UniversidaddeOccidenteExtensinRetalhuleu

Lic.CarlosEstebanSamayoa
ProductividadTotal
8vo.Semestre.
LicenciaturaenAdministracindeEmpresas

ADMINISTRACIONYPRONOSTICODELADEMANDA,

PabloCesarMazariegosEstrada
AlexStuardoLpezReyes
AlexAbigailLpezSnchez
EdgarCuxebaj
WalterMoran

18desept.de16

INTRODUCCIN
Enlaactualidadlospronsticossonvitalesparatodaorganizacindenegocios,as
comoparacualquierdecisinimportantedelagerencia.Tambinpodemosverque
el marketing depende del pronstico de ventas para planear productos nuevos,
compensaralpersonaldeventasytomarotrasdecisionesclaves.
Laadministracindelademandaeslaencargadadecoordinartodoslosesfuerzosy
controlarlasfuentesdelademanda,quepuedenserdependientesoindependientes,
delamaneramsrentableposibleparalaentregarelproductoatiempo.
Lastcnicascualitativasdepronsticoestnlastcnicasacumulativasquecreanel
pronsticosumadoensucesindeabajohaciaarriba,investigacindemercados
utilizadosobretodoparalainvestigacindeproductosparabuscarideas,conocer
productosexistentes,productoscompetitivos.

RESUMENEJECUTIVO
Enlaactualidadesindispensablesaberadministrarlademanda,tambines
importanteconocerlosdiferentestiposdepronsticosparapredecirconciertonivel
precisinelfuturodelamisma,deestamanerapodremosestaranticipadosen
cuantoainventarios,formularmejoresestrategiasdemarketingyproduccin,todo
elloparasercompetitivosenelmercado.
Laadministracindelademandaeslaencargadadecoordinartodoslosesfuerzosy
controlarlasfuentesdelademanda,quepuedenserdependientesoindependientes,
delamaneramsrentableposibleparaentregarelproductoatiempo.Silademanda
fuesedependientenosenecesitardepronosticoynohaymuchoquelaempresa
puedehacer;porelcontrariosilademandafueseindependiente,laempresapuede
influirenlademandayresponderalademanda.
Existencuatrotiposdepronsticos;tcnicascualitativasbasadasenestimadosy
opiniones,anlisisdeseriesdetiempoquesebasaenutilizarinformacindela
demandapasadaparapredecirlafutura,relacionescausalesquedicequelademanda
serelacionaconalgnfactorsubyacenteenelambienteyporltimoeldemodelos
desimulacinquepermitemanejarvariassuposicionesacercadelacondicindel
pronstico.
Entreloscomponentesdelademandaparaproductosyserviciossepueden
mencionar:demandapromedioparaelperiodo,unatendencia,elementos
estacionales,elementoscclicos,variacinaleatoriayautocorrelacin;lainfluencia
cclicapuedesergeneradaporunguerra,condicioneseconmicas,lasvariaciones
aleatoriassonprovocadasponeventosespordicosdeestasedicequeeslapartesin
explicardelademanda.Cuandolademandaesaleatorialasposibilidadesdeque
vareengranmedidadeunasemanaaotraesmuyprobable,porelcontrariocuando
existeunacorrelacinaltanoseesperaquelademandacambiedemasiado.
Enlastcnicascualitativasdepronsticoestn:lastcnicasacumulativasquecrean
elpronsticosumandoensucesindeabajohaciaarriba;Investigacindemercados
utilizadosobretodoparalainvestigacindeproductosparabuscarideas,conocer
productosexistentes,productoscompetitivos,etc.;Gruposdeconsensoutilizala
ideadequeentremspersonaspuedengenerarunpronsticomsconfiablequeun
gruporeducido,medianteelintercambiodeideas;Analogahistricaquetratade
pronosticarlademandadeunproductonuevoutilizandocomomodelounproducto
existenteogenrico;ElmtododeDelfossimilaraldegrupodeconsenso,conla

diferenciadequeenestemtodonoseconocelaidentidaddelosparticipantes,para
quelasopinionesdetodostenganelmismopeso(sinimportarelnivelquetengaen
laempresa).
EnlatcnicadeAnlisisdeseriedetiempoestn:Promediomvilsimplequeen
condicionesidneaspuedesertilparaeliminarlasfluctuacionesaleatoriasdel
pronstico;Promediomvilponderadopermiteasignarcualquierimportanciaacada
elementodelpromediomvil,siempreycuandosusumatoriaseaigualauno;
Suavizacinexponencialqueeliminaobservacionesanteriorescuandoseagregan
nuevosdatosparacalcularelnuevopronstico;tambinseencuentraelAnlisisde
regresinlinealyDescomposicindeunaserietemporal.
ElPronsticoderelacionescausalessedacuandounaocurrenciacausaotra,como
cuandolaslluviasprovocanunaumentoenlaventadeartculosparaesteclima,en
estetipodepronsticoencontramos:ElAnlisisderegresinmltiplequetomaen
cuentaciertonmerodevariablesconlosefectosdecadaunoenelrubrodeinters.
ElPronsticoEnfocadousadoprincipalmenteparaelmanejodeinventariosde
bienesterminados,estesimplementepruebareglaslgicasfcilesdeentenderpara
proyectaralfuturolosdatosdelpasado.
ElpronsticoenlaREDevolucionhastaconvertirseenunaherramientadeInternet
usadaparacoordinarelpronsticodelademanda,laplaneacindelaproducciny
lascomprasyelresurtidodeinventariosentresocioscomercialesdelacadenade
suministro.

TIPOSDEPRONSTICOS
Elpronsticosepuedeclasificarencuatrotiposbsicos: cualitativo,anlisisde
seriesdetiempo,relacionescausalesysimulacin.
Las tcnicascualitativassonsubjetivasysebasanenestimadosyopiniones.El
anlisisdeseriesdetiempo,elenfoqueprimariodeestecaptulo,sebasaenlaidea
de que es posible utilizar informacin relacionada con la demanda pasada para
predecir la demanda futura. La informacin anterior puede incluir varios
componentes,comoinfluenciasdetendencias,estacionalesocclicas,ysedescribe
enlaseccinsiguiente.Elpronsticocausal,queseanalizautilizandolatcnicade
laregresinlineal,suponequelademandaserelacionaconalgnfactorsubyacente
enelambiente.Losmodelosdesimulacinpermitenalencargadodelpronstico
manejarvariassuposicionesacercadelacondicindelpronstico.Lailustracin
15.1describeunavariedaddeloscuatrotiposbsicosdemodelosdepronstico.En
estecaptuloseestudianlosprimeroscuatromtodosdeanlisisdeseriesdetiempo
enlailustracinylaprimeradelastcnicascausales.
Los pronsticos son vitales para toda organizacin de negocios, as como para
cualquier decisin importante de la gerencia. El pronstico es la base de la
planeacin corporativa a largo plazo. En las reas funcionales de finanzas y
contabilidad, los pronsticos proporcionan el fundamento para la planeacin de
presupuestosyelcontroldecostos.Elmarketingdependedelpronsticodeventas
paraplanearproductosnuevos,compensaralpersonaldeventasytomarotras
decisionesclave.Elpersonaldeproduccinyoperacionesutilizalospronsticos
para tomar decisiones peridicas que comprenden la seleccin de procesos, la
planeacindelascapacidadesyladistribucindelasinstalaciones,ascomopara
tomar decisiones continuas acerca de la planeacin de la produccin, la
programacinyelinventario.

