INFORME ANÁLISIS DE PERTENENCIA DE TÉCNICAS PROYECTIVAS

Juan Esteban Acosta Ciro

Judy Paola Sotelo Pinzón

GESTIÓN LOGÍSTICA

SENA

2015
Tabla de contenido
ANÁLISIS ........................................................................................................................................ 3
EL PRONÓSTICO DE VENTAS ......................................................................................................... 3
CORRELACIÒN VALOR O RANGO .................................................................................................. 5
REGRESIÓN.................................................................................................................................... 6
EJERCICIO APLICADO A MI PROYECTO FORMATIVO NOEL ........................................................... 9
BIBLIOGRAFIA.............................................................................................................................. 12
ANÁLISIS

Para realizar la Proyección de Mercados, se deben tener en cuenta temas

como son el concepto de pronóstico, la correlación y los modelos matemáticos
de regresión.

EL PRONÓSTICO DE VENTAS

Los pronósticos de ventas son uno de los elementos claves para planeación de
las actividades de las empresas, desde el punto de vista financiero permite
determinar el ingreso de efectivo y crédito para un periodo determinado,
presupuestalmente contribuye a la planeación de los recursos necesarios para
darle un impulso a la parte operativa en la consecución de las actividades.
Desde el punto de vista gerencial y directivo es importante en la toma de
decisiones en la planeaciones estratégica de generación de valor. Permite
determinar con claridad los objetivos cuantitativos en ventas, lo cual es el punto
de partida para el desarrollo de los planes de acción de la compañía.

Las técnicas generalmente aceptadas para la elaboración de pronósticos se

dividen en cinco categorías: juicio ejecutivo encuestas, análisis de series de
tiempo, análisis de regresión y pruebas de mercado. La elección del método o
métodos dependerá de los costos involucrados, del propósito del pronóstico, de
la confiabilidad y consistencia de los datos históricos de ventas, del tiempo
disponible para hacer el pronóstico, del tipo de producto, de las características
del mercado, de la disponibilidad de la información necesaria y de la pericia de
los encargados de hacer el pronóstico. Lo usual es que las empresas combinen
varias técnicas de pronóstico.

 Juicio Ejecutivo: Se basa en la intuición de uno o más ejecutivos

experimentados con relación a productos de demanda estable. Su
inconveniente es que se basa solamente en el pasado y está
influenciado por los hechos recientes.
 Encuesta de Pronóstico de los Clientes: Útil para empresas que
tengan pocos clientes. Se les pregunta qué tipo y cantidades de
productos se proponen comprar durante un determinado período. Los
clientes industriales tienden a dar estimados más precisos. Estas
encuestas reflejan las intenciones de compra, pero no las compras
reales.

 Encuesta de Pronóstico de la Fuerza de Ventas: Los

vendedores estiman las ventas esperadas en sus territorios para un
determinado período. La sumatoria de los estimados individuales
conforma el pronóstico de la Empresa o de la División. El
inconveniente es la tendencia de los vendedores a hacer estimativos
muy conservadores que les facilite la obtención futura de comisiones
y bonos.

 El Método Delfos (Delphi): Se contrata expertos que hacen

pronósticos iníciales que la empresa promedia y les devuelve para
refinar los estimados individuales. El procedimiento puede repetirse
varias veces hasta cuando los expertos - trabajando por separado -
lleguen a un consenso sobre los pronósticos. Es un método de alta
precisión.

 Análisis de Series de Tiempo: Se utilizan los datos históricos de

ventas de la empresa para descubrir tendencias de tipo estacional,
cíclico y aleatorio o errático. Es un método efectivo para productos de
demanda razonablemente estable. Por medio de los promedios
móviles determinamos primero si hay presente un factor estacional.
Con un sistema de regresión lineal simple determinamos la línea de
tendencia de los datos para establecer si hay presente un factor
cíclico. El factor aleatorio estará presente si podemos atribuir un
comportamiento errático a las ventas debido a acontecimientos
aleatorios no recurrentes.
  Análisis de Regresión: Se trata de encontrar una relación entre las
ventas históricas (variable dependiente) y una o más variables
independientes, como población, ingreso per-cápita o producto
interno bruto (PIB). Este método puede ser útil cuando se dispone de
datos históricos que cubren amplios períodos de tiempo. Es ineficaz
para pronosticar las ventas de nuevos productos.

