MÉTODOS DE PRONÓSTICO
JUAN DAVID ORTEGON
JUAN DAVID BENAVIDEZ
¿QUE ES UN PRONÓSTICO?
En el ámbito de los negocios un PRONÓSTICO es una herramienta que permite hacer una estimación acerca de la probabilidad de los eventos futuros. Aunque existen diferentes métodos para la elaboración de un pronóstico, siempre se debe seguir un proceso lógico que consta de los siguientes pasos:
• Formular el problema y recolectar datos
• Manipular y limpiar datos
• Construir y evaluar el modelo
• Aplicar el modelo
• Evaluar el pronóstico
A través de la planeación, se pretende alterar de una manera consciente los eventos futuros, en tanto que usamos los pronósticos para predecirlos. Una buena planeación emplea un pronóstico como insumo; si éste no es aceptable, en ocasiones, puede diseñarse un plan para modificar el curso de los eventos.
Incluso los buenos pronósticos tendrán algún error, pero el logro del error más pequeño posible es la meta consistente con los costos razonables de la preparación de pronósticos. En reconocimiento de los errores inherentes a los pronósticos, todo pronóstico debe contar con, por lo menos, dos cálculos: uno para la mejor estimación de la demanda y el otro para el error del pronóstico.
¿POR QUÉ ES IMPORTANTE HACER PRONÓSTICOS?
Disminuyen la incertidumbre sobre el futuro.
Juegan un papel muy importante en el proceso de planificación de una organización.
Todos requieren los pronósticos. La necesidad de pronósticos está en todas las líneas funcionales, así
como en todos tipos de organizaciones. Los pronósticos son absolutamente necesarios para avanzar en el
ambiente de negocios actual, siempre cambiante y altamente dinámico.
Tipos de pronósticos
Según el plazo De corto plazo
De mediano plazo
De largo plazo
Según el entorno a
pronosticar
Micro
Macro
Según el
procedimiento
empleado
Cualitativo
Cuantitativo
Según el producto
obtenido
Pronóstico puntual
Pronóstico por intervalo
Pronóstico por densidad
SELECCIÓN DE UN MÉTODO DE PRONÓSTICO
La consideración primordial en la selección de un método para pronosticar es que los resultados deben facilitar el proceso de toma de decisiones a los
gerentes de la organización. Rara vez un método funciona para todos los casos.
•Definir la naturaleza del problema
que se va a pronosticar
•Explicar la naturaleza de los datos
en investigación.
•Describir las capacidades
y limitaciones de las técnicas de
elaboración de pronósticos
potencialmente útiles.
•Desarrollar algún criterio
predeterminado, con el cual se
pueda tomar la decisión. Un factor
importante es la identificación y
comprensión de patrones históricos
en los datos.
Para elegir acertadamente la técnica de pronóstico, el pronosticador debe
hacer lo siguiente:
EL PROCESO DE PRONÓSTICO
1. FASE ESTRATEGICA
2. FASE OPERATIVA
El proceso del pronóstico es como cualquier otro
proceso: si no se controla y verifica, es como una
espiral fuera de control.
FASE OPERATIVA DEL PROCESO DE PRONÓSTICO
1. Formulación del problema y recopilación de datos2. Manipulación y limpieza de datos3. Construcción y evaluación del modelo4. Implementación del modelo (el pronóstico real)5. Evaluación del pronóstico
MONITOREO DEL PROCESO
METODOS CUALITATIVOS DE PRONÓSTICO
Se basan en el criterio administrativo y no usan modelos específicos; por lo tanto, distintos individuos pueden utilizar el mismo método cualitativo y llegar a pronósticos sumamente diferentes.
No obstante, los métodos cualitativos son de utilidad cuando existe una falta de datos o cuando los datos históricos no son instrumentos de predicción confiables del futuro; en este caso, el tomador de decisiones humano puede emplear los mejores datos disponibles y un enfoque cualitativo para llegar a un pronóstico.
Es posible un enfoque sistemático para la preparación de pronósticos cualitativos aun cuando no se formule un modelo matemático explícito.
MÉTODOS CUALITATIVOS DE PRONÓSTICO
MÉTODO DESCRIPCIÓN APLICACIONES
EXACTITUDCOSTO
RELATIVOA CORTO
PLAZOA MEDIANO
PLAZOA LARGO
PLAZO
1. DELPHI El pronóstico se desarrolla por medio de un panel de expertos que responden una serie de preguntas en rondas sucesivas. Las respuestas anónimas del panel se realimentan a todos los participantes en cada ronda. Se pueden requerir de tres a seis rondas para obtener la convergencia del pronóstico.