Tenga presente que, por lo regular, un pronstico perfecto es imposible. En un

ambientedenegocioshaydemasiadosfactoresquenosepuedenpronosticarcon
certeza. Por lo tanto, en lugar de buscar el pronstico perfecto, es mucho ms
importanteestablecerlaprcticadeunarevisincontinuadelospronsticosy
aprenderavivirconpronsticosimprecisos.Estonoquieredecirquenosetratede
mejorarelmodeloolametodologadepronosticar,peroloquedebehacersees
tratardeencontraryusarelmejormtododepronsticodisponible, dentrodelo
razonable.
Alpronosticar,unabuenaestrategiaconsisteenutilizardosotresmtodosyverlos
desdeelpuntodevistadelsentidocomn.Loscambiosesperadosenlaeconoma
engeneralvanaafectarelpronstico?Haycambiosenelcomportamientodel
consumidorindustrialyprivado?Habrunaescasezdeartculoscomplementarios
esenciales? La revisin y la actualizacin continuas tomando en cuenta la
informacinnuevasonbsicasparaunpronsticoexitoso.Enestecaptuloserevisa
elpronstico cualitativo y cuantitativo ysecentrasobretodoenvariastcnicas
cuantitativas.Seabarcanconciertaprofundidadlospromediosenmovimiento,la
regresinlineal,lastendencias,lasrazonesestacionales(incluidoeldescuentodelas
variaciones de temporada) y el pronstico enfocado. Asimismo, se estudian las
fuentesylamedicindeerrores.

COMPONENTESDELADEMANDA
Enlamayorpartedeloscasos,lademandadeproductososerviciossepuededividir
enseiscomponentes:demandapromedioparaelperiodo,unatendencia,elementos
estacionales,elementoscclicos,variacinaleatoriayautocorrelacin.Lailustracin
15.2muestraunademandaduranteunperiodode4aos,ascomoelpromedio,la
tendenciayloscomponentesestacionalesolaaleatoriedadalrededordelacurvade
lademandauniformada.
Los factores crticos son ms difciles de determinar porque quiz el tiempo se
desconoceonosetomaencuentalacausadelciclo.Lainfluenciacclicasobrela
demanda puede provenir de eventos tales como elecciones polticas, guerras,
condicioneseconmicasopresionessociolgicas.
Las variaciones aleatorias son provocadas por los eventos fortuitos.
Estadsticamente, al restartodas las causas conocidas de la demanda (promedio,
tendencias,estacionales,cclicasydeautocorrelacin)delademandatotal,loque
quedaeslapartesinexplicardelademanda.Sinosepuedeidentificarlacausade
esteresto,sesuponequeesaleatoria.

La autocorrelacin indica la persistencia de la ocurrencia. De manera ms

especfica,elvaloresperadoenunmomentodadotieneunacorrelacinmuyalta
consuspropiosvaloresanteriores.Enlateoradelalneadeespera,lalongitudde
unalneadeesperatieneunaautocorrelacinmuyelevada.Esdecir,siunalneaes
relativamente larga en un momento determinado, poco despus de ese tiempo,
podraesperarsequelalneasiguierasiendolarga.
Cuando la demanda es aleatoria, es probable que vare en gran medida de una
semana a otra. Donde existe una correlacin alta, no se espera que la demanda
cambiemuchodeunasemanaaotra.
Las lneas de tendencia casi siempre son el punto de inicio al desarrollar un
pronstico.Entonces,estaslneasdetendenciaseajustandeacuerdoconlosefectos
estacionales, los elementos cclicos y cualquier otro evento esperado que puede
influir en elpronsticofinal. La ilustracin15.3 muestra cuatrode los tipos de
tendenciasmscomunes.

TCNICASCUALITATIVASDEPRONSTICO
TCNICASACUMULATIVAS
Comoseestableceenlailustracin15.1,elpronsticode tcnicasacumulativas
creaelpronsticosumandoensucesindesdelapartedeabajo.Lasuposicinaqu
esquelapersonaqueestmscercadelclienteodelusuariofinaldelproducto
conocemejorsusnecesidadesfuturas.Aunqueestonosiempreescierto,enmuchos
casos,setratadeunasuposicinvlidayconstituyelabasedeestemtodo.
Lospronsticosenesteltimonivelsesumanysellevanalsiguientenivelmsalto.
Porloregularsetratadeunalmacndedistritoquedespusagregaelinventariode
seguridadycualquierefectodepedirencantidad.Luego,estacantidadsellevaal
siguientenivel,quepuedeserunalmacnregional.Elprocedimientoserepitehasta
queseconvierteenuninsumoenelnivelmsalto;que,enelcasodeunaempresa
demanufactura,seraelinsumoparaelsistemadeproduccin.

INVESTIGACINDEMERCADOS
Amenudo,lasempresascontratanaempresasexternasqueseespecializanenla
investigacindemercados pararealizarestetipodepronstico.Esprobableque
ustedhayaparticipadoenestudiosdemercadopormediodeunaclasedemarketing;

yseguramentenosehaescapadoalasllamadastelefnicasenlasquelepreguntan
sobresuspreferenciasporciertosproductos,su

En la actualidad, muchas empresas, como The Gilmore Research Group, ofrecen a los
mercadlogos software o bases de datos que les ayudana pronosticar conmayor precisinlas
ventasparareasdemercado,productososegmentosespecficos.

ingreso,sushbitos,etctera.Lainvestigacindemercadosseutilizasobretodopara
lainvestigacinde
productosconelobjetivodebuscarnuevasideas,conocerlosgustosydisgustos
relacionadosconlosproductosexistentes,losproductoscompetitivospreferidosen
unaclaseenparticular,etc.Unavezms,losmtodosderecopilacindedatosson
sobretodoencuestasyentrevistas.

