técnicas de proyección o pronósticos del mercado

Universidad de OrienteNúcleo de Monagas

Departamento de Ingeniería de Sistemas

Preparación, Evaluación y Control de Proyectos (071-4153)

Profesor: Ing. Jesús Chaparro

Grupo: ArgentinaFernando López

Marianela CastañedaEsmarys

Valdiviezo

Técnicas de proyección del Mercado

Estudio de Mercado

Estudio de Mercado

Iniciativa empresarial

Viabilidad comercial

Recolección Análisis

Datos e Información

Plan de

negoci

os

Estudio de Mercado

ProyecciónEs una fase importante en el estudio de mercado, que

tiene la finalidad de determinar la situación conveniente del mercado al que se quiere ingresar con determinado

bien o servicio.

Es el área dentro de la cual los vendedores y los compradores de una mercancía mantienen estrechas relaciones comerciales, y llevan a cabo abundantes

transacciones de tal manera que los distintos precios a que éstas se realizan tienden a unificarse.

Mercado

Técnicas de proyección del Mercado

Métodos que hacen uso de información disponible a través de un

modelo matemático

del comportamiento del sistema

Métodos basados en

juicios y opiniones

Cualitativas

Cuantitativas

Técnicas de proyección del Mercado

Promedio Móvil

Simple Promedio Móvil Doble

Ajuste Exponencial Simple

Ajuste Exponencial

Doble

Extrapolación de Tendencia

Métodos Causales

Promedio Móvil Simple (PMS)

Utiliza información estadística pasada

La técnica de medias móviles construye una nueva serie a partir de la media de un número

determinado de datos, en la que se va añadiendo sucesivamente un dato nuevo y quitando, al mismo tiempo, el más antiguo de los datos

incluidos en la media anterior

Para k periodos

Promedio Móvil Simple (PMS)

¿Cuándo usarlo?

Promedio Móvil Simple (PMS)

La empresa ACME desea elaborar el pronóstico de

ventas (o de la demanda ) para uno de sus productos de mayor demanda en el mercado.

Este pronóstico de la demanda se requiere

para el mes de octubre de 2003, para lo cual se debe considerar que k= 2, 3, 4. sabiendo que los últimos meses el área de

mercadotecnia ha registrado la información histórica que se indica en

el siguiente cuadro.

Periodos Mensuales

Demanda (D)

Enero 30

Febrero 35

Marzo 28

Abril 20

Mayo 25

Junio 30

Julio 27

Agosto 37

Septiembre 33

Octubre ¿?

Periodos Mensuales

Demanda (D) Pronósticos

k=2 k=3 k=4

Enero 30 NA NA NAFebrero 35 NA NA NAMarzo 28 32.5 NA NAAbril 20 31.5 31.0 NAMayo 25 24.0 27.7 28.3Junio 30 22.5 24.3 27.0Julio 27 27.5 25.0 25.8Agosto 37 28.5 27.3 25.5Septiembre 33 32.0 31.3 29.8Octubre ¿? 35.0 32.3 31.8

Promedio Móvil Simple (PMS)

Promedio Móvil Simple (PMS)

Para determinar cuál pronóstico es el mejor se utiliza el error cuadrado medio –MSE-o la desviación estándar del error –

SD-

Periodos Mensuales

Demanda (D)

Pronóstico (P) (D-P)^2

k=2 k=3 k=4 k=2 k=3 k=4

Enero 30 NA NA NA NA NA NAFebrero 35 NA NA NA NA NA NAMarzo 28 32.5 NA NA 20.3 NA NAAbril 20 31.5 31.0 NA 132.3 121.0 NAMayo 25 24.0 27.7 28.3 1.0 7.1 10.6Junio 30 22.5 24.3 27.0 56.3 32.1 9.0Julio 27 27.5 25.0 25.8 0.3 4.0 1.6Agosto 37 28.5 27.3 25.5 72.3 93.4 132.3Septiembre 33 32.0 31.3 29.8 1.0 2.8 10.6Octubre ¿? 35.0 32.3 31.8 283.3 260.4 163.9

MSE 40.5 43.4 32.8SD 6.4 6.6 5.7

Promedio Móvil Simple (PMS)

El mejor pronostico para Octubre, será entonces 35. Ya que el periodo k=2 posee el menor error cuadrado medio y por

lo tanto, la menor desviación estándar

Promedio Móvil Doble

Sirve para calcular pronósticos para periodos futuros

Se aplica a datos con tendencia y sin estacionalidad

Procedimiento

Promedio Móvil Doble

Con los datos obtenidos en el problema anterior,

se desea calcular los pronósticos de ventas

para los meses de octubre, noviembre y

diciembre. Estos cálculos se deberán obtener mediante promedio

móvil doble

Periodos Mensuales

Demanda (D)

Enero 30Febrero 35Marzo 28Abril 20Mayo 25Junio 30Julio 27Agosto 37Septiembre 33Octubre ¿? Noviembre ¿? Diciembre ¿?