Pronósticos de ventas a largo plazo para la planeación de la capacidad de las instalaciones. Pronósticos tecnológicos para evaluar cuando podrían ocurrir cambios tecnológicos.
Regular a muy buena
Regular a muy buena
Regular a muy buena
Mediano a alto
2. ESTUDIOS DE MERCADO
Paneles, cuestionarios, mercados de prueba o encuestas que se usan para recopilar datos sobre las condiciones del mercado.
Pronósticos de las ventas totales de la compañía, de grupos mayores de productos o de productos individuales.
Muy buena Buena Regular Alto
3. ANALOGÍA DEL CICLO DE VIDA
La predicción se basa en las fases de introducción, crecimiento, y maduración de productos similares. Aplica la curva de crecimiento en ventas con forma de S.
Pronósticos de ventas a largo plazo para la planeación de la capacidad de las instalaciones.
Deficiente Regular a buena
Regular a buena
Mediano
4. CRITERIO INFORMADO
El pronóstico lo puede realizar un grupo o un individuo con base en la experiencia, presentimientos o hechos a cerca de la situación. No se emplean métodos rigurosos.
Pronósticos de ventas totales y de productos individuales.
Deficiente a regular
Deficiente a regular
Deficiente a regular
Bajo
EL MÉTODO DELPHI
A Applied Biosystems le gustaría pronosticar el crecimiento de las ventas tanto en equipos
como en consumibles durante los próximos 10 años en cada región. Para empezar, se le
pidió a cada experto que proporcionara una estimación del crecimiento de las ventas de
instrumentación y equipo y de los consumibles en cada región para los próximos 10 años.
A cada uno se le informó el nivel actual de las ventas anuales y una estimación de la
participación en el mercado por grupo para Europa, Japón y Australia. Los expertos,
quienes no se conocen entre sí y que están ubicados en diferentes partes del mundo,
están comunicados por computadora con el gerente del proyecto de Applied Biosystems.
EJEMPLO: EL MÉTODO DELPHI
SEGUNDA RONDA: Las opiniones del experto A permanecen esencialmente sin cambio. El experto B ajusta su rango del crecimiento de las ventas del equipo e instrumental en el mercado europeo de +20% a +60%, un ligero ajuste hacia abajo. También ajusta hacia abajo el límite superior de su rango para el crecimiento de la venta de consumibles en el mercado japonés a +150%.Deja sin cambio sus pronósticos de crecimiento de las ventas en el mercado australiano. La experta C ajusta los rangos de sus pronósticos de crecimiento de las ventas para el mercado europeo a Equipo/Instrumental +10% a +90% Consumibles +15% a +40% Ella deja sin cambio sus pronósticos para Australia.
TERCERA RONDA: No produce algún cambio adicional.
MÉTODOS CUANTITATIVOS DE PRONÓSTICO
En general, los métodos cuantitativos
manejan un modelo matemático
fundamental para llegar a
un pronóstico.
El supuesto básico de todos los
métodos cuantitativos de pronóstico
es que los datos históricos y los
patrones de los datos son
instrumentos de predicción confiables
del futuro.
ANÁLISIS DE SERIES DE TIEMPOLos métodos de análisis de series de tiempo se usan para hacer análisis detallados de los patrones históricos de una variable a lo largo del tiempo y para proyectarlos hacia el futuro. Uno de los supuestos básicos de todos los métodos de análisis de series de tiempo es que la variable puede descomponerse en elementos básicos como nivel promedio, tendencia, estacionalidad, ciclo y error. La grafica presenta una muestra de estos componentes para una serie de tiempo representativa.
La estrategia básica que se aplica en los pronósticos de series de tiempo
consiste en identificar la magnitud y la forma de cada componente con base
en los datos históricos disponibles. Éstos, excepto el componente aleatorio,
se proyectan, entonces, hacia el futuro. Si sólo queda un pequeño
componente aleatorio y el patrón persiste hacia el futuro, se obtendrá un
pronóstico confiable. la descomposición de una serie de tiempo es la
siguiente:
Como puede verse, este modelo de series de tiempo posee un nivel, una
tendencia, un factor estacional y un término de error aleatorio; cada uno de
ellos se estima a partir de datos históricos para desarrollar una ecuación que,
posteriormente, habrá de usarse para pronosticar valores futuros.
Métodos de suavización de series de tiempo
• Promedios móviles.• Promedios móviles ponderados • Suavización exponencial
Promedios móviles.
El método de los promedios móviles utiliza elpromedio de los n valores de datos más recientes enla serie de tiempo como el pronóstico para elsiguiente periodo
Precisión del pronóstico
Promedios móviles.