GRUPOSDECONSENSO
En un grupo de consenso, la idea de que dos cabezas piensan ms que una se
extrapolaconlaideadequeungrupodepersonasqueocupandiversasposiciones
puedendesarrollarunpronsticomsconfiablequeungrupomsreducido.Los
pronsticosengruposerealizanpormediodereunionesabiertasconunintercambio
libredeideasdetodoslosnivelesgerencialeseindividuales.Elproblemaconeste
estiloabiertoesquelosempleadosdenivelesinferioressesientenintimidadospor
los niveles ms altos de la gerencia. Por ejemplo, un vendedor enuna lnea de
productosenparticularpuedetenerunbuenestimadodelademandafuturadeun
producto,peroquiznoseexpresepararefutarunestimadomuydiferentedadopor
elvicepresidentedemarketing.LatcnicadeDelfos(queseestudiaenformabreve)
sedesarrollparatratardecorregiresteimpedimentodelintercambiolibre.

Cuandolasdecisionesenelpronsticosetomanenunnivelmsamplioyalto
(comoalintroducirunanuevalneadeproductosoaltomardecisionesestratgicas
sobreunproducto,comoennuevasreasdemercado),seutilizaeltrminojuicio
ejecutivo,queseexplicaporsmismo:participaunnivelgerencialmsalto.

ANALOGAHISTRICA
Altratardepronosticarlademandadeunnuevoproducto,unasituacinidealsera
que un producto existente o genrico se pueda utilizar como modelo. Existen
muchas formas de clasificar estas analogas; por ejemplo, productos
complementarios, productos sustituibles o competitivos, y productos como una
funcin del ingreso. Una vez ms, seguramente ha recibido gran cantidad de
productos que se anuncian por correo en una categora similar a un producto
compradoporcatlogo,Internetocorreo.SialgunavezhacompradounDVDpor
correo, recibir ms correspondencia acerca de DVD y reproductores de DVD
nuevos.Unarelacincausal(mostradaenlailustracin15.1,parteIII)seraquela
demandadediscoscompactosesprovocadaporlademandadereproductoresde
DVD.Unaanalogaserapronosticarlademandadereproductoresdevideodiscos
digitalesanalizandolademandahistricadeVCR.Losproductosseencuentranen
lamismacategorageneraldeaparatoselectrnicosyloscompranconsumidoresen
categorassimilares.Unejemplomssencillosonlostostadoresycafeteras.Una
empresaqueproducetostadoresyquierefabricarcafeteraspodrautilizarelhistorial
delostostadorescomounmodelodecrecimientoprobable.

MTODODEDELFOS
Comosedijoenlaseccinsobrelosgruposdeconsenso,unaafirmacinuopinin
deunapersonadeunnivelsuperioresprobablequepesemsqueladeunapersona
denivelinferior.Elpeordeloscasossepresentacuandolagentedenivelinferiorse
siente amenazada y no contribuye con lo que realmente cree. Para evitar este
problema,elmtododeDelfosocultalaidentidaddelosindividuosqueparticipan
en el estudio. Todos tienen el mismo peso. En cuanto al procedimiento, un
moderador crea un cuestionario y lo distribuye entre los participantes. Sus
respuestassesumanyseentreganatodoelgrupoconunnuevogrupodepreguntas.
Rand Corporation desarroll el mtodo de Delfos en la dcada de 1950. El
procedimientopasoapasoes:
1. Elegirlosexpertosaparticipar.Debehabergranvariedaddepersonascon

conocimientosendistintasreas.
2. Pormediodeuncuestionario(ocorreoelectrnico)obtenerlasproyecciones

(y cualquier premisa o calificacin para el pronstico) de todos los

participantes.
3. Resumir los resultados y redistribuirlos entre los participantes con las
preguntasnuevasapropiadas.
4. Volver a resumir, refinar las proyecciones y condiciones, y una vez ms
plantearpreguntasnuevas.
5. Repetirelpaso4,siesnecesario.Distribuirlosresultadosfinalesentretodos
losparticipantes.
Porlorequeridoesunafuncindelnmerodeparticipantes,lacantidaddetrabajo
paraquedesarrollensuspronsticosysuvelocidadpararesponder.

ANLISISDESERIESDETIEMPO
Losmodelosdepronsticosdeseriesdetiempotratandepredecirelfuturoconbase
enlainformacinpasada.Porejemplo,lascifrasdeventasrecopiladasdurantelas
ltimasseissemanassepuedenusarparapronosticarlasventasdurantelasptima
semana.Lascifrasdeventastrimestralesrecopiladasdurantelos ltimosaosse
puedenutilizarparapronosticarlostrimestresfuturos.Auncuandoambosejemplos
contienenventas,esprobablequeseutilicendistintosmodelosdeseriesdetiempo
parapronosticar.
Lailustracin15.4muestralosmodelosdeseriesdetiempoqueseestudianenel
captuloyalgunasdesuscaractersticas.Lostrminoscomocorto,medianoylargo
sonrelativosalcontextoenelqueseemplean.Sinembargo,enelpronsticode
negocios,cortoplazocasisiempresereereamenosdetresmeses;medianoplazoa
unperiododetresmesesa2aos;ylargoplazoauntrminomayorde2aos.En
general,losmodelosacortoplazocompensanlavariacinaleatoriayseajustana
los cambios a corto plazo (como las respuestas del consumidor a un producto
nuevo).Lospronsticosamedianoplazosontilesparaefectosestacionales,ylos
modelos a largo plazo detectan las tendencias generales y son muy tiles para
identificarloscambiosmsimportantes.
Elmodelodepronsticoqueunaempresadebeutilizardependede:
1.

Elhorizontedetiempoquesevaapronosticar.

2.

Ladisponibilidaddelosdatos.

3.

Laprecisinrequerida.

4.

Eltamaodelpresupuestodepronstico.

5.

Ladisponibilidaddepersonalcalificado.
Alseleccionarunmodelodepronstico,existenotrosaspectoscomoelgradode
flexibilidaddelaempresa(mientrasmayorseasuhabilidadparareaccionarcon
rapidezaloscambios,menosprecisonecesitaserelpronstico).Otroaspectoesla
consecuenciadeunmalpronstico.Siunadecisinimportantesobrelainversinde
capitalsebasaenunpronstico,stedebeserbueno.

PROMEDIOMVILSIMPLE
Cuandola demanda de unproducto no crece ni baja conrapidez, y sinotiene
caractersticas estacionales, un promedio mvil puede ser til para eliminar las
fluctuacionesaleatoriasdelpronstico.Aunquelospromediosdemovimientoscasi
siempresoncentrados,esmsconvenienteutilizardatospasadosparapredecirel
periodosiguientedemaneradirecta.Parailustrar,unpromediocentradodecinco
mesesdeenero,febrero,marzo,abrilymayodaunpromediocentradoenmarzo.
Sinembargo,loscincomesesdedatosdebenexistir.Sielobjetivoespronosticar
parajunio,sedebeproyectarelpromediodemovimientosdemarzoajunio.Siel
promedio no est centrado sino que se encuentra en un extremo, se puede
pronosticar con mayor facilidad, aunque quiz se pierda cierta precisin. Por lo
tanto,sisequierepronosticarparajunioconunpromediomvildecincomeses,
puedetomarseelpromediodeenero,febrero,marzo,abrilymayo.Cuandopase
junio,elpronsticoparajulioserelpromediodefebrero,marzo,abril,mayoy
junio.
Aunqueesimportanteseleccionarelmejorperiodoparaelpromediomvil,existen
variosefectosconflictivosdedistintosperiodos.Cuantomslargoseaelperiododel
promedio mvil, ms se uniformarn los elementos aleatorios (lo que ser
convenienteenmuchoscasos).Perosiexisteunatendenciaenlosdatos(yaseaala
altaoalabaja),elpromediomviltienelacaractersticaadversaderetrasarla
tendencia.Porlotanto,aunqueunperiodomscortoproducemsoscilacin,existe
unseguimientocercanodelatendencia.Porelcontrario,unperiodomslargoda
unarespuestamsuniformeperoretrasalatendencia.

