Pronóstico de la demanda

0
127
Pronóstico de la demanda
Pronóstico de la demanda

¿Qué es el pronóstico de la demanda?

Un pronóstico de la demanda es una predicción de lo que sucederá con las ventas existentes de los productos de su empresa. Lo ideal es determinar el pronóstico de la demanda con un enfoque multifuncional. Se debe considerar las entradas de ventas y mercadeo, finanzas y producción. El pronóstico final de la demanda es el consenso de todos los gerentes participantes. También es aconsejable conformar un grupo de Planeación de Ventas y Operaciones compuesto de representantes de los distintos departamentos a los que se les encargará preparar el pronóstico de la demanda.

La determinación de los pronósticos de la demanda se realiza con los siguientes pasos:

•  Determinación del uso del pronóstico

•  Selección de los ítems del pronóstico

•  Determinación del marco de tiempo del pronóstico

•  Selección de los modelos de pronóstico

•  Recopilación de datos

•  Realización del pronóstico

•  Validación e implementación de los resultados

El marco de tiempo del pronóstico se clasifica como sigue:

Descripción

Horizonte del pronóstico

Corto plazo

Mediano plazo

Largo plazo

Duración Generalmente menos de 3 meses, máximo de 1 año De 3 meses a 3 años Más de 3 años
Aplicabilidad Planificación de tareas, asignación de trabajadores Planificación de ventas y producción, presupuestos Desarrollo de nuevos productos, planificación de instalaciones

¿Cómo se determina el pronóstico de la demanda?

Hay dos enfoques para determinar el pronóstico de la demanda – (1) el enfoque cualitativo, (2) el enfoque cuantitativo. A continuación hacemos la comparación de los dos enfoques:

Descripción

Enfoque cualitativo

Enfoque cuantitativo
Aplicabilidad Se utiliza cuando la situación es imprecisa & existen pocos datos (e.g., nuevos productos y tecnologías) Se utiliza cuando la situación es estable & existen datos históricos

(e.g. productos existentes, tecnología actual)

Consideraciones Involucra la intuición y la experiencia Involucra técnicas matemáticas
Técnicas Jurado de opinión ejecutiva

Compuesto del departamento de ventas

Método Delphi

Encuesta del mercado de consumidores

Modelos de series de tiempo

Modelos causales

 

Métodos cualitativos de pronóstico

Su empresa puede desear probar alguno de los métodos cualitativos de pronóstico a continuación si no cuenta con datos históricos de las ventas de sus productos.

Método cualitativo

Descripción

Jurado de opinión ejecutiva Se reúnen las opiniones de un grupo pequeño de gerentes de alto nivel que juntas estiman la demanda. El grupo utiliza su experiencia directiva y en algunos casos la suma a los resultados de modelos estadísticos.
Compuesto del departamento de ventas Se pide a cada vendedor (por ejemplo por cubrimiento territorial) proyectar sus ventas. Como el vendedor es el más cercano al mercado tiene la capacidad de conocer la demanda de los clientes. Las proyecciones se combinan después a nivel municipal, provincial y regional.
Método Delphi Se identifica un panel de expertos en el que los expertos pueden ser gerentes, empleados comunes, o expertos del sector. A cada uno de ellos se les solicita individualmente su estimación de la demanda. Se realiza un proceso iterativo hasta que los expertos alcancen un consenso.
Encuesta del mercado de consumidores Se pregunta a los clientes sobre sus planes de compras y su comportamiento de compras proyectado. Se necesita a una gran cantidad de encuestados para poder generalizar ciertos resultados.

Métodos de pronóstico cuantitativo

Hay dos modelos de pronóstico en este caso – (1) el modelo de series de tiempo y (2) el modelo causal. Una serie de tiempo es un conjunto de datos numéricos uniformemente separados que se obtiene observando respuestas a intervalos regulares de tiempo. En el modelo de series de tiempo el pronóstico se basa solamente en datos anteriores y asume que los factores que influencian las ventas pasadas, presentes y futuras de sus productos continuarán.

Por otro lado, el modelo causal utiliza una técnica matemática conocida como el análisis de regresión que relaciona una variable dependiente (por ejemplo, la demanda) con una variable independiente (por ejemplo, el precio, publicidad, etc.) en la forma de ecuación lineal. Los métodos de pronóstico de series de tiempo están descritos a continuación:

Método de pronóstico de series de tiempo

Descripción
Enfoque simplista Asume que la demanda en el siguiente período es igual que la demanda en el más reciente período; el patrón de la demanda puede no siempre ser completamente estable

Por ejemplo:

Si las ventas de julio fueron 50, las ventas de agosto también serán 50

 

Método de pronóstico de series de tiempo

Descripción
Promedio móvil (PM) El PM es una serie de promedios aritméticos y se utiliza si existe poca o ninguna tendencia en los datos; ofrece una impresión general de los datos en el tiempo

Un promedio móvil simple utiliza la demanda promedio durante una secuencia fija de períodos y es bueno para una demanda estable sin patrones pronunciados de comportamiento.

Ecuación:

P 4 = [D 1 + D2 + D3] / 4

P – Pronóstico, D – Demanda, No. – Periodo

(ver ejemplo ilustrativo – promedio móvil simple)

Un promedio móvil ponderado ajusta el método de promedio móvil para reflejar fluctuaciones con mayor exactitud asignando mayor peso a los datos más recientes, lo que significa que los datos más viejos son por lo general menos importantes. Los pesos se basan en la intuición y están entre 0 y 1 y deben sumar un total de 1.0

Ecuación:

PMP 4 = (P) (D3) + (P) (D2) + (P) (D1)

PMP – Promedio móvil ponderado, P – Peso, D – Demanda, No. – Periodo

(ver ejemplo ilustrativo – promedio móvil ponderado)

Alisado exponencial El alisado exponencial es un método de ponderación que responde más fuertemente a cambios recientes en la demanda asignando una constante de alisamiento que es más fuerte para los datos más recientes; es útil si los cambios recientes en los datos son el resultado del cambio real (e.g., patrón de temporada) y no solo fluctuaciones aleatorias

P t + 1 = a D t + (1 – a ) P t

Donde

P t + 1 = pronóstico del siguiente periodo

D t = demanda real en el actual periodo

P t = el pronóstico determinado anteriormente para el actual período

•  = un factor de ponderación llamado la constante de alisamiento

(ver ejemplo ilustrativo – alisado exponencial)

Descomposición de series de tiempo La descomposición de series de tiempo ajusta la estacionalidad multiplicando el pronóstico normal por un factor de temporada

(ver ejemplo ilustrativo – descomposición de series de tiempo)