 Prueba de Mercado: Se pone un producto a disposición de los

compradores en uno o varios territorios de prueba. Luego se miden
las compras y la respuesta del consumidor a diferentes mezclas de
mercadeo. Con base en esta información se proyectan las ventas
para unidades geográficas más grandes. Es útil para pronosticar las
ventas de nuevos productos o las de productos existentes en nuevos
territorios. Estas pruebas son costosas en tiempo y dinero, además
alertan a la competencia.

CORRELACIÒN VALOR O RANGO

Coeficiente de correlación (R)

Mide el grado de relación existente entre dos variables, el valor de la

correlación (R) varía desde -1 a 1, pero en la práctica se trabaja tomándose
como valor absoluto.
El valor del coeficiente de relación se interpreta de modo que a media que R se
aproxima a 1, es más grande la relación entre los datos, por lo tanto R
(coeficiente de correlación) mide la aproximación entre las variables.
El coeficiente de correlación se puede clasificar de la siguiente manera:

1) Perfecta R = 1

2) Excelente R = 0.9 < = R < 1

3) Buena R = 0.8 < = R < 0.9

4) Regular R = 0.5 < = R < 0.8

5) Mala R < 0.5

Ejemplos de variables que se pueden relacionar

 Cantidades vendidas Vs año

 Utilidades Vs Costos
 Costos Vs Cantidad Producida
 Utilidades Vs Mes
 Costos Vs Semanas
 Ingresos Vs Año

REGRESIÓN

La extrapolación o proyección a partir de la tendencia histórica, se debe realizar

teniendo en cuenta supuestos como; las condiciones existentes en el pasado
tendrán efectos similares en el futuro; Los efectos se compensan reciproca y
mutuamente; y las variables objetivas del trabajo son (consumo-tiempo) y
(oferta-tiempo), todas las demás variables se hallan implícitas en los datos
observados.

También podemos afirmar que la regresión es una técnica estadística utilizada

para simular la relación existente entre dos o más variables. Por lo tanto se
puede emplear para construir un modelo que permita predecir el
comportamiento de una variable dada.

 Modelos matemáticos para regresión con dos variables : Para

la regresión simple la demanda medida en pesos o en unidades es la
variable dependiente y se predice sobre otras variables la cual e
considera como independiente, En la regresión múltiple, se utilizan
dos o más variables independientes y a la demanda sigue siendo
dependiente. Para graficar siempre (x) la variable independiente ira
sobre el eje horizontal y la dependiente (y) siempre ira sobre el eje
 vertical. Cuando se ubican los datos como pares de puntos como se
ve en la grafica se obtiene un diagrama de de dispersión de puntos,
en el cual se puede ver al relación de las variables. Lo que se debe
seguir es proceder a establecer la ecuación lineal que mejor se
ajuste a la relación existente entre al variables, para lo cual se utiliza
el método de mínimos cuadrados.

 Modelos matemáticos para regresión múltiple: La regresión

múltiple se utiliza para la predicción de respuestas a partir de
variables explicativas. Hay ciertos requisitos y lineamientos que se
requieren para utilizar esta técnica, una de ellas es la linealidad, la
cual supone que la respuesta depende linealmente de las variables
explicativas, si las respuestas no aparenta ser lineal se deben
introducir en el modelo componentes no lineales.

Dicho de otra forma esta regresión se aplica cuando existen dos o más
variables independientes que se utilizan para calcular los valores de la variable
dependiente. Aquí existen varios predictores para la variable dependiente, bien
sea la demanda u la oferta. Aquí la ecuación de regresión lineal toma la
siguiente forma:

Y = a + b(1) X(1) + b(2)X(2) + …….b(n)X(n) , en la cual las variables

predictoras _ independientes son X(1), X(2),……….X(n).

Además existen algunos procedimientos de correlación múltiple, que permiten

interrelacionar una variable con la demás en forma simultánea.

 Modelos matemáticos de ajuste para datos no lineales: Hay

que tener en cuenta que hasta el momento se ha utilizado un método
pertinente para datos con tendencia lineal, es decir que los puntos se
encuentran muy cerca de la línea recta en forma constante esto es lo
que se ha explicado como dispersión. Esto se puede corroborar
determinando el coeficiente de correlación, (La correlación nos indica
 que tan cerca se mueven dos variables juntas, es decir que tanto una
explica a la otra).

A continuación vemos en qué consisten los modelos para datos no lineales,

tenga en cuenta que muchas veces las ventas de algunos productos o servicios
tienen tendencias que no son uniformes, veamos de que se tratan.