PROMEDIOMVILPONDERADO
Mientras que el promediomvil simple da igualimportancia a cada unode los
componentesdelabasededatosdelpromediomvil,unpromediomvilponderado
permiteasignarcualquierimportanciaacadaelemento,siempreycuandolasumade

todas las ponderaciones sea igual a uno. Por ejemplo, tal vez una tienda
departamental se d cuenta de que en un periodo de cuatro meses, el mejor
pronsticosederivautilizando40%delasventasrealesduranteelmesmsreciente,
30%dedosmesesantes,20%detresmesesantesy10%dehacecuatromeses.Si
lasventasrealesfueron
Eleccin de ponderaciones La experiencia y las pruebas son las formas ms
sencillasdeelegirlasponderaciones.Porreglageneral,elpasadomsrecienteesel
indicadormsimportantedeloqueseesperaenelfuturoy,porlotanto,debetener
unaponderacinmsalta.Losingresosolacapacidaddelaplantadelmespasado,
porejemplo,seranunmejorestimadoparaelmesprximoquelosingresosola
capacidaddelaplantadehacevariosmeses.
Noobstante,silosdatossonestacionales,porejemplo,lasponderacionessedeben
establecerenformacorrespondiente.Lasventasdetrajesdebaoenjuliodelao
pasadodebentenerunaponderacinmsaltaquelasventasdetrajesdebaoen
diciembre(enelhemisferionorte).

SUAVIZACINEXPONENCIAL
Enlosmtodosdepronsticosanteriores(promediosmvilessimpleyponderado),
laprincipaldesventajaeslanecesidaddemanejarenformacontinuagrancantidad
dedatoshistricos(estotambinsucedeconlastcnicasdeanlisisderegresin,
queseestudiarnenbreve).Enestosmtodos,alagregarcadanuevapiezadedatos,
se elimina la observacin anterior y se calcula el nuevo pronstico. En muchas
aplicaciones (quizs en la mayor parte), las ocurrencias ms recientes son ms
indicativasdelfuturoqueaquellasenelpasadomsdistante.Siestapremisaes
vlida(quelaimportanciadelosdatosdisminuyeconformeelpasadosevuelvems
distante), es probable que el mtodo ms lgico y fcil sea la suavizacin
exponencial.
Lasuavizacinexponencialeslamsutilizadadelastcnicasdepronstico.Es
parteintegraldecasitodoslosprogramasdepronsticoporcomputadora,yseusa
con mucha frecuencia al ordenar el inventario en las empresas minoristas, las
compaasmayoristasylasagenciasdeservicios.
Lastcnicasdesuavizacinexponencialsehanaceptadoenformageneralizadapor
seisrazonesprincipales:
6.

Losmodelosexponencialessonsorprendentementeprecisos.

7.

Formularunmodeloexponencialesrelativamentefcil.

8.

Elusuariopuedeentendercmofuncionaelmodelo.

9.

Serequierenmuypocosclculosparautilizarelmodelo.

10.

Losrequerimientosdealmacenamientoenlacomputadorasonbajosdebidoaluso
limitadodedatoshistricos.

11.

Esfcilcalcularlaspruebasdeprecisinrelacionadasconeldesempeodelmodelo.
Enelmtododesuavizacinexponencial,slosenecesitantrespiezasdedatospara
pronosticar el futuro: el pronstico ms reciente, la demanda real que ocurri
duranteelperiododepronsticoyuna constantedeuniformidadalfa().Esta
constante de suavizacin determina el nivel de uniformidad y la velocidad de
reaccinalasdiferenciasentrelospronsticosylasocurrenciasreales.Elvalorde
unaconstantesedeterminatantoporlanaturalezadelproductocomoporelsentido
delgerentedeloqueconstituyeunbuenndicederespuesta.Porejemplo,siuna
empresa produjounartculo estndar con una demanda relativamente estable, el
ndice de reaccin a las diferencias entre la demanda real y pronostica da
presentaranunatendenciaaserpequeas,quizdeslo5o10puntosporcentuales.
Noobstante,silaempresaexperimentarauncrecimiento,seramejortenerunndice
de reaccin ms alto, quiz de 15 o 30 puntos porcentuales, para dar mayor
importanciaalaexperienciadecrecimientoreciente.Mientrasmsrpidoseael
crecimiento,msaltodeberserelndicedereaccin.Enocasiones,losusuariosdel
promediomvilsimplecambianalasuavizacinexponencialperoconservanlas
proyeccionessimilaresalasdelpromediomvilsimple.Enestecaso,secalcula2
(n1),dondeneselnmerodeperiodos.
Efectos de la tendencia en la suavizacin exponencial Recuerde que una
tendenciahaciaarribaohaciaabajoenlosdatosrecopiladosduranteunasecuencia
deperiodoshacequeelpronsticoexponencialsiempresequedepordebajoo
atrs de la ocurrencia real. Los pronsticos suavizados exponencial mente se
puedencorregiragregandounajustealastendencias.Paracorregirlatendencia,se
necesitandosconstantesdesuavizacin.Ademsdelaconstantedesuavizacin,la
ecuacindelatendenciautilizaunaconstantedesuavizacindelta( ).Ladelta
reduceelimpactodelerrorqueocurreentrelarealidadyelpronstico.Sinose
incluyennialfanidelta,latendenciareaccionaenformaexageradaanteloserrores.
EleccindelvalorapropiadoparaalfaLasuavizacinexponencialrequierededar
alaconstantedesuavizacinalfa()unvalorentre0y1.Silademandareales
estable(comolademandadeelectricidadoalimentos),seradeseableunaalfa

pequeaparareducirlosefectosdeloscambiosacortoplazooaleatorios.Sila
demandarealaumentaodisminuyeconrapidez(comoenlosartculosdemodao
los aparatos electrodomsticos menores), se quisiera una alfa alta para tratar de
seguirleelpasoalcambio.Seraidealpoderproyectarqualfasedebeusar.Por
desgracia,haydoselementosencontra.Enprimerlugar,tomaratiempodeterminar
laconstantealfaqueseadaptemejoralosdatosrealesyelprocesoseratedioso.En
segundo lugar, como la demanda cambia, quiz pronto sea necesario revisar la
constante alfa que se eligi esta semana. Por lo tanto, se necesita un mtodo
automticopararastrearycambiarlosvaloresalfa.
Haydosestrategiasparacontrolarelvalordealfa.Unadeellasutilizadistintos
valoresdealfaylaotraunasealdeseguimiento.
12.

