PRONSTICOS

Ing. Mylena Karen Vlchez Torres

mylena.vilchez@upn.pe
Un caso de xito: lectura

WAL-MART USA CPFR E

INTERNET PARA MEJORAR
LA PRECISIN DE SUS
PRONSTICOS
Porqu es reconocida Wal Mart?

Explique la estrategia que utiliz para

combatir el efecto nocivo de los errores
de pronstico.

Qu entiendes por pronstico?

OBJETIVO

Los alumnos al finalizar la unidad, podrn:

Elaborar pronsticos y predicciones

utilizando mtodos cualitativos y
cuantitativos con la finalidad de disminuir la
incertidumbre en el clculo de los
presupuestos.
LOS 7 PASOS DE UN PRONSTICO

- Determinar el uso del pronstico.

- Seleccionar los aspectos que se deben pronosticar.

- Determinar el horizonte del pronstico.

- Seleccionar los modelos de pronstico.

- Reunir los datos necesarios para elaborar el pronstico.

- Obtener el pronstico.

- Validar e implantar los resultados.

MODELOS CUALITATIVOS

Son aquellos que dependen de conjeturas adquiridos

con base en la intuicin y la experiencia de la empresa.
Son de naturaleza subjetiva.

Las tcnicas ms comunes son:

Consenso del Comit
Mtodo Delphi
Estructura de la Fuerza de ventas
Encuesta a los clientes
CONSENSO DEL COMIT EJECUTIVO

Las predicciones pueden

desarrollarse interrogando a
un pequeo grupo de
ejecutivos eruditos para
analizar sus opiniones en
cuanto a los valores futuros
de los aspectos a producir.
Esta tcnica es relativamente
econmica y es la ms
utilizada en las predicciones a
mediano y largo plazo.
METODO DELPHI
Este mtodo involucra a un grupo de expertos que
comparten informacin y eventualmente llegan a un
consenso en una prediccin a largo plazo con respecto
a la tecnologa, a ventas futuras.
Una de las ventajas del mtodo es que se evitan las
relaciones directas e interpersonales. No hay conflictos
personales ningn dominio de parte de los miembros
de algn grupo, ya que las opiniones de los miembros
se realizan por escrito y ubicados en diferentes lugares,
su participacin es desde el anonimato.
ESTRUCTURA DE LA FUERZA DE VENTAS

Con esta tcnica se solicita a cada

representante de ventas hacer un
estimado de stas en su zona para
la temporada que se aproxima. El
representante emplea los
estimados de las ventas individuales
para realizar la prediccin de la
zona. Estas predicciones zonales se
combinan para hacer la prediccin
total. Este mtodo ayuda a la
empresa a lograr una prediccin
con rapidez y a bajo costo.
ESTUDIO DE MERCADO PRIMARIO

Una empresa puede basar sus

predicciones en los planes de
compras futuras de sus clientes. Esta
informacin puede obtenerse
directamente por medio de
encuentros personales, telefnicos;
correo o fax.
La mejor informacin es la que se le
solicita a los clientes.
TRABAJO GRUPAL

En grupo presentan un resumen del captulo

13 Pronsticos de la pag 520 a 528-
Administracin de Operaciones- Lee
Krajewski. (colgar en el foro hasta el viernes).
Una diapositiva por ttulo en letra arial nro
24, interlineado 1. No tomar los casos.
MODELOS CUANTITATIVO

Son aquellos que emplean

modelos matemticos, estadsticos
y los datos histricos para predecir
el futuro. As el pasado se utiliza
para predecir la demanda.

Hay dos tipos generales de

mtodos cuantitativos:
Los modelos de Serie de Tiempos y
Los modelos Causales.
SERIES DE TIEMPO
Los modelos series de tiempo predicen sobre la base de la
suposicin de que el futuro es una funcin del pasado. En
otras palabras, ven lo que ha pasado en un periodo de
tiempo y usan una serie de datos pasados para hacer el
pronstico.

Las principales son:

Enfoque simplista
Promedio Mvil
Promedio Mvil Ponderado
Suavizacin Exponencial
Proyeccin de Tendencia
ndices Estacionales
ENFOQUE SIMPLISTA

Asume que la demanda del siguiente periodo es

justamente igual a la demanda en el periodo ms
reciente.
Algunas empresas emplean este mtodo porque
es el modelo de pronsticos ms eficiente en
costo y ms objetivo ya que ofrece por lo menos
un punto de partida.
PROMEDIO MOVIL
El promedio mvil es til si se asume que la
demanda del mercado ser ms o menos
constante durante un determinado periodo de
tiempo. Matemticamente, al promedio mvil del
siguiente periodo se expresa como:

donde n es el nmero en el promedio mvil.

PROMEDIO MOVIL PONDERADO
Cuando existe una tendencia o patrn, los pesos
pueden ser utilizados para poner ms nfasis en los
valores recientes. Esto hace que las tcnicas sean ms
sensibles a los cambios, ya que los periodos recientes
tienen mayor peso. La eleccin de los pesos es de
alguna forma arbitraria ya que no existe formula
alguna para determinarlos.

donde n es el nmero en el promedio mvil ponderado.

SUAVIZACIN EXPONENCIAL
Es un mtodo de pronstico fcil de usar y se maneja
en forma eficiente por medio de computadoras,
involucra poco respaldo de informacin pasada. Se
calcula:

El valor adecuado de la constante de suavizacin ()

hace la diferencia entre un pronstico exacto y el
inexacto. Al seleccionar un valor para la constante de
Suavizacin, el objetivo es obtener el pronstico ms
exacto.
SUAVIZACION EXPONENCIAL
o La constante de suavizacin () es un nmero entre 0 y 1
o Para evaluar se calcula el error (ERROR) del pronstico y la
desviacin media absoluta (DMA) respectivamente:
PROYECCION DE TENDENCIAS
Esta tcnica ajusta una lnea de tendencia a una serie de
puntos de datos histricos y despus proyecta la lnea hacia
el futuro para pronosticar con un rango de mediano y largo
plaza.
Se pueden desarrollar ecuaciones matemticas con
tendencias: lineales, cuadrticas y exponenciales. Para
desarrollar una lnea de tendencia lineal se puede aplicar el
mtodo de los Mnimos Cuadrados.

Donde:
y = pronstico para el periodo (variable dependiente)
a y b = parmetros que se determinan.
x = tiempo, periodo (variable independiente)
PROYECCIN DE TENDENCIAS

Para hallar b:

Para hallar a:
INDICES ESTACIONALES
Un ndice estacional es una razn que
relaciona una variacin estacional recurrente
con el valor de tendencia correspondiente en
un tiempo dado.

Pronstico ndice Pronstico de

=
Estacional Estacional Tendencia
PRONSTICOS : MTODOS
CAUSALES
Es decir el x no es necesariamente es el tiempo
Anlisis de Regresin y
Correlacin
 error

El error estndar es la desviacin estndar de la

distribucin muestral de un estadstico.
Validar el modelo
COEFICIENTE DE CORRELACIN DE PEARSON
Si se acerca a + 1 hay una relacin fuerte entre las 2 variables, por
lo general data que genera valores menores a +- 0.8 se rechaza.

Si r= 0, sin correlacin lineal no implica necesariamente que no hay

relacin entre las variables, ya que podra todava existir relacin no
lineal entre ellas.

Signo positivo: ambas variables siguen el mismo sentido.

Signo negativo: relacin inversa.

A veces mantenerse positivo y fuerte frente a
las situaciones de la vida es difcil, pero lo
mejor que podemos hacer es tener un
momento de calma para reflexionar con
tranquilidad