Forecasting, un factor diferencial en la Industria Farmacutica

Qu es forecasting?
A los efectos de potenciar el negocio, varias compaas de distintas industrias, como el mercado
financiero, telecomunicaciones o el retail, estn utilizando nuevos mtodos estadsticos. La
industria farmacutica no es ajena a esta realidad. Uno de los mtodos que posibilitan la
concrecin de mejores resultados es el forecasting.
El forecasting consiste en la estimacin y el anlisis de la demanda futura para un producto. Para
construir esta estimacin se utilizan datos histricos de venta e informacin de marketing y
promocional. Como resultado, se mejora el flujo de informacin en la cadena de suministro y se
potencian las diferentes reas de la organizacin (compras, logstica, transporte, produccin,
finanzas) para operaciones futuras. Al da de hoy, el forecasting se considera como un factor
importante para el xito de la gestin de una empresa. Fig. 1

La calidad final de los modelos depender de varios aspectos: el conocimiento que tiene una
organizacin de los factores determinantes, la cantidad de datos disponibles que exista y de qu
modo esta prediccin del futuro influye sobre s misma.
Adems existen diferentes maneras de aproximarse a la prediccin del futuro. stas pueden
agruparse en tres categoras:
Mtodos subjetivos: procesando opiniones individuales y utilizando herramientas de recoleccin y
lectura de estos datos (por ejemplo: las encuestas de intencin de uso).

Mtodos de proyeccin histrica: utilizando nicamente la historia de la variable a predecir y

suponiendo que los patrones que se identifican en el pasado persisten en el futuro.
Mtodos causales (o estructurales): analizando relaciones entre variables y suponiendo que stas
se mantienen en el futuro.
La primera etapa del proceso de forecasting debe incluir decisiones sobre qu fenmenos pueden
predecirse y para qu son necesarios. Entonces habr por ejemplo que preguntarse si es necesario
hacer un estudio de todos los productos o solamente de aquellos que nos interesan. Del mismo
modo, se tendr que plantear si estos productos deben ser considerados por regin o de manera
desagregada y definir el horizonte para esta prediccin (corto, mediano o largo plazo).
En esta primera etapa, es importante tener claro con qu propsito iniciamos este proyecto. Si el
objetivo es comprender el comportamiento y los componentes del fenmeno a predecir, entonces
tendr un propsito descriptivo. Si el objetivo es mejorar la planificacin a travs de la obtencin
de valores, el propsito ser predictivo.
Los datos utilizados para modelos de forecasting son datos longitudinales que se organizan como
un conjunto de observaciones tpicamente representativas de mtricas obtenidas a lo largo de
sucesivos intervalos de tiempo. Por ejemplo, las ventas de los ltimos 5 aos (o 60 meses).
Todo este anlisis previo, resulta tanto o ms importante que la construccin del modelo
estadstico en s mismo. Este trabajo en conjunto, entre quienes conocen a fondo la realidad del
negocio a modelar y el equipo de estadsticos, se convierte en un pilar fundamental para la
construccin exitosa del modelo final.
Cmo se construye un modelo de forecasting?
Una vez construida la serie histrica, para definir el modelo de forecasting, se trabaja sobre sus
componentes de tendencia, estacionalidad y ciclos.
La tendencia es el crecimiento (o decrecimiento) a largo plazo de los valores de la serie.
La estacionalidad es lo que identifica los patrones que se reiteran en perodos fijos de tiempo. Los
ciclos o patrones cclicos existen cuando la serie exhibe cadas y crecimientos en perodos no fijos.
La duracin de estas fluctuaciones es de al menos 2 aos.
La siguiente figura es un ejemplo de diferentes series de tiempo que muestran predominancia de
alguno de los componentes o como en el ltimo ejemplo si la serie no sigue un patrn
identificable (random). Fig 2

A partir de la utilizacin de un software estadstico apropiado, se descompone la serie a analizar

en sus componentes aditivos y luego se obtiene la expresin matemtica del modelo. Fig3.

En el siguiente grfico se compara el modelo obtenido con los datos reales para describir las
diferencias entre ambos. Fig. 4

Uso del modelo en la toma de decisiones

Finalmente, el modelo validado contra los objetivos de negocio debe incorporarse en el flujo
habitual de los procesos que permiten aprovechar sus resultados recurrentes para la toma de
decisiones oportunas.
Del mismo modo, es fundamental el diseo e implantacin de un tablero de monitoreo continuo
que asegure que el modelo mantiene su comportamiento dentro de los lmites admisibles de
dispersin definidos en el anlisis inicial. Con esto se cierra el ciclo de vida del forecasting que
servir, de ahora en ms, como soporte a la estrategia de la compaa. Fig 5.

Conclusin
Los modelos analticos de forecasting - soportados por robustas metodologas estadsticas constituyen un conjunto de herramientas potentes para entender el pasado y proyectar el futuro.
En particular, la industria farmacutica presenta por sus caractersticas, un escenario complejo en

donde la interaccin de las diferentes reas influye sobre el diseo del modelo y condicionan la
forma de utilizarlo.
Es por esto que los equipos analticos (sean internos o externos) deben integrarse de manera
coordinada con un profundo anlisis del negocio para identificar todos los factores que convierten
al forecasting en un aliado estratgico para la toma de decisiones.

Nota realizada por: Mara del Rosario Bruera

Directora de Decision Solutions para Argentina - Paraguay - Uruguay
Transalud Una empresa Equifax
www.transalud.com.ar