Dosomsvalorespredeterminadosdealfa.Semidelacantidaddeerrorentreel
pronsticoylademandareal.Dependiendodelgradodeerror,seutilizandistintos
valoresdealfa.Sielerroresgrande,alfaes0.8;sielerrorespequeo,alfaes0.2.

13.

Valorescalculadosdealfa. Unaconstantederastreoalfacalculasielpronstico
sigueelpasoaloscambiosgenuinoshaciaarribaohaciaabajoenlademanda(en
contrasteconloscambiosaleatorios).Enestaaplicacin,laconstantederastreoalfa
se de ne como el error real suavizado exponencialmente dividido entre el error
absolutosuavizadoexponencialmente.Alfacambiadeunperiodoaotroenelrango
posiblede0a1.

ERRORESDEPRONSTICO
Eltrminoerrorsereerealadiferenciaentreelvalordepronsticoyloqueocurri
enrealidad.Enestadstica,estoserroresseconocencomo residuales.Siemprey
cuandoelvalordelpronsticoseencuentredentrodeloslmitesdeconanza,
comosevermsadelanteenMedicindelerror,stenoesrealmenteunerror.
Peroelusocomnsereerealadiferenciacomounerror.
Lademandadeunproductosegeneramediantelainteraccindevariosfactores
demasiadocomplejosparadescribirlosconprecisinenunmodelo.Porlotanto,
todaslasproyeccionescontienenalgnerror.Alanalizarloserroresdepronstico,
esconvenientedistinguirentrelasfuentesdeerrorylamedicindeerrores.

FUENTESDEERROR
Loserrorespuedenprovenirdediversasfuentes.Unafuentecomndelaqueno
estnconscientesmuchosencargadosdeelaborarlospronsticoseselpronstico

delastendenciaspasadasenelfuturo.Porejemplo,alhablardeerroresestadsticos
enelanlisisderegresin,sehacereferenciaalasdesviacionesdelasobservaciones
delarectadelaregresin.Escomnrelacionarunabandadeconanza(esdecir,l
mitesdecontrolestadstico)conlarectadelaregresinparareducirelerrorsin
explicar. Pero cuando se utiliza esta recta de la regresin como dispositivo de
pronstico,esprobablequeelerrornosedenademaneracorrectamediantela
bandadeconanzaproyectada.Estosedebeaqueelintervalodeconanzasebasaen
losdatospasados;quiznotomeencuentalospuntosdedatosproyectadosyporlo
tanto no se puede utilizar con la misma con anza. De hecho, la experiencia ha
demostradoqueloserroresrealessuelensermayoresquelosproyectadosapartirde
modelosdepronstico.
Loserroressepuedenclasicarcomosesgadosoaleatorios.Los erroressesgados
ocurrencuandosecometeunerrorconsistente.Lasfuentesdesesgoincluyenel
hechodenoincluirlasvariablescorrectas;elusodelasrelacionesequivocadasentre
lasvariables;elusodelarectadetendenciaerrnea;uncambioequivocadoenla
demandaestacionaldesdeelpuntodondenormalmenteocurre;ylaexistenciade
alguna tendencia secular no detectada. Los errores aleatorios se de nen como
aquellosqueelmodelodepronsticoutilizadonopuedeexplicar.

MEDICINDEERRORES
Varios trminos comunes empleados para describir el grado de error son error
estndar,errorcuadradomedio(ovarianza)ydesviacinabsolutamedia.Adems,
esposibleusarsealesderastreoparaindicarcualquiersesgopositivoonegativoen
elpronstico.
Elerrorestndarseestudiaenlaseccinsobreregresinlinealenestecaptulo.
Comoel error estn dar es la raz cuadrada de una funcin, a menudo es ms
convenienteutilizarlafuncinmisma.Estoseconocecomoerrorcuadradomedioo
varianza.
La desviacinabsolutamedia (MAD; meanabsolutedeviation)seutilizabacon
mucha frecuencia en el pasado, pero posteriormente fue reemplazada por la
desviacinestndarylasmedidasdeerrorestndar.Enaosrecientes,laMAD
regresporsusimplicidadyutilidadalobtenersealesderastreo.LaMADesel
errorpromedioenlospronsticos,medianteelusodevaloresabsolutos.Esvaliosa
porque,aligualqueladesviacinestndar,mideladispersindeunvalorobservado
enrelacinconunvaloresperado.
Ladesviacinestndareslamedidamsgrande.SilaMADdeunconjuntode
puntos es 60 uni dades, la desviacin estndar es 75 unidades. En la manera

estadstica normal, si los lmites de control se establecen en ms o menos 3

desviacionesestndar(o3.75MAD),entonces99.7%delospuntoscaerandentro
deestoslmites.
Una sealdeseguimiento esunamedidaqueindicasielpromediopronosticado
sigueelpasodecualquiercambiohaciaarribaohaciaabajoenlademanda.Como
seutilizaenelpronstico,lasealdeseguimientoeselnmerodedesviaciones
absolutasmediasqueelvalorpronosticadoseencuentraporencimaopordebajode
la ocurrencia real. La ilustracin 15.7 muestra una distribucin normal con una
mediade0yunaMADiguala1.Porlotanto,sisecalculalasealdeseguimientoy
seencuentraqueesigualamenos2,sepuedeverqueelmodelodepronstico
ofrecepronsticosporencimadelamediadelasocurrenciasreales.
Lailustracin15.8muestraelprocedimientoparacalcularlaMADylasealde
seguimientoparaunperiododeseismesesdondeelpronsticoseestablecienuna
constantede1000ylasdemandastotalesqueocurrieronsonlasquesemuestran.
Enesteejemplo,elpronstico,enpromedio,sealeja66.7unidadesylasealde
seguimientoesiguala3.3desviacionesabsolutasmedias.
EsposibleformarseunamejorideasobreloquelaMADylasealdeseguimiento
signicantrazandolospuntosenunagrca.Aunqueestonoescompletamente
legtimodesdeelpuntodevistadeltamaodelamuestra,setrazacadamesenla
ilustracin15.8paramostrarelcambiodelasealdeseguimiento.Observeque
cambidemenos1MADams3.3MAD.Estosucediporquelademandarealfue
mayorqueelpronsticoencuatrodelosseisperiodos.Silademandarealnocayera
pordebajodelpronsticoparacompensarlaRSFEpositivacontinua,lasealde
seguimientoseguiraaumentandoysellegaraalaconclusindequesuponeruna
demandade1000constituyeunmalpronstico.
Los lmites aceptables para la seal de seguimiento dependen del tamao de la
demandapronosticada(losartculosdevolumenaltooingresoaltosedebenvigilar
con frecuencia) y la cantidad de tiempo del personal disponible (los lmites
aceptablesmsestrechoshacenquemayorcantidaddepronsticosestnfuerade
loslmitesyporlotantorequierendemstiempoparainvestigarlos).Lailustracin
15.9muestraelreadentrodeloslmitesdecontrolparaunrangode1a4MAD.
Enunmodelodepronsticoperfecto,lasumadeloserroresdepronsticoreales
sera0;loserroresquedancomoresultadosobrestimadosdebensermenosque
aquellosqueresultanensubestimados.Lasealdeseguimientotambinsera0,
indicandounmodelosinsesgos,quenosequedaatrsnidelantedelasdemandas
reales.

