PRONÓSTICO

1. PRONÓSTICO “ES UNA ESTIMACIÓN CUANTITATIVA O CUALITATIVA DE UNO O VARIOS FACTORES (VARIABLES) QUE CONFORMAN UN EVENTO FUTURO, CON BASE EN INFORMACIÓN ACTUAL O DEL PASADO”

2. PORQUÉ? • La empresa se mueve en un contexto altamente incierto • Política, tecnología y medio ambiente repercuten sobre variables relevantes para la empresa: costos de producción, inventarios, volumen de ventas • La empresa debe tomar decisiones sobre Factores Controlables tomando en cuenta Factores Incontrolables.

3. FACTORES CONTROLABLES AQUELLOS SOBRE LOS CUALES LA EMPRESA DECIDE SU ESTRUCTURA, NIVELES, POLÍTICA Y MODO DE OPERAR: • NIVELES DE PRODUCCIÓN • NIVELES DE INVENTARIO • CAPACIDAD

4. FACTORES INCONTROLABLES AQUELLOS SOBRE LOS CUALES LA EMPRESA NO PUEDE DECIDIR NI MODIFICAR: DEPENDEN DE FACTORES EXTERNOS A LA EMPRESA • DEMANDA DEL PRODUCTO • COMPETENCIA • ECONOMÍA • COMPORTAMIENTO DEL CONSUMIDOR

5. QUÉ PRONOSTICAR? LA EMPRESA REQUIERE PREDECIR FACTORES INCONTROLABLES:MERCADO, ENTORNO, ECONOMÍA, QUE SON INCIERTOS, PARA DECIDIR (PLANEAR) SOBRE FACTORES CONTROLABLES: NIVELES DE INVENTARIO, DE PRODUCCIÓN, CAPACIDAD.

6. OBJETIVO REDUCIR LA INCERTIDUMBRE DEL FUTURO, MEDIANTE LA ANTICIPACIÓN DE EVENTOS CUYA PROBABILIDAD DE OCURRENCIA SEA RELATIVAMENTE ALTA, RESPECTO A OTROS EVENTOS POSIBLES.

7. CLASIFICACIÓN DE PRONÓSTICOS HORIZONTE DE PLANEACIÓN • LARGO PLAZO: inversión en capital, localización de planta, nuevos productos, expansión, crecimiento del mercado, tecnología • MEDIANO PLAZO: tamaño de la fuerza de trabajo, ciclicidad de la demanda, requerimientos de capacitación • CORTO PLAZO: frecuencia de pedidos , demanda, niveles de inventario requeridos

8. CLASIFICACIÓN DE PRONÓSTICOS POR ÁREAS DE LA EMPRESA • MERCADOTECNIA: crecimiento del mercado, pronósticos económicos y poblacionales • PRODUCCIÓN: programas de expansión, pronóstico de la demanda a mediano y largo plazo • FINANZAS: presupuesto de gastos, ventas del próximo año

9. CLASIFICACIÓN DE TÉCNICAS DE PRONÓSTICOS POR TIPO DE DATOS • CUALITATIVAS: técnicas subjetivas. Utilizan información cualitativa (experiencia de expertos). • CUANTITATIVAS: se basan en datos numéricos y utilizan herramienta matemática y estadística para su elaboración.

10. TÉCNICAS CUALITATIVAS LA MISMA TÉCNICA USADA POR DOS EXPERTOS DISTINTOS PUEDE PRODUCIR RESULTADOS DIFERENTES • INVESTIGACIÓN DE MERCADOS • ANALOGÍAS HISTÓRICAS • MÉTODO DELPHI • CONSENSO GENERAL • IMPACTO CRUZADO • ANÁLISIS DE ESCENARIOS

11. INVESTIGACIÓN DE MERCADOS OBTENER INFORMACIÓN ACERCA DEL COMPORTAMIENTO REAL DEL MERCADO, MEDIANTE ENCUESTAS DIRIGIDAS AL PÚBLICO CONSUMIDOR O A PARTIR DE LA EXPERIENCIA DE VENDEDORES, PARA CONCLUIR SOBRE EL COMPORTAMIENTO FUTURO

12. ANALOGÍAS HISTÓRICAS SE FUNDAMENTA EN UN ANÁLISIS COMPARATIVO DE CASOS SIMILARES AL QUE SE ESTUDIA. TRATA DE RECONOCER PATRONES DE SIMILITUD PARA SACAR CONCLUSIONES Y OBTENER UN PRONÓSTICO: productos similares, producto en otros mercados, etc.