PROMEDIOS MÓVILES PONDERADOSConsiste en seleccionar diferentes pesos para cada valor de datos yluego calcular un promedio ponderado de los n valores de datosmás recientes como el pronóstico.En la mayoría de los casos, la observación más reciente recibe elmayor peso, y el peso disminuye para los valores de datos másantiguos.
Suavización exponencialLa suavización exponencial utiliza un promedio ponderado devalores de series de tiempo pasadas como pronóstico; es un casoespecial del método de promedios móviles ponderados en el cualseleccionamos sólo un peso, el peso para la observación másreciente.
Suavización exponencial
Suavización exponencial
Los modelos matemáticos pueden ajustarse a datos de una serie
de tiempo con componentes de nivel, de tendencia y de tipo
estacional; como un modelo lineal o no lineal, comúnmente a
través de métodos de regresión. Incluye líneas de tendencia,
polinomios, logaritmos no lineales, series de Fourier, entre otros. El
modelo resultante puede ofrecer un pronóstico más exacto que la
técnica de suavización exponencial; sin embargo, un modelo
ajustado es más costoso y, por lo tanto, debe hacerse un análisis
de negociación entre la exactitud y el costo del modelo.
Para ayudar a los analistas en su trabajo de preparación de pronósticos,
se desarrolló el método de Box-Jenkins para la realización de
pronósticos de series de tiempo. Esta técnica cuenta con una fase
especial de identificación del modelo y permite un análisis más preciso
de los modelos propuestos que el que es posible con los otros métodos;
no obstante, el método de Box-Jenkins requiere de aproximadamente 60
periodos de datos históricos y es demasiado costoso para los
pronósticos rutinarios. Pese a ello, cuando se trata de un pronóstico
especial que implique una decisión costosa, el uso del modelo de Box-Jenkins, ciertamente, puede justificarse.
MÉTODOS CAUSALESEn general, los métodos causales de pronóstico desarrollan un modelo
de causa y efecto entre variables; por ejemplo: la demanda de los
helados puede relacionarse con la población, la temperatura promedio
del verano y la hora. Pueden recopilarse datos sobre estas variables y
realizarse un análisis para determinar la validez del modelo propuesto.
Análisis de regresiónEl análisis de regresión es una técnica estadística que se puede utilizar paradesarrollar una ecuación matemática que muestre cómo se relacionan lasvariables. En la terminología de regresión, la variable a predecir se llamavariable dependiente o de respuesta. La variable o variables que se utilizanpara predecir el valor de la variable dependiente se llaman variablesindependendientes o pronosticadores. El análisis de regresión que involucrauna variable independiente y una variable dependiente para el cual la relaciónentre las variables se aproxima por medio de una recta se llama regresiónlineal simple. El análisis de regresión que integra dos o más variablesindependientes se conoce como análisis de regresión múltiple.
Análisis de regresión
Análisis de regresión
Análisis de regresión
Análisis de regresión
Correlación Lineal
Interesa cuantificar la intensidad de la relación lineal entre dosvariables. El parámetro que nos da tal cuantificación es elcoeficiente de correlación lineal de Pearson r, cuyo valor oscilaentre –1 y +1
Correlación Lineal
Correlación Lineal
Coeficiente de Determinación
Denominamos coeficiente de determinación R¨2 como elcoeficiente que nos indica el porcentaje del ajuste que se haconseguido con el modelo lineal
A mayor porcentaje mejor es nuestro modelo para predecirel comportamiento de la variable Y
Regresión línea múltiple
REDES NEURONALES
• Aplicación de las Redes Neuronales al Pronóstico de Preciosen el Mercado de Valores .
• Pronóstico del precio de la energía eléctrica usando redesneuronales artificiales.
• Predicción de series temporales con redes neuronales: unaaplicación a la inflaciòn colombiana
ASPECTOS DE INTERES
CONSIDERACIONES
MACROECONÓMICAS DEL
PRONÓSTICO
SOFTWARE DE
PRONÓSTICOS
CONCLUSIONES
BIBLIOGRAFÍA• Schroader R., Mayer S., Johnny M., Administración de
Operaciones, Conceptos y casos contemporáneos. Mc Garw Hill. Quinta Edición 2011.
• Hanje J., Wichern D. Pronósticos en los Negocios. Prentice Hall Pearson Educación. Novena Edición. 2010
• Torres MJ. Pronósticos, una herramienta clave para la planeación de las empresas. Articulo.
• Astigarraga E. El método Delphi. Univaersidad de Deusto. 2008.