A. Modelo matemático para ajuste exponencial

La ecuación de esta curva es Y = AeBX la gráfica correspondiente es la

siguiente

En esta ecuación € es la base de los logaritmos naturales (e = 2.71182818…)

A Y B son las constantes a determinar.

Para poder trabajar la ecuación que acabamos de ver, utilizando el modelo de

regresión lineal que ya hemos visto se debe someter a una transformación,
mediante logaritmos quedando como sigue:

In (y) = In (A) + Bx, la cual se grafica en papel semilogaritmico da una recta de

forma Y = a + b(x) y se tiene la siguiente fórmula:

Y = In (y) ; a = In (A)

En conclusión podemos decir que esta curva de ajuste se debe utilizar cuando
la demanda tenga una tendencia de crecimiento acelerado.

B. Modelo matemático para ajuste potencial

Es una de las que más se utilizan en los análisis de regresión de la demanda,

se expresa con la ecuación que sigue:

En donde A y B son las constantes que se van a calcular, el modelo se viabiliza

el modelo de regresión lineal transformándolo en: Log (y); = Log (A) + B . Log
(x) , graficada y suavizada en papel logarítmico produce una recta de la forma :
y = a + bx, en donde y = Log (y) ; a = Log (A); B = b; x = Log (x) .

C. Modelo matemático de ajuste logarítmico

Para esta situación el crecimiento de la demanda se presenta de una forma
más lenta a medida que pasa el tiempo.

La ecuación para este modelo es la siguiente:

Y = A + B Inx

Tiene la característica que se expresa como una ecuación de una recta

y = a + bx, esto facilita el procedimiento de la regresión lineal.

EJERCICIO APLICADO A MI PROYECTO FORMATIVO NOEL

1. Para efectos del ejercicio doy los siguientes históricos de ventas que
tuvo la empresa Noel de uno de sus más importantes productos
FESTIVAL :

HISTORICOS DE VENTAS EN DOLARES DE GALLETAS FESTIVAL ENTRE LOS AÑOS 2012 Y 2014
AÑO 2012
TRIMESTRE 1 TRIMESTRE 2 TRIMESTRE 3 TRIMESTRE 4
VENTAS NACIONALES 100000 99000 120000 105000
VENTAS INTERNACIONALES 200000 190000 200000 233000
TOTAL 300000 289000 320000 338000
AÑO 2013
TRIMESTRE TRIMESTRE 6 TRIMESTRE 7 TRIMESTRE 8
VENTAS NACIONALES 143000 130000 117000 104000
VENTAS INTERNACIONALES 195000 207000 209000 230000
TOTAL 338000 337000 326000 334000
AÑO 2014
TRIMESTRE 1 TRIMESTRE 2 TRIMESTRE 3 TRIMESTRE 4
VENTAS NACIONALES 113000 126000 139000 152000
VENTAS INTERNACIONALES 223000 246000 269000 292000
TOTAL 336000 372000 408000 444000

Nuestro ejercicio consistirá en proyectar las ventas en dólares del año 2015,
tomando los históricos del 2012, 2013 y 2014.
 2. A continuación agrupo los resultados del total de cada trimestre, en dos
variables en donde (X) son los periodos de tiempo, es decir los
trimestres y (Y) las ventas.

X Y
1 300000
2 289000
3 320000
4 338000
5 339000
6 337000
7 326000
8 334000
9 336000
10 372000
11 408000
12 444000

3. Se debe utilizar la fórmula para proyectar la demanda Y= a+b(x)

Calculamos (a) y (b) por medio de de las formulas de estadística de Excel:

a= 277454,5455
b= 10430,06993
 4. Como ya tenemos (a) y (b) aplicamos la formula Y= a+b(x) y ya
podemos hacer la proyección de ventas en dólares de la galleta
FESTIVAL para el año 2015 separado en los trimestres 13, 14, 15 y 16.

X Y
1 300000
2 289000
3 320000
4 338000
5 339000
6 337000
7 326000
8 334000
9 336000
10 372000
11 408000
12 444000
PROYECCION 2015 13 413045
14 413045
15 423476
16 433906

5. GRÁFICO DE PROYECCION

PRONOSTICO DE VENTAS
FESTIVAL
500000
450000
400000
VENTAS

350000
300000
250000 Series1
200000
150000 Series2
100000 Linear (Series2)
50000
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

TRIMESTRES
BIBLIOGRAFIA

 http://jeqproyectosena.blogspot.com/