13. MÉTODO DELPHI PRETENDE LLEGAR A UN CONSENSO A TRAVÉS DE LA OPINIÓN DE EXPERTOS, EVITANDO LA CONFRONTACIÓN DE LOS MISMOS, YA QUE NO EXISTE UNA INTERACCIÓN DIRECTA ENTRE LOS PARTICIPANTES. ESTOS EXPRESAN LIBREMENTE SUS OPINIONES.

14. MÉTODO DELPHI • Los expertos responden un cuestionario • Se obtiene la media y desviación de cada pregunta • Se pide justificar respuesta a aquellos que se encuentran fuera del rango de dos o mas desviaciones, sobre la media de cada pregunta. • Se pasa esta opinión a todos los participantes y se vuelve a aplicar el cuestionario

15. MÉTODO DELPHI • El proceso se repite hasta lograr un consenso en las diferentes preguntas o hasta identificar subgrupos de opiniones • Con la información obtenida se procede a la toma de decisiones.

16. CONSENSO GENERAL • SE REÚNE A UN GRUPO DE EXPERTOS • A PARTIR DE UNA LLUVIA DE IDEAS SE ESTABLECEN DISCUSIONES HASTA LLEGAR A UN ACUERDO QUE REFLEJE EL SENTIR DE LA MAYORÍA

17. IMPACTO CRUZADO DESARROLLAR UNA MATRIZ PARA ESTUDIAR LOS EFECTOS DE DIVERSOS FACTORES SOBRE LA PROBABILIDAD DE OCURRENCIA DE UN EVENTO, ASÍ COMO EL IMPACTO QUE ESTA PUEDA TENER EN OTRA SERIE DE EVENTOS

18. IMPACTO CRUZADO • Determinar los eventos a incluirse en el estudio • Estimar la probabilidad inicial de cada evento y la probabilidad condicional de cada par de eventos • Seleccionar eventos en forma aleatoria y calcular su repercusión sobre los demás eventos como resultado de la ocurrencia o no del evento elegido.

19. ANÁLISIS DE ESCENARIOS Describir diferentes escenarios futuros posibles (mas probable, probable, poco probable) considerando factores que los determinen (cambios en la población, inflación, variación de la demanda) para reconocer las implicaciones a largo plazo de los cambios posibles

20. TÉCNICAS CUANTITATIVAS • INFORMACIÓN: REQUIEREN DE DATOS HISTÓRICOS DE LAS VARIABLES INVOLUCRADAS • SUPUESTO: EL PATRÓN HISTÓRICO DE LAS VARIABLES SEGUIRÁ SIENDO VÁLIDO EN EL FUTURO ANALIZADO

21. TÉCNICAS CUANTITATIVAS • EXTRAPOLATIVAS: ajustes de curvas y métodos de suavizamiento. Los patrones observados en el pasado se proyectan al futuro • ANÁLISIS DE SERIES DE TIEMPO: métodos de descomposición y modelos ARIMA (autorregresivos, integrados y promedios móviles) • MODELOS CAUSALES: modelos econométricos (regresión)

22. ETAPAS DE UN PRONÓSTICO • DEFINIR EL PROPÓSITO • RECOLECTAR DATOS: fuentes primarias o secundarias • PREPARAR LOS DATOS:ordenar y clasificar • SELECCIONAR LA TÉCNICA ADECUADA: cualitativa o cuantitativa • EJECUTAR EL PRONÓSTICO: estimar errores • DAR SEGUIMIENTO: confrontar con información actual