ANLISISDEREGRESINLINEAL
Puededenirselaregresincomounarelacinfuncionalentredosomsvariables
correlacionadas.Seutilizaparapronosticarunavariableconbaseenlaotra.Porlo
general,larelacinsedesarrollaapartirdedatosobservados.Primeroesnecesario
gracarlosdatosparaversiaparecenlinealesosiporlomenospartesdelosdatos
sonlineales.Laregresinlinealsereerealaclasederegresinespecialenlaquela
relacinentrelasvariablesformaunarecta.
LarectadelaregresinlinealtienelaformaYabX,dondeYeselvalordela
variabledependientequesedespeja,aeslasecanteenY,beslapendienteyXesla
variableindependiente(enelanlisisdeseriedetiempo,lasXsonlasunidadesde
tiempo).
Laregresinlinealestilparaelpronsticoalargoplazodeeventosimportantes,
ascomolaplaneacinagregada.Porejemplo,laregresinlinealseramuytil
parapronosticarlasdemandasdefamiliasdeproductos.Auncuandolademandade
productosindividualesdentrodeunafamiliapuedevariarengranmedidadurante
un periodo, la demanda de toda la familia de productos es sorprendentemente
suavizada.
Laprincipalrestriccinalutilizarel pronsticoderegresinlineal es,comosu
nombreloimplica,quesesuponequelosdatospasadosylospronsticosfuturos
caensobreunarecta.Aunqueestonolimitasuaplicacin,enocasiones,siseutiliza
unperiodomscorto,esposibleusarelanlisisderegresinlineal.Porejemplo,
puedehabersegmentosmscortosdelperiodomslargoqueseanaproximadamente
lineales.
Laregresinlinealseutilizatantoparapronsticosdeseriesdetiempocomopara
pronsticos de relaciones causales. Cuando la variable dependiente (que casi
siempreeselejeverticalenunagrca)cambiacomoresultadodeltiempo(trazado
comoelejehorizontal),setratadeunanlisisdeserietemporal.Siunavariable
cambiadebidoalcambioenotra,setratadeunarelacincausal(comoelnmerode
muertesdebidasalaumentodecncerpulmonarentrelagentequefuma).
Tmese el siguiente ejemplo para demostrar el anlisis de regresin lineal con
mnimoscuadrados.

DESCOMPOSICINDEUNASERIETEMPORAL
Puededenirseunaserietemporalcomodatosordenadosenformacronolgicaque

pueden contener uno o ms componentes de la demanda: tendencia, estacional,

cclico,autocorrelacinoaleatorio.Ladescomposicindeunaserietemporalsigni
caidenticarysepararlosdatosdelaserietemporalenestoscomponentes.Enla
prctica, es relativamente fcil identi car la tendencia (incluso sin un anlisis
matemtico,casisiempreessencillotrazaryverladireccindelmovimiento)yel
componenteestacional(comparandoelmismoperiodoaotrasao).Esmucho
msdifcilidenticarloscomponentesdelosciclos(puedendurarvariosmeseso
aos),laautocorrelacinyelaleatorio.(Porloregular,elencargadoderealizarel
pronsticoconsideraaleatoriocualquierelementoquesobreyquenoseaposible
identicarcomootrocomponente.)
Cuandolademandacontieneefectosestacionalesydetendenciaalmismotiempo,la
preguntaescmoserelacionanentres.Enestadescripcin,seanalizandostiposde
variacinestacional:aditivaymultiplicativa.
Variacinestacionaladitiva Lavariacinestacionaladitivasimplementesupone
quelacantidadestacionalesunaconstantesinimportarculeslatendenciaola
cantidadpromedio.
PronsticoqueincluyetendenciayestacionalTendenciaEstacional
Variacinestacionalmultiplicativa Enlavariacinestacionalmultiplicativa,la
tendenciasemultiplicaporlosfactoresestacionales.
PronsticoqueincluyetendenciayestacionalTendenciaFactorestacional
Unfactorestacionaleslacantidaddecorreccinnecesariaenunaserietemporal
paraajustarsealaestacindelao.
Porlogeneral,serelaciona estacional conunperiododelaocaracterizadopor
algunaactividadenparticular.Seusalapalabracclicoparaindicarquenosetrata
delosperiodosanualesrecurrentesdeactividadrepetitiva.
Los siguientes ejemplos muestran cmo se determinan y utilizan los ndices
estacionalesparapronosticar1)unclculosencillobasadoendatosestacionales
pasados, y 2) la tendencia y el ndice estacio nal de una recta de la regresin
ajustada a mano. A continuacin se da un procedimiento ms formal para la
descomposicinyelpronsticodelosdatosutilizandolaregresindeloscuadrados
mnimos.
EJEMPLO15.3:Proporcinsimple
Supongaqueenlosltimosaosunaempresavendiunpromediode1000unidadesal

aodeunalneadeproductosenparticular.Enpromedio,sevendieron200unidadesen
primavera,350enverano,300enotooy150eninvierno.Elfactor(ondice)estacionales
larazndelacantidadvendidadurantecadaestacindivididaentreelpromediodetodas
lasestaciones.

Descomposicin con regresin por mnimos cuadrados La descomposicin de

unaseriedetiemposignificaencontrarloscomponentesbsicosdelaseriede
tendencia,estacionalycclico.Losndicessecalculanporestacionesyciclos.El
procedimientodelpronsticodespusinvierteelprocesoconelpronsticodela
tendenciaysuajustemediantelosndicesestacionalesycclicos,determinadosenel
procesodedescomposicin.Entrminosformales,elproceso:
1.Descomponerlasseriesdetiempoensuscomponentes.
14.

a)Encontrarelcomponenteestacional.

15.

b)Descontarlasvariacionesdetemporadadelademanda.