Periodos Mensuales

Demanda (D)

M M' at btPronóstico (P)

(D-P)^2at+btp

Enero 30 NA NA NA NA NA NAFebrero 35 32.5 NA NA NA NA NAMarzo 28 31.5 32 31 -1 NA NAAbril 20 24 27.75 20.25 -7.5 30.0 100.0Mayo 25 22.5 23.25 21.75 -1.5 12.8 150.1Junio 30 27.5 25 30 5 20.3 95.1Julio 27 28.5 28 29 1 35.0 64.0Agosto 37 32 30.25 33.75 3.5 30.0 49.0Septiembre 33 35 33.5 36.5 3 37.3 18.1Octubre ¿? 39.5MSE= 79.4Noviembre ¿? 42.5SD= 8.91Diciembre ¿? 45.5

Promedio Móvil Doble

Ajuste Exponencial Simple

Se usa cuando

La serie de datos disponible muestra volatibilidad

No hay

tendencia

No hay

estacionalidad

Se considera que los datos antiguos no pueden tener el mismo peso relativo que uno ocurrido en periodos

más próximos

Ecuación del ajuste o suavizamiento exponencial:

El valor de α determina la medida en que la observación actual influye en

el pronóstico de la siguiente observación

Cuando se acerca a 1 básicamente el nuevo pronostico será la ultima

observación real

Cuando se acerca a cero el pronostico nuevo será muy similar al pronostico anterior y la ultima observación real

tendrá poca importancia.

Ajuste Exponencial Simple

Periodos Mensuales

Demanda (D)

Pronóstico (P) (D-P)^2

α=0.1 α=0.4 α=0.9 α=0.1 α=0.4 α=0.9Enero 30 30 30 30 NA NA NAFebrero 35 30.0 30.0 30.0 25.0 25.0 25.0Marzo 28 30.5 32.0 34.5 6.3 16.0 42.3Abril 20 30.3 30.4 28.7 105.1 108.2 74.8Mayo 25 29.2 26.2 20.9 17.9 1.5 17.1Junio 30 28.8 25.7 24.6 1.4 18.1 29.3Julio 27 28.9 27.4 29.5 3.7 0.2 6.0Agosto 37 28.7 27.3 27.2 68.4 94.7 95.1Septiembre 33 29.6 31.2 36.0 11.9 3.4 9.1Octubre ¿? 29.9 31.9 33.30246 MSE=29.9 MSE=33.4 MSE=37.4

SD=5.4 SD=5.8 SD=6.1

Ajuste Exponencial Simple

Ajuste Exponencial Doble (Brown)

Se aplica a datos con tendencia y sin estacionalidad cuando se ponderan

distintos los datos nuevos que los viejos.

Procedimiento

Ajuste Exponencial Doble (Brown)

Extrapolación de la tendencia

Supone que los patrones anteriores y

las tendencias seguirán la

misma dirección Este método

no toma en cuenta qué “ocasionó” los datos

anteriores

Ŷ = a + bX

22 )(

))((

XXn

YXXYnb

XdemediaX

YdemediaY

XbYa

Extrapolación de la tendencia

Procedimiento

Extrapolación de la tendencia

945454.3

66)17444112(11

)1859)(66()11588(112

b 327272.145 XbYa

Extrapolación de la tendencia

Y=145.3272 + 3.945454X

El pronóstico para el año 2010 sería cuando X=12Y=145.3272 + 3.945454(12)= 192.7

El pronóstico para el año 2015 sería cuando X=17Y=145.3272 + 3.945454(17)= 212.4

Índices Estacionales

Útiles

cuando la

serie de

datos

presenta

estacionalid

ad

Lo que se

hace es

desestaciona

lizar una

serie y luego

hacer la

proyección

Una vez que

se hace la

proyección

se ajusta

con la

estacionalid

ad

Índices Estacionales

Datos trimestrales de venta de televisores

Año Trimestre Ventas (miles)1 1 4.8

2 4.1 3 6 4 6.5

2 1 5.8 2 5.2 3 6.8 4 7.4

3 1 6 2 5.6 3 7.5 4 7.8

4 1 6.3 2 5.9 3 8 4 8.4

Índices Estacionales

Año TrimestreVentas (miles)