23. ETAPAS DE UN PRONÓSTICO SELECCIÓN DE LA TÉCNICA ADECUADA: LA MEJOR TÉCNICA ES AQUELLA QUE • Facilite la toma de decisiones en el momento adecuado • Que sea entendida por el que toma las decisiones • Pase un análisis costo-beneficio • Cumpla con las restricciones del sistema: tiempo disponible, datos, disponibilidad de cómputo. • Cumpla con los criterios de: precisión, estabilidad, objetividad

24. TIPOS DE DATOS • OBSERVADOS EN UN MOMENTO PRECISO DEL TIEMPO: un día, una hora, una semana, etc.. Ejemplo: observar una característica en una muestra de productos para controlar calidad, ingreso de la población, grado de escolaridad de empleados, etc... Objetivo: extrapolar a toda la población las características de la muestra

25. TIPO DE DATOS • SERIES DE TIEMPO: una sucesión cronológica de observaciones de una variable a intervalos iguales de tiempo. Ejemplo: ventas trimestrales de los últimos 5 años, desempleo en los últimos años, precio de un producto en el tiempo, etc.. Objetivo: analizar patrones del pasado que puedan extrapolarse al futuro

26. PATRONES O COMPONENTES DE UNA SERIE DE TIEMPO • TENDENCIA: componente de muy largo plazo • CICLICIDAD: componente de largo plazo • ESTACIONALIDAD:componente de corto plazo • FACTOR ALEATORIO: componente de muy corto plazo

27. TENDENCIA COMPONENTE DE MUY LARGO PLAZO QUE REPRE- SENTA EL CRECIMIENTO O DECRECIMIENTO DE LOS DATOS EN UN PERÍODO EXTENDIDO FUERZAS QUE AFECTAN Y EXPLICAN TENDENCIA: • Crecimiento de la población • Inflación • Ventas de un producto en su etapa de crecimiento en el ciclo de vida

28. TENDENCIA: ventas de SEARS (1955-1985)

29. ESTACIONALIDAD PATRÓN DE CAMBIO QUE SE REPITE AÑO CON AÑO EN EL MISMO NÚMERO DE PERÍODOS FUERZAS QUE AFECTAN Y EXPLICAN ESTACIONALIDAD: • PERÍODOS ESCOLARES • PERÍODOS VACACIONALES • PRODUCTOS DE ESTACIÓN • ESTACIONES DEL AÑO

30. ESTACIONALIDAD

31. CICLICIDAD FLUCTUACIÓN ALREDEDOR DE LA TENDENCIA QUE SE REPITE PERO A INTERVALOS DISTINTOS Y CON AMPLITUDES DISTINTAS FUERZAS QUE AFECTAN Y EXPLICAN CICLICIDAD: • PERÍODOS DE EXPANSIÓN Y DE RECESIÓN DE LA ECONOMÍA • CICLOS ECONÓMICOS

32. CICLICIDAD

33. FACTOR ALEATORIO MIDE LA VARIABILIDAD DE UNA SERIE CUANDO LOS DEMÁS COMPONENTES SE HAN ELIMINADO O NO EXISTEN FUERZAS QUE AFECTAN Y EXPLICAN ALEATORIEDAD • CAMBIOS CLIMÁTICOS • DESASTRES NATURALES • HUELGAS • HECHOS FORTUITOS

34. SERIE ALEATORIA:generada por números aleatorios

35. SERIE ESTACIONARIA SERIE CUYO VALOR PROMEDIO NO CAMBIA A TRAVÉS DEL TIEMPO FUERZAS QUE AFECTAN Y EXPLICAN ESTACIONARIEDAD • SISTEMAS DE PRODUCCIÓN CON TASA UNIFORME • VENTAS DE PRODUCTOS EN SU ETAPA DE MADUREZ EN EL CICLO DE VIDA