16.

c)Encontrarelcomponentedelatendencia.
2.Pronosticarvaloresfuturosdecadacomponente.

17.

a)Pronosticarelcomponentedelatendenciaenelfuturo.

18.

b)Multiplicarelcomponentedelatendenciaporelcomponenteestacional.
Observequeenestalistanoseincluyeelcomponentealeatorio.Implcitamente,se
eliminaelcomponentealeatoriodelaseriedetiempocuandosepromedia,como
enelpaso1.Notienecasointentarunaproyeccindelcomponentealeatoriodel
paso2amenosquesetengainformacinsobrealgneventoinusual,comouncon
ictolaboralgrave,quepudierainuirenlademandadelproducto(yestonoseraal
azar).
Enlailustracin15.15semuestraladescomposicindeunaseriedetiempoconel
usodeunaregresindecuadradosmnimosylosmismosdatosbsicosutilizados
en ejemplos anteriores. Cada dato corresponde al uso de un solo trimestre del
periodode 3aos (12 trimestres). El objetivo es pronosticar la demanda de los
cuatrotrimestresdelcuartoao.

PRONSTICODERELACIONESCAUSALES
Paraqueunpronsticoseadevalor,cualquiervariableindependientedebeserun
indicadorgua.Porejemplo,esdeesperarqueunperiododelluviasmsprolongado

aumentelaventadeparaguasygabardinas.Lalluviaprovocalaventadeartculos
personalesparaesteclima.Setratadeunarelacincausalenlaqueunaocurrencia
causaotra.Sisesabedelelementodecausaconmuchaanticipacin,sepuedeusar
comobaseparaelpronstico.
Elprimerpasodelpronsticodeunarelacincausalesencontrarlasocurrenciasque
realmente sean la causa. Muchas veces los indicadores gua no son relaciones
causalessinoqueindican,deciertaformaindirecta,quepodranocurrirotrascosas.
Otrasrelacionesnocausalessimplementeparecenexistircomounacoincidencia.
Haceunosaossedemostrenunestudioquelacantidaddealcoholvendidoen
Sueciaeradirectamenteproporcionalalsalariodelosmaestros.Secreequeerauna
relacinespuria(falsa).Elsiguienteesunejemplodeunpronsticoconelusode
unarelacincausal.

ANLISISDEREGRESINMLTIPLE
Otro mtodo de pronstico es el anlisis de regresin mltiple, en el que se
consideraciertonmerodevariables,juntoconlosefectosdecadaunaenelrubro
deinters.Porejemplo,enelcampodelmobiliariodomstico,losefectosdel
nmerodematrimonios,construccindeviviendas,ingresodisponibleytendencias
puedeexpresarseenunaecuacinderegresinmltiplecomo:
SBBm(M)Bh(H)Bi(I)Bt(T)

donde
SVentasbrutasanualesBVentasdebase,comopuntodepartidaapartirdelque
otros factores ejercen una in uencia M Matrimonios durante el aoH
Construccin de viviendas durante el aoIIngresopersonaldisponibleanualT
Tendenciatemporal(primerao1,segundo2,tercero3,etctera)
Bm, Bh, Bi y Bt representan la in uencia en las ventas esperadas del nmero de
matrimoniosyconstruccindeviviendas,ingresoytendencia.
Esconvenientehacerunpronsticoconregresinmltiplecuandovariosfactoresin
uyenenlavariabledeinters;enestecaso,lasventas.Sudicultadradicaenlos
clculosmatemticos.Porfortuna,sevendenprogramasestndaresdecmputopara
anlisisderegresinmltiple,loquealivialanecesidaddehacertediososclculos
manuales.
MicrosoftExcel soportatcnicasdeanlisisdeseriesdetiempodescritasenesta
seccin.Estasfuncionesseencuentranenlasherramientasdeanlisisdedatosde

uniformidadexponencial,promediosdemovimientoyregresin.

PRONSTICOENFOCADO
ElpronsticoenfocadoescreacindeBernieSmith,5 quienlousaprincipalmente
para manejo de inven tarios de bienes terminados. Smith de ende slidos
argumentos de que los enfoques estadsticos usados para pronosticar no dan los
mejoresresultados.Armaquelastcnicassimplesquefuncionaronantestambin
danlosmejorespronsticosparaelfuturo.

METODOLOGADELPRONSTICOENFOCADO
El pronsticoenfocado simplementepruebavariasreglasqueparecenlgicasy
fcilesdeentenderparaproyectaralfuturolosdatosdelpasado.Cadaunadeestas
reglas se usa en un programa de simula cin por computadora para proyectar
realmentelademandaymedireldesempeodelareglacuandosecomparaconlo
queocurri.Porlotanto,losdoscomponentesdelsistemadepronsticoenfocado
son1)variasreglasdepronsticomuysimples,y2)simulacinporcomputadorade
estasreglassobredatosdelpasado.
Setratadereglassimplesydesentidocomnqueseformulanypruebanparaversi
deben conser varse. Entre los ejemplos de reglas simples de pronstico se
encuentran:
19.

Loquesehayavendidoenlostres ltimosmesesserprobablementeloquese
vendaenlostresmesessiguientes.

20.

Loquesevendienelmismotrimestredelaopasadosevenderprobablementeen
eseperiododeesteao(estodaracuentadelosefectosestacionales).

21.

Esprobablequesevenda10porcientomsenlossiguientestresmesesqueenlos
tresmesesanteriores.

22.

Esprobablequesevenda50porcientomsenlostresmesessiguientesqueenlos
mismostresmesesdelaoanterior.

23.

Cualquieraquehayasidoelcambioporcentualdelosltimostresmesesdeesteao
encomparacinconlosmismostresmesesdelaopasado,serprobablementeel
mismocambioporcentualquesetendrenlossiguientestresmesesdelao.

Estasreglasdepronsticonosonrgidas.Siunareglaparecefuncionarbien,se
agrega.Siunanofuncion,sesuprime.
La segunda parte del proceso es una simulacin por computadora. Para usar el
sistema,debentenersedatoshistricos;porejemplo,datosde18a24meses.El
procesodesimulacinusalasreglasdepronsticoparapredecirdatosrecientes.
Lareglaquemejorpronostiqueenelpasadoeslaqueseusaparapredecirelfuturo.

PRONSTICO EN LA RED: PLANEACIN,

PRONSTICO Y RESURTIDO EN
COLABORACIN
La planeacin, pronstico y resurtido en colaboracin (CPFR en ingls,
CollaborativePlanning,ForecastingandReplenishment),quesepropusoen1995,
evolucionhastaconvertirseenunaherramientadeInternetusadaparacoordinar
elpronsticodelademanda,laplaneacindelaproduccinylascomprasyel
resurtidodeinventariosentresocioscomercialesdelacadenadesuministro.La
CPFR se usa como medio de integrar a todos los miembros de una cadena de
suministro de n puntos, incluyendo fabricantes, distribuidores y vendedores
minoristas.Comosemuestraenlailustracin15.19,elpuntoidealdecolaboracin
medianteCPFReselpronsticodelademandaenelniveldelmenudeo,queluego
seusaparasincronizarpronsticosyplanesdeproduccinyresurtidohacialos
segmentosanterioresdelacadenadesuministro.
Alafecha,aunquelametodologaesaplicableacualquierindustria,lasaplicaciones
deCPFRsehancentradoprincipalmenteenlosalimentos,ropaymercancageneral.
Losposiblesbeneciosdecompartirlainformacindemejorarlavisibilidaddela
planeacin son enormes para cualquier cadena de suministro. Se han propuesto
variasestimacionesdelosahorrosdecostosatribuiblesamejorarlacoordinacinde
lacadenadesuministro,incluyendo30000millonesdedlaresnadamsdela
industriaalimenticia.8
ElobjetivodeCPFResintercambiarinformacininternaselectaenunservidordela
redcompartido,conelndeofrecerpanormicasconablesydelargoplazosobrela
demandafuturaenlacadenadesuministro.CPFRusaunenfoquecclicoeiterativo
paraderivarpronsticosconsensuadosenlacadena.Consisteenlossiguientescinco
pasos:
Paso1.Creacindeunacuerdodeasociacindelladodelcliente.Esteacuerdo

especi ca 1) objetivos (como reduccin de inventarios, eliminacin de ventas

perdidas,menorobsolescenciadelosproductos)quesepretendealcanzarmediante
colaboracin, 2) necesidades de recursos para la colaboracin (por ejemplo,
hardware,software,medidasdedesempeo),y3)expectativasdecondencialidad
sobre la con anza imprescindible como requisito para compartir la informacin
delicadadelacompaa,querepresentaunobstculoimportantealaimplantacin.
Paso 2. Planeacin conjunta de negocios. Normalmente, los socios crean
estrategiasdeasociacin,diseanuncalendarioconjuntoenelqueseidenticala
secuenciayfrecuenciadelasactividadesdeplaneacinquesesiguenparainuiren
losritmosdeproduccinyseespecicanloscriteriosdeexcepcinparamanejarlas
variacionesplaneadasentrelospronsticosdelademandadelossocioscomerciales.
Paso3.Desarrollodepronsticosdedemanda.Eldesarrollodepronsticospuede
apegarse a los procedimientos establecidos en la compaa. Las tiendas deben
desempearunpapelcrucial,porquecompartirlosdatosdelos puntosdeventa
permite desarrollar expectativas ms acertadas y oportunas (a diferencia de
extrapolarretirosdealmacnoacumularpedidosentiendas)tantoparavendedores
minoristas como para proveedores. Dada la frecuencia con que se generan
pronsticos y la posibilidad de que muchos artculos requieran que se preparen
pronsticos, por lo regular se usa en CPFR algn procedimiento de pronstico
simple,comoelpromediodemovimiento.Esfcilusartcnicassimplesjuntocon
losconocimientosexpertosdeeventosdepromocinorebajaparamodicarlos
valorespronosticadosenconsecuencia.
Paso 4. Difundir los pronsticos. A continuacin, vendedores minoristas
(pronsticos de pedidos) y proveedores (pronsticos de ventas) publican
electrnicamentesusltimospronsticosdeunalistadeproductosenunservidor
compartidodedicado.Elservidorexaminaparesdepronsticoscorrespondientesy
expide una nota de excepcin sobre cualquier par de pronsticos cuando la
diferenciasuperaunmargendeseguridadestablecidoconantelacin(porejemplo,
de5%).Siseexcedeelmargendeseguridad,losplanicadoresdelasdosempresas
colaboranporvaelectrnicaparallegaraunpronsticodeconsenso.
Paso 5. Resurtido de inventario. Cuando coinciden los pronsticos
correspondientes,elpronsticodepedidosseconvierteenpronsticoreal,loque
activaelprocesoderesurtido.
Cadaunodeestospasosserepiteiterativamenteenunciclocontinuoenelquese
varan los tiempos, por productos individuales y segn calendario de sucesos
establecidoentrelossocioscomerciales.Porejemplo,lossociospuedenrevisarel
acuerdo de asociacin del lado del cliente cada ao, evaluar cada trimestre los

planescomercialesconjuntos,desarrollarpronsticosdelademandasemanaleso
mensualesyresurtiradiario.
El intercambio oportuno de informacin entre los socios comerciales ofrece
impresionesconablesydemslargoplazosobreelfuturodelademandaenla
cadena de suministro. La visibilidad hacia adelante, basada en compartir la
informacin,traediversosbeneciosalasasociacionesenlascadenasdesuministro.
Comoocurreconlamayoradelasnuevasiniciativascorporativas,hayescepticismo
y resistencia al cambio. Uno de los escollos ms grandes que estorban la
colaboracineslafaltadeconanzasobrelocompletodelainformacinquese
comparteentresociosdelacadenadesuministro.Elobjetivocontradictorioentre
unproveedorquequieremaximizarsusutilidadesyunclientequequiereminimizar
suscostosdalugararelacionescontrariasenlacadenadesuministro.Compartir
datosoperativosdelicadospuedepermitiraunsociocomercialsacarventajadel
otro. Del mismo modo, una barrera a la ejecucin es el potencial de perder el
control. Algunas compaas se sienten justamente preocupadas por la idea de
colocar en lnea datos estratgicos, como informes nancieros, programas de
manufactura e inventarios. Las compaas quedan expuestas a las fracturas de
seguridad.Losacuerdosdeasociacindelladodelcliente,acuerdosdesecretoy
accesolimitadoalainformacinayudanasuperarestosmiedos.

CONCLUSIN
Tenemosquetenerpresentequeporloregularunpronsticoperfectoesimposible.
Enunambientedenegocioshaydemasiadosfactoresquenosepuedenpronosticar
concerteza.Porlotanto,enlugardebuscarelpronsticoperfecto,esmuchoms
importanteestablecerlaprcticadeunarevisincontinuadelospronsticosy
aprenderavivirconpronsticosimprecisos.Estonoquieredecirquenosetratede
mejorarelmodeloolametodologadepronosticar,peroloquedebehacersees
tratardeencontraryusarelmejormtododepronsticodisponible,dentrodelo
razonable.
Existencuatrotiposdepronsticos;tcnicascualitativasbasadasenestimadosy
opiniones,anlisisdeseriesdetiempoquesebasaenutilizarinformacindela
demandapasadaparapredecirlafutura,relacionescausalesquedicequelademanda
serelacionaconalgnfactorsubyacenteenelambienteyporltimoeldemodelos
desimulacinquepermitemanejarvariassuposicionesacercadelacondicindel
pronstico.