Promedio móvil

Promedio móvil centrado

Valor estacional irregular

Indice estacional

Ventas desestacionalizadas Trimestres

1 1 4.8 0.932200477 5.149107 1 2 4.1 0.837759204 4.894008 2 3 6 5.35 5.475 1.0958904 1.093348842 5.487727 3 4 6.5 5.6 5.7375 1.1328976 1.143305143 5.685271 4

2 1 5.8 5.875 5.975 0.9707113 0.932200477 6.221838 5 2 5.2 6.075 6.1875 0.8404040 0.837759204 6.207034 6 3 6.8 6.3 6.325 1.0750988 1.093348842 6.219424 7 4 7.4 6.35 6.4 1.1562500 1.143305143 6.472463 8

3 1 6 6.45 6.5375 0.9177820 0.932200477 6.436384 9 2 5.6 6.625 6.675 0.8389513 0.837759204 6.684498 10 3 7.5 6.725 6.7625 1.1090573 1.093348842 6.859659 11 4 7.8 6.8 6.8375 1.1407678 1.143305143 6.822326 12

4 1 6.3 6.875 6.9375 0.9081081 0.932200477 6.758203 13 2 5.9 7 7.075 0.8339223 0.837759204 7.042596 14 3 8 7.15 1.093348842 7.316969 15 4 8.4 1.143305143 7.347120 16

Índices Estacionales

Índices Estacionales

Año 5 Trimestre t Tendencia (T) Índice estacional Pronóstico

1 17 7.60096826 0.932200477 7.086

2 18 7.74810698 0.837759204 6.491

3 19 7.8952457 1.093348842 8.632

4 20 8.04238441 1.143305143 9.195

T=5.099 + 0.147t

Índices Estacionales

Métodos Causales

Este se divide en:

Modelo de Regresión

Simple

Modelo de Regresión

Múltiple

Métodos CausalesModelo de Regresión

Simple

Este modelo toma en cuenta algún

factor que ocasiona los datos

La variable independiente no es el tiempo

Por ejemplo:El precio es una variable que puede explicar el comportamiento de la demanda.

Demanda=f(Precio)Y= a + b Precio

Modelo de Regresión

Múltiple

Métodos Causales

Este modelo toma en cuenta varios factores que ocasionan o son causantes de los datos:

El comportamiento de la demanda no solo puede ser explicada por el precio, sino también por el ingreso y otras variables más.

Demanda=f (precio, ingreso, otras variables)

Métodos Cualitativos

Método Delphi

Es un método diseñado para obtener y tratar la información de expertos

consultados sobre un asunto determinado

Características

Se pueden manejar tantas rondas como sean necesarias

No debe existir contacto entre los participantes, pero el gestor de la

encuesta si puede identificar a cada participante y sus respuestas

Método Delphi

Los resultados totales de la ronda previa no son entregados a los participantes, sólo una parte de la información circula

La respuesta del grupo puede ser presentada estadísticamente (promedios y grados de dispersión)

Preguntas con respuesta cuantitativa

Método Delphi

Delfos sobre Tema XX

Ronda 1 Experto 13

A.1. Pregunta

Respuesta

A.2. Pregunta

Respuesta

A.3. Pregunta

Respuesta

A.4. Pregunta

Respuesta

A.5. Pregunta

Respuesta

A.6. Pregunta

Respuesta

Método Delphi

Ronda 1 Opinión de Consenso de los Expertos

A.1 A.2 A.3 A.4 A.5 A.6

Mediana

Q1/4

Q3/4

Q3/4 - Q1/4

Ronda 2 Opinión de Consenso de los Expertos

A.1 A.2 A.3 A.4 A.5 A.6

Mediana

Q1/4

Q3/4

Q3/4 - Q1/4

Método Delphi

Método de Investigación de Mercados

Recolección de la opinión de los clientes mediante la toma de

encuestas a una muestra representativa

de la población, la realización de

experimentos o la observación de los

consumidores potenciales en mercados

de prueba.

Método de Investigación de Mercados

Se quiere comercializar chocolates en bolsitas de 250

gramos

Resultados de la encuesta

Zona Población Muestra Le gustaría consumir Lo compraría

Frecuencia de compra mensual

Bolsas compradas

A 12000 319 40% 20% 2 1

B 10000 265 45% 25% 3 2

Método de Investigación de Mercados

Método de Investigación de Mercados

Zona Población Consumidor potencial

ConsumidoresCantidad

comprada al mes (Bolsas)

Demanda Potencial (Bolsas)

Demanda potencial

(Kgs)

A 12000 8.00% 960 2 1920 480

B 10000 11.25% 1125 6 6750 1688

Estimado de demanda

En muchos casos se captura información de mercado existenteAnalizar la posibilidad de tomar un

porcentaje del mercado

Colocar una pregunta para inferir intención de compra

Técnicas de Proyección del Mercado