ver ejemplo ilustrativo - alisado exponencial)

Descomposici
n de series de
tiempo

La descomposicin de series de tiempo ajusta la

estacionalidad multiplicando el pronstico normal por un
factor de temporada
(ver ejemplo ilustrativo - descomposicin de series de
tiempo)