36. SERIE ESTACIONARIA

37. SERIE CON VARIOS PATRONES

38. PATRONES Y CORRELOGRAMAS Una forma de saber si la serie tiene Tendencia, Estacionalidad, es una serie Aleatoria o una serie Estacionaria es mediante la observación del Correlograma. Correlograma: gráfica que muestra los coeficientes de autocorrelación de la serie

39. AUTOCORRELACIÓN CORRELACIÓN DE LA SERIE CON ELLA MISMA REZAGADA UNO O VARIOS PERÍODOS S (Yt-Y) (Yt-k - Y) rk= S (Yt -Y) rk = coeficiente de Autocorrelación de orden k donde: Yt= es la observación en el tiempo t Y = la media de los valores de la serie

40. TENDENCIA Si la serie tiene Tendencia los coeficientes de autocorrelación son significativamente distintos de cero en los primeros rezagos y caen gradualmente a cero.

41. SERIE DE DIFERENCIAS Para quitar la tendencia a la serie se usa el Método de Diferencias: se genera una nueva serie en la cual cada observación es la diferencia de la observación t y la observación t-1 de la serie original. Dif t = Yt - Yt-1

42. ESTACIONALIDAD Si la serie tiene un patrón estacional el coeficiente de autocorrelación correspondiente a cierto rezago (4 si la serie es trimestral, 12 si es anual, etc.) es significativamente distinto de cero.

43. ESTACIONALIDAD Quitando la tendencia a la serie Murphy (serie D(Murphy)), se observa una correlación significativamente distinta de cero en el rezago número 12 (observar que la serie es mensual)

44. SERIE ALEATORIA Si la serie es aleatoria los coeficientes de autocorrelación son todos significativamente cero

45. SERIE ESTACIONARIA Los coeficientes de autocorrelación de una serie estacionaria son cero excepto para los dos o tres primeros rezagos

46. TÉCNICAS EXTRAPOLATIVAS NOTACIÓN: Yt : observación en el período t Ft: pronóstico para el período t et= Yt - Ft : residuo en el período t Los residuos permiten observar que tan bueno es el modelo para pronosticar períodos pasados

47. MEDIDAS DE ERROR SIRVEN PARA EVALUAR LA UTILIDAD DE UNA TÉCNICA DE PRONÓSTICOS, CALCULANDO UNA MEDIDA GLOBAL DE LOS RESIDUOS. RESIDUOS: LA DIFERENCIA ENTRE EL VALOR REAL DE LA VARIABLE Y EL VALOR ESTIMADO POR EL MODELO

48. MEDIDAS DE ERROR LAS MEDIDAS DE ERROR SE CALCULAN SOBRE UNA RANGO DE DATOS DE PRUEBA COMÚN ( a todos los modelos) CONSTITUIDO POR K OBSERVACIONES HISTÓRICAS Y REALIZANDO LOS PRONÓSTICOS CORRESPONDIENTES CON LA TÉCNICA SELECCIONADA

49. MSE = k MEDIDAS DE ERROR ei identifica sesgo ME = • ERROR MEDIO (ME) : k ei | distancia promedio • ERROR MEDIO ABSOLUTO: MAD = k • ERROR MEDIO CUADRÁTICO (MSE): penaliza errores grandes ei)2 • ERROR MEDIO ABSOLUTO PORCENTUAL: proporción del error ei / y | MAPE = k

50. SERIE DE VENTAS: ACME OBS TRIM. 1 TRIM. 2 TRIM. 3 TRIM. 4 1985 500.0000 350.0000 250.0000 400.0000 1985 450.0000 350.0000 200.0000 300.0000 1986 350.0000 200.0000 150.0000 400.0000 1988 550.0000 350.0000 250.0000 550.0000 1989 550.0000 400.0000 350.0000 600.0000 1990 750.0000 500.0000 400.0000 650.0000 1991 850.0000 600.0000 450.0000 700.0000 1992 550.0000 400.0000 500.0000 NA 1993 NA NA NA NA